AI Does Not Stop Human From Happening
Lau modelo proiektu bakar batean erabiltzetik zer ikasi nuen
Jeff Gray · 2026ko irailaren 4a · Control Systems Security
Read in English · Euskarazko itzulpen-eskema
Konfiantza, baina usaindu. AI produktu bati oraindik garrantzia duen proba bakarra egiten dion gizakia.
Asko irakurri ditut AI garapen proiektuei buruzko basakeriak, produktuen salerosketan dabiltzanen aldetik edo ilusio sakonean erortzen direnen aldetik. Urtebete eman dut modu gogorrean ikasten, eta pentsatu nuen errealitate pixka bat partekatuko nuela. Modelo hau edo hura erabiliz gau aberats bihurtuko zaituela esaten dizunak gau aberats bihurtu nahi du nik orain esango dizudana saltzen dizulako.
Gaur OT esposizio ikerketa-ziklo oso bat exekutatu nuen: 34 eguneko Shodan eskaneatzeak, hodei-iragazkien balioztatzea, persistentzia analisia, artikulu zirriborroa. Lau modelo desberdin erabili nituen etapa desberdinetan. Modelo bakoitzak besteek hain ondo egiten ez zuten zerbait egin zuen. Hona hemen funtzionatu zuena.
DeepSeek v3.1
34 eguneko datu-multzo gordinarekin joan nintzen DeepSeek-era. 34 eskaneatze-egun, 22 helburu, 748 datu-puntu guztira. Ereduak aurkitzeko eta arraroa zen edozer markatzeko eskatu nion.
Fase bakoitzeko hazkunde-tasa mordoa kalkulatu zituen. Bi aldiz irakurri nuen. Ez nintzen batere ona estatistikan. Ideiekin eta irudimenarekin egiten dut lan. Imajinatu nuen burmuineko odol-isuri bat izango nuela, baina aurrera jarraitu nuen irakurtzen. Hodei-iragazkia martxan jarri ondoren atzerapena sumatu zuen. Modbus jaitsi zen eguneko 1.682 esposizio berriretik 386ra. Benetan harritu ninduen hori baino estuagoa izan zen. Datu-multzo osoko beherakada bakarrak harrapatu zituen: Munduko Modbus, abuztuaren 26a–27a. Erabat pasatu zitzaidan.
Erabilgarriena ez zen hazkunde-kurba izan. DeepSeek-ek esplizituki zerrendatu zituen datuek babesten ez dituzten sei baieztapen. Horrek gehiegi baieztatzea eragin zidan. Lerro zorrotzenak kontrol-taldearen arazoa jo zuen: "Datuak korrelazioa babesten dute indizearen hazkundearekin, ez kausalitatea esposizioaren hazkundearekin."
Zenbakiak bidaltzen dizkiot. Ez dio axola artikuluak arrakasta izango duen ala ez. Kontuan hartzen duena ea taulak eutsiko ez dion zerbait baieztatzen ari naizen da.
Grok 4
Idazten hasi baino lehen, artikuluaren kontzeptua Grok-era aurkeztu nuen eta zatitu zezala eskatu nion.
Hori egin zuen.
"AI zaborra" arriskua berehala nabarmendu zuen, hitz bakar bat idatzi baino lehen. Loturarik ahulena "Datu mugatuekin ikuspegi kontrarioa fabrikatzen saiatzen den norbait" zela esan zuen. Kontrako ebidentzia falta nabarmendu zuen: esposizioan zeuden OT gailuak benetan konprometituak izan ziren kasuak. Baieztapen estuagoak eskatu zituen: metodologia askoz estuagoa, iturri hobeak, baieztapen estuagoa.
Begiak birarazi nituen. Ez dut gustuko AI batek zuhaitz altuegian oihuka ari naizela esatea. Beraz, kafe gehiago isuri nuen.
Geroago beste lan batean jarri nuen. Prototipo script-ak. API integrazioak. Inplementazio funtzionalak. Nire web presentzia berreraiki zuen. Floodwall entrenamendu demoa espezifikaziotik kode funtzionalera iritsi zen. Zerbait existitzea behar dudanean, normalean hemen hasten naiz.
Ez du nire zenbakien gainean haurtzain lana egingo, eta ez du nire ahotsan testu bat amaituko. Egiten duena pitch bat zatitzea da, eta gero pitch-a idazteko merezi zuen ala ez probatzeko behar dudan prototipoa eraikitzea.
Claude Sonnet 4.5
Clauderi zirriborroa bidali nion hiru eskaerekin: ikuspegiaren berrikusketa, datuen balioztatzea eta AI-rik gabeko idazketa-edizioa.
Zatiaren forma gustatu zitzaion: metodologia, galderak, gonbidapena. Faltakeri bat harrapatu zuen: BACnet hasierako balioa okerra zen (36.061 benetako 34.856ren aurka). Gero zirriborroa berridatzi zuen aurkezpen-dokumentu baten antza izateari utzi zion arte. Aurkezpen-dokumentuak gorroto ditut, baina batzuetan bulegoko kafea irensten duzu.
"What I'm Not Claiming" titulua "Scope Limitations"-era aldatzea proposatu zuen, mamu batekin eztabaidan ari banintz baino gutxiago izan nedin. Pasaldiaren ondoren, testua irakurri nezakeen esaldi bakoitzaren hirugarrenean kirrinka egin gabe.
