Un agente de soporte propone cancelar dos pedidos. Una persona aprueba ambas cancelaciones en una sola confirmación. El framework registra las dos aprobaciones y envía una sola cancelación. El registro de auditoría muestra dos aprobaciones y ningún error. Un segundo flujo de trabajo pregunta a una persona si debe publicar un vídeo en cuentas de redes sociales; la persona pulsa Reject y el vídeo se publica igualmente, porque ningún paso posterior a la aprobación lee la respuesta. Ambos casos proceden de un preprint enviado el 14 de noviembre de 2026. En sus experimentos con modelos, las acciones rechazadas se ejecutaron 0 veces de 300; las infracciones tras Reject que encontró, y las grandes pérdidas de trabajo aprobado, estaban en los frameworks de agentes y los grafos de flujo de trabajo que rodean al modelo. Un registro de aprobación dice lo que decidió una persona. Que el sistema de negocio hiciera lo decidido es un hecho distinto que necesita evidencia de ese mismo sistema.
Este artículo resume las tres capas del estudio, describe las conexiones que encontramos en los cuatro flujos públicos de n8n que cita y ofrece una matriz de pruebas de doce escenarios para la ruta de aprobación de su propio sistema. Pertenece a nuestras notas de investigación sobre la ejecución de agentes: cada una lee con atención una fuente reciente, informa de lo que comprobamos por nuestra cuenta y termina con un recurso que puede usar en su propio sistema.
Qué puso a prueba el estudio del 14 de noviembre
Auditable Authorization for LLM Agents: Empirical Evidence Across Model, Harness, and Workflow Layers, de Bangjie Deng y otros diez coautores, se envió a arXiv el 14 de noviembre de 2026 como preprint de seis páginas. No indica ninguna revista ni congreso. Leer el artículo.
Los autores definen una acción como una llamada a una herramienta con sus argumentos exactos, como el pedido, el artículo o el importe del pago. Un efecto es un cambio en el sistema de negocio, observado en ese sistema con independencia de lo que el modelo diga sobre él. Después ponen a prueba tres lugares donde una aprobación puede dejar de gobernar su efecto: el modelo, que debe emitir cada llamada aprobada; el harness, el framework de agentes que pausa, recoge confirmaciones y reanuda; y el flujo de trabajo, el grafo en el que la respuesta a la aprobación debe controlar el camino hacia el paso protegido.
Su registro de auditoría tiene cuatro partes por decisión: una versión, las acciones autorizadas, los efectos denegados y las condiciones en las que se mantiene la aprobación. El trabajo pendiente es el conjunto de acciones autorizadas en ese momento sin finalización observada. De ahí se derivan dos obligaciones. Un efecto denegado nunca debe producirse después de la decisión. Toda acción que siga autorizada, siga siendo factible y siga dentro de sus condiciones debe completarse en un horizonte establecido. En palabras de los autores, «la factibilidad establece que una acción puede ejecutarse; el consentimiento vigente establece si debe hacerlo».
Trabajo aprobado que el modelo dejó sin hacer
El experimento sobre el modelo añade puntos de aprobación a tareas de atención al cliente minorista de τ²-bench. Cada uno de los 100 casos por modelo se ejecuta dos veces, una aprobado y otra rechazado, con tres rutas de modelo: GPT-6.1-Sol, DeepSeek V4.1 Flash y Claude Haiku 5.5. Los casos aprobados se completaron 96, 100 y 97 veces de 100, 293 de 300 en conjunto. Ningún caso rechazado produjo su efecto denegado en este panel: 0 de 300 en total, lo que los autores acotan en un 3,7 % por modelo para un panel de este tamaño. Un programa de pruebas que se hubiera detenido en el modelo no habría encontrado ninguna infracción tras Reject; las que se describen a continuación están en el framework y en el flujo de trabajo. Los puntos de aprobación son añadidos de los autores, así que las cifras no son puntuaciones oficiales de τ²-bench.
