Idea

Una respuesta que no dice dónde bloquea desplaza el riesgo en vez de reducirlo

Info

Escrito originalmente en francés. Traducido por IA — se ha preservado el sentido, no la prosa.

Idea principal

Una respuesta sobre el comportamiento de un producto es casi siempre parcial. Ningún test cubre el caso preguntado; el repositorio contiene dos comportamientos según el estado de un feature flag; la configuración de ese cliente no es accesible; la decisión de producto escrita dice una regla que el código parece contradecir; la documentación de soporte dice una tercera.

Una respuesta que calla esas zonas sigue siendo utilizable, legible y falsa a trechos — sin que nada diga cuáles. Quien la recibe, un agente de soporte frente a un cliente o un comercial en una reunión, la emplea entera, incluso allí donde no se sostenía. El riesgo no ha disminuido, ha cambiado de portador: estaba en quien sabía que no sabía, ahora está en quien cree saber.

Enunciar los bloqueos es, por tanto, una parte de la respuesta, no una confesión de debilidad. Es lo que hace un humano serio — señala su duda y dice cuándo hay que probar — y es lo que permite cumplir el objetivo real: reducir el coste de búsqueda sin reducir la trazabilidad de lo que se afirma.

Por qué es importante

Esto fija un criterio de aceptación para un dispositivo de respuesta automatizado que no trata ni sobre su velocidad ni sobre su tasa de acierto: ¿sabe producir "no puedo determinar esto"? Un sistema que responde siempre de forma completa queda descalificado por esa misma completitud.

También da valor a lo que parece un fracaso: señalar que un PDR y el código divergen, o que ningún test cubre un caso, es una información de producto en sí misma, a veces más útil que la respuesta pedida.

Matices y límites

El ejercicio tiene un umbral. Una respuesta que acompaña cada frase de una reserva vuelve a ser inexplotable, y el lector recupera la costumbre de ir a probar él mismo — el coste que se quería suprimir vuelve intacto.

Y la declaración de ignorancia no es más fiable que el resto: un modelo puede afirmar con aplomo que no sabe lo que habría podido establecer, y ese error tampoco se ve.

Preguntas abiertas

  • ¿Cómo verificar que un dispositivo señala sus zonas de ignorancia reales, y no aquellas que le resulta fácil nombrar?