LLM-as-a-Judge: ¿puede reemplazar el criterio de una persona?

1Key Takeaways

• Los agentes de IA ya no solo sugieren código: lo escriben, lo prueban y en algunos casos hasta lo despliegan.
• Aunque el problema de siempre no desapareció —un modelo puede alucinar, jurar que un test pasa cuando nunca llegó a correr— solo que ahora vive dentro de la cadena de producción, no en un chat donde el peor daño es una respuesta rara.
• Y ahí apareció la respuesta obvia: si un solo juez de IA puede fallar, pon dos a revisarse entre sí.
• Si coinciden, hay confianza; si difieren, se….