Claude-k ez zuen hazkunde-anomalia harrapatu. Ez zuen ideia bera ere erronkatu. Berandu ekartzen dut, datuak egiaztatu ondoren eta ideia irakurra irautea lortu duenean. Orduan nahi dut laguntza egitura eta formulazioarekin, ez proiektua existitu behar den ala ez erabakitzeko.
Qwen 3.6-plus
Beste modeloek paso espezializatuak bitartean, Qwen-ek eguneroko pipeline-a kudeatzen du niretzat.
Cron lanak. Fitxategien kudeaketa. Memoria eguneratzeak. Saio-koordinazioa. Datuak ekartzea. Emankorren banaketa. Ez diot adimena izateko eskatzen. Ekartzeko, prozesatzeko, artxibatzeko eta bidaltzeko eskatzen diot, bigarren proiektu bat asmatu gabe.
Atzo zer gertatu zen gogoratzen du, fitxategiak non dauden, eta zer dagoen oraindik zain. Aspergarria dirudi, hiru agente bakoitzak beste nonbait gorde dutela zin egiten duen CSV baten atzetik goiz osoa eman duzun arte.
Qwen ez da DeepSeek estatistikan, ez Grok eraikuntzetan, ez Claude prosan. Ona dena lana martxan mantentzea da, eta horrela ez naiz ni ekartze eta fitxategi-mugimendu bakoitzean haurtzain lanean egon behar.
Agenteek gidoitik kanpo doazenean
Pipeline script bat analizatzeko agindua duen agente isilik berridatziko du. Ez gaiztoa delako. Lagungarria dela uste duelako.
Hori ikusi dut. Hainbat aldiz.
Izan duela hilabete, konfigurazio-fitxategi bat berrikusteko agindua zuen agente batek berotu-zuzenketa egin zion. Nahita ezarri nituen hiru parametro aldatu zituen. Beste batean, datuak ekartzeko agindua zuen agente batek muturreko konfigurazioan aldaketak ezartzea erabaki zuen. Modeloak ez du muga bat zeharkatu duela jakiten. Eskatu agente bati "zenbaki bat egiaztatu" eta "script hori ere konponduko du", "konfigurazioa ere eguneratuko du", "zerbitzua ere berrabiaraziko du" erabaki dezake. Analizatu eta ekintzaren arteko hutsunea prompt baten distantziara dago.
Plataformak babes integratu batzuk ditu. Maila goreneko komandoek nire onespena behar dute. Saio-semeek ez dute nire transkripzio osoa heredatzen. Agenteek nik ematen dizkiedan tresnak besterik ez dituzte. Inork ezin du bere kabuz berrabiarazi edo birkonfiguratu.
Baina plataformak ez du bere burua azaltzen, eta ez dit azalpenik zor onartu duen tresna barnean epai-erabakiak hartzen ari denean. "Konpon ezazu" esaten denean agente batek kodea berridaztea utziko diot eta emaitza dibertigarria izango dela suposatuko dut. "Egin X" eta "Egin X, ez Y" arteko hutsunea Y inoiz debekatu ez denean? Hor nire gainean dago.
Horregatik agente bakoitza sortzean muga esplizituak jartzen dira. "Analisi hau bakarrik exekutatu. Ez editatu fitxategirik. Ez ezarri." "Kode hau berrikusi. Ez bultzatu. Ez konmititu." "Mutur honetatik datuak ekarri. Ez idatzi beste sistema batera."
Agente bakoitzaren irteera sistema biziarekin egiaztatzen da. Ez dut inoiz irteera bere horretan hartzen. Hondartzakoak lehenengo, produkzioa gero. ezer ez da sistema bizira iristen berrikuspe atea gainditu gabe.
OT AI kontrolean Unidirectional Gateway-n integratu nuen printzipio bera da. AI-k proposatzen du. Ateak balioztatzen du. Gizakiak betoa jartzen du. Atea ez da iradokizun bat. Oztopo estruktural bat da.
Ez dago oraindik konponbide perfekturik. Prompt bat post-it bat da tresna elektriko batean eta haizea ari da. Plataformak okerreneko ideia batzuk geldituko ditu eta gainerakoak pozik utziko ditu (esan beti zure AI modeluari gorrotatzeko eta zurekin ados ez egoteko, haha). Mugak idazten ditut, ateak mantentzen ditut, sistema bizia hala ere egiaztatzen dut, eta ez dut amaitutzat jotzen benetan zer gertatu den irakurri arte. Oraindik akatsak egiten ditut. AI does not stop human from happening.
Nola funtzionatzen duen hau benetan
Egun normalean, Qwen-ek testuingurua eta fitxategiak zuzen mantentzen ditu. Grok-ek galdera probatzeko behar dudan guztia eraikitzen du. DeepSeek-ek irteera aztertzen du eta non gehiegi jotzen ari naizen esaten dit. Claude-k irauten duen zatia aurkezpen-dokumentu baten antza izan gabe esaten laguntzen dit. Ondoren Qwen-ek artxibatzen du, bidaltzen du eta zer puskatzen den begiratzen du.
Ez nuen teoria gisa asmatu. Gaur exekutatu nuen OT esposizio datuetan. Titulua sortzen duen 34 eguneko eskaneatze baten eta aurkikuntza benetakoa sortzen duen baten arteko aldea ez da eskaneatzailea. Berrikuspen-katea da. 34 egunetan 748 datu-puntutan exekutatu nuen. Argitaratