Lo de pedir tres artefactos de un proyecto pasado (ticket, decision record, write-up de algo que salió mal) es un filtro práctico que no se me había ocurrido. Me quedó dando vueltas lo de que con AI una instrucción vaga ahora genera código rápido y seguro pero mal, y encima con tests que confirman el error. ¿Probaste ese test vos mismo con algún cliente?