Rúbrica de evaluación agéntica

Cuando un agente produce, la pregunta no es “¿está bien?” sino “¿bien según qué?”. Sin un criterio común, “está bien” es opinión y no escala. Esta rúbrica convierte esa opinión en una nota compartida. Puntúa cada dimensión de 0 a 3; por debajo de 2 en cualquiera, se rechaza.

Las cinco dimensiones

1 · Fidelidad al sistema. ¿Usa tokens y componentes del sistema, o reimplementa con valores sueltos?

• 0 · colores y espaciados quemados.
• 2 · usa componentes, algún valor suelto.
• 3 · todo referencia el sistema; cero piezas nuevas no justificadas.

2 · Intención. ¿La decisión responde a un porqué, o solo “queda bien”?

• 0 · no se sabe qué problema resuelve.
• 3 · cada elección se explica contra una regla o un objetivo.

3 · Accesibilidad. ¿Pasa los mínimos sin que haya que pedirlo?

• 0 · falla contraste o foco.
• 3 · contraste, foco, ARIA y orden de lectura, verificados.

4 · Riesgo. ¿Qué pasa si esto sale a producción tal cual?

• 0 · puede engañar, romper o exponer datos.
• 3 · reversible, auditable, sin efectos secundarios ocultos.

5 · Descarte. ¿El equipo sabría decir por qué esto no?

• 0 · se acepta todo lo que el agente genera.
• 3 · hay un “esto no” claro y argumentado para lo rechazado.

Cómo usarla

• Antes de generar: acuerda la nota mínima de cada dimensión. Es tu definición de “listo”.
• Al revisar: dos personas puntúan por separado; las diferencias son la conversación que importa.
• La métrica que vigilas no es cuánto produces, sino cuánto descartas. Un buen ratio de “esto no” es señal de criterio vivo.

La rúbrica no sustituye el juicio: lo hace explícito y compartible. Es la diferencia entre un equipo que “siente” si algo está bien y uno que sabe decir por qué, igual cada vez.