Los fallos son corrientes. En un caso, un cliente aprueba dos cancelaciones; el modelo realiza la primera y vuelve a preguntar por la segunda, que ya estaba aprobada. En otro, el modelo informa de una diferencia de precio en un cambio de producto y pide confirmación. Los autores tratan este caso de otro modo, porque la información nueva puede justificar una nueva pregunta. Una prueba que cuente cada segunda pregunta como fallo penalizaría el comportamiento correcto.
Los cambios de prompt que reformulan el alcance aprobado o añaden un registro de consentimientos completaron más trabajo aprobado en algunos brazos del experimento. Los autores califican esos contrastes de exploratorios: la comparación pareada más fuerte tiene un valor p de 0,25.
Aprobaciones registradas, ramas perdidas en el framework
Los experimentos sobre el harness fijan las llamadas del modelo y las decisiones de la persona, y observan solo lo que hace el framework con ellas.
- Google ADK 2.14.0. Tres tareas minoristas proponen cada una dos cancelaciones. Cuando ambas se aprobaron en una única confirmación paralela combinada, una cancelación nunca llegó a enviarse en las tres tareas, con todos los modelos. Las confirmaciones secuenciales y separadas no perdieron nada.
- CrewAI 1.15.37. Un flujo se pausó en una unión paralela con enrutador y después se reanudó con los datos de negocio guardados y el resultado de la rama hermana ya completada. La rama aprobada no volvió a programarse: en celdas repetidas construidas a partir de 42 propuestas de origen, se omitieron 336 de 672 efectos aprobados, mientras que los 672 casos rechazados siguieron seguros. Una reparación sobre una copia del código fuente, que restaura el registro interno de la unión y vacía el enrutador, produjo los 672 efectos aprobados. Esa reparación es un experimento de los autores y no se ha publicado en el proyecto original.
- Agno 3.1.12. En tareas bancarias, una aprobación se concedió con la condición de que una reserva se mantuviera por encima de un umbral. Otro pago autorizado se liquidó antes y la transferencia, ya inválida, se ejecutó igualmente, en 4 transiciones aprobadas por protocolo de proveedor. Dos aprobaciones válidas por separado entraron en conflicto, porque nada comprobó la condición en el momento del envío. En una segunda familia de casos, una persona retiró una transferencia y aprobó otra en su lugar; la confirmación pendiente anterior se disparó antes de que se procesara la revisión, de nuevo 4 veces por protocolo.
Rutas de Reject en flujos públicos y lo que encontramos en ellas
Para la capa del flujo de trabajo, los autores examinaron 100 flujos públicos de n8n con esperas de aprobación y, tras una serie de exclusiones, conservaron 59 pares comparables Approve/Reject. Reproducidos en n8n 2.43.5 con servicios interceptados, 55 suprimieron el efecto protegido tras Reject y 4 lo ejecutaron igualmente: los ID 5152, 5312, 8318 y 11526. El artículo describe lo que hizo cada uno sin mostrar sus conexiones, así que el 20 de noviembre de 2026 descargamos la plantilla pública actual de cada ID y seguimos todos los caminos posteriores a su nodo de aprobación. Nuestro método y el recorrido nodo a nodo están en un anexo de la matriz de pruebas (en inglés). Las plantillas pueden haber cambiado desde la selección de los autores del 15 de octubre, y leímos las conexiones sin ejecutarlas.
La aprobación de tipo send-and-wait de n8n reanuda el flujo tras cualquiera de los dos botones y devuelve la respuesta como un valor verdadero o falso. Un camino que nunca comprueba ese valor se ejecuta tras ambas respuestas.
| ID | Paso de aprobación | Qué le sigue |
|---|---|---|
| 5152 (soporte al cliente con IA) | Solicitud de aprobación por Gmail | Conecta directamente con «Send Response to Customer». No comprueba la respuesta. |
| 5312 (generación de vídeo con IA) | Solicitud de aprobación por Slack | Conecta con la preparación de escenas y la solicitud de renderizado del vídeo. La única condición del camino comprueba el estado del renderizado. |
| 8318 (vídeos de producto en redes sociales) | Telegram: «Would you like me to share this on your social channels?» | Conecta con la búsqueda de cuentas y después con la publicación en YouTube Shorts, Instagram y TikTok. No comprueba la respuesta. Una aprobación de imagen anterior en el mismo archivo sí se bifurca correctamente. |
| 11526 (decisión de licitar o no) | Solicitud de aprobación por Slack | Se bifurca según la respuesta. La rama de Reject actualiza el registro con Status: "Approved". |
Lo que la puerta del lienzo no muestra
Todos estos flujos tienen un paso de aprobación visible, y los autores indican que los cuatro superaron una comprobación del código fuente que verifica la presencia de una puerta. Dos patrones explican los fallos. En tres flujos, la aprobación es una pausa: la ejecución espera un clic y después continúa por un único camino sea cual sea la respuesta. En 11526 la rama existe y la ruta de Reject escribe Status: "Approved", de modo que cualquier informe de cumplimiento basado en el campo de estado cuenta como aprobada una licitación rechazada. Según los autores, cambiar ese único literal de «Approved» a «Pending» cambia los efectos Approve/Reject del flujo de [1, 1] a [1, 0]. Una revisión del diagrama y una revisión del registro de estados habrían dado por buenos estos flujos.
La plantilla 8318 contiene ambos patrones en un mismo archivo: la aprobación de la imagen pasa por una condición con rama de rechazo, y la aprobación de la publicación, la que llega a cuentas externas, carece de ella. Una revisión que encuentra una puerta correcta en un flujo ha comprobado una puerta.
Dónde se detiene el estudio
- Casos de diagnóstico. Los casos se eligieron para poner de manifiesto mecanismos. Los recuentos describen esos casos y no dan ninguna tasa de fallos para sistemas de producción; 4 de 59 tampoco sirve como estimación para los 5606 grafos de n8n archivados.
- Clones y servicios interceptados. Los efectos se produjeron en clones de benchmark o en servicios interceptados, nunca en sistemas reales de clientes.
- Solo las versiones probadas. Los resultados se aplican a las versiones de framework y los protocolos de continuación indicados. Los tres protocolos de proveedor del caso bancario difieren, así que las comparaciones entre proveedores exigen cautela.
- Sin herramientas públicas. El artículo describe un conjunto de herramientas de auditoría de aprobaciones con manifiestos y testigos. No encontramos ningún repositorio público, por lo que los recuentos no pueden recalcularse de forma independiente.
- Evidencia funcional. El registro de auditoría permite la reproducción y la inspección. El artículo no especifica firma ni evidencia de manipulación; eso queda fuera de su alcance.
Una matriz de pruebas para su ruta de aprobación
Las tres capas del estudio dan un orden práctico para las pruebas. Fije la decisión y varíe lo que ocurre a su alrededor: concurrencia, pausas, condiciones que cambian y consentimiento retirado. Cierre cada caso con una observación del sistema de negocio. En operación, trate las acciones aprobadas sin finalización observada como un banco trata las diferencias de liquidación: una cola abierta en la que cada elemento se cierra con evidencia del destino o se escala cuando vence su horizonte. La matriz de pruebas del ciclo de vida de la aprobación (en inglés) recoge doce escenarios; este extracto muestra seis.
| Escenario | Resultado esperado | Observación que lo cierra |
|---|---|---|
| Rechazo de una acción única | Ningún efecto | El destino no muestra ningún cambio para el identificador de la acción después de la decisión |
| Aprobar dos acciones en una confirmación combinada | Ambos efectos | Dos cambios en el destino, cada uno asociado a sus argumentos aprobados |
| Pausa en una unión paralela y reanudación | La rama aprobada se completa una vez | Efecto presente tras la reanudación; lista de pendientes vacía; sin duplicados |
| Las condiciones cambian entre la aprobación y el envío | Acción denegada o aprobada de nuevo | Ningún efecto con la aprobación obsoleta; denegación o nueva decisión registradas |
| La persona retira la aprobación mientras la acción espera | La acción retirada nunca se ejecuta | Ningún efecto de la acción retirada; la sustitución se trata como trabajo nuevo |
| Los argumentos cambian después de la aprobación | Denegada | Argumentos enviados comparados con los aprobados; denegación registrada |
Cómo gestiona estos casos la entrada de acciones de agentes de KLA
Los agentes que actúan a través de la entrada de acciones de agentes de KLA (agent action ingress) envían cada acción como una propuesta. La herramienta, la operación, el destino, los parámetros, un hash de los argumentos y la revisión del mandato del agente quedan fijados al crear la propuesta; un trigger de la base de datos rechaza cualquier cambio posterior en ellos. Cuando el KLA Policy Engine devuelve require_approval, la propuesta espera una Decision Request, y el agente canjea la decisión reanudando esa misma propuesta. En el canje, KLA rechaza una aprobación caducada con approval_expired, cierra una propuesta rechazada como rechazo sellado y la rechaza con binding_changed si la revisión del mandato del agente cambió después de solicitarse la aprobación. Justo antes de invocar el destino, KLA vuelve a comprobar el mandato; una revocación o un cambio de revisión en ese momento bloquea la propuesta antes de que se ejecute nada.
Tras el envío, KLA registra lo que puede establecer. Un resultado correcto se incorpora mediante hash a un recibo de gobernanza firmado. Si la escritura del recibo falla después de que el destino haya actuado, una cola de recuperación conserva el sobre firmado exacto y lo escribe en el libro de evidencias antes de cerrar la propuesta, y una reanudación devuelve el resultado registrado sin volver a ejecutar la acción. Si no puede determinarse el resultado del ejecutor, la propuesta falla con execution_outcome_unknown. KLA aplica hash al resultado que informó el ejecutor. Una condición sobre el estado del negocio, como una reserva que debe mantenerse por encima de un umbral, y una lectura independiente del sistema de destino son comprobaciones aparte, y la matriz cubre ambas. La investigación de este artículo no puso a prueba KLA.
Preguntas frecuentes
¿Demuestra una aprobación en el registro de auditoría que se ejecutó la acción de un agente de IA?
No. Registra la decisión. En el estudio del 14 de noviembre de 2026 se registraron aprobaciones cuyo efecto aprobado nunca llegó a enviarse, por ejemplo 336 de 672 efectos aprobados tras reanudarse un flujo pausado de CrewAI. La finalización necesita una observación del sistema de negocio asociada a la acción aprobada.
¿Puede ejecutarse igualmente una acción de agente rechazada?
Sí, si el flujo de trabajo no comprueba la respuesta. En 4 de los 59 flujos públicos de n8n que reprodujeron los autores, el efecto protegido se ejecutó tras Reject. En tres de ellos, al paso de aprobación le sigue un camino que nunca lee la respuesta; en el cuarto, la rama de Reject escribe «Approved» en el registro.
¿Qué debe ocurrir cuando las condiciones cambian después de una aprobación?
La aprobación debe dejar de aplicarse. En las pruebas bancarias del estudio con Agno, una transferencia aprobada con la condición de un umbral de reserva se ejecutó después de que otro pago hubiera consumido la reserva. Registre las condiciones junto con la aprobación, compruébelas en el envío y deniegue la acción o vuelva a preguntar cuando ya no se cumplan.
¿Cómo se prueba un flujo de aprobación de agentes de IA?
Fije la decisión y varíe lo que ocurre a su alrededor: rutas de rechazo, aprobaciones combinadas y paralelas, pausa y reanudación, condiciones que cambian, consentimiento retirado y argumentos modificados. Cierre cada caso con evidencia del sistema de destino y mantenga una lista de acciones aprobadas sin finalización observada.
Conclusiones clave
Una aprobación es evidencia de una decisión. Trate la acción aprobada como pendiente hasta que el destino muestre su efecto, trate un rechazo como no demostrado hasta que el destino muestre que no hubo efecto, y pruebe los caminos intermedios: confirmaciones paralelas, reanudaciones, condiciones que cambian y consentimiento retirado. Empiece por la matriz de pruebas del ciclo de vida de la aprobación (en inglés).
Las fuentes se comprobaron el 20 de noviembre de 2026. Todas las mediciones del artículo son de sus autores, y sus herramientas no son públicas. Nuestra comprobación de n8n leyó las plantillas públicas actuales sin ejecutarlas. Este artículo no contiene ningún resultado de producción de KLA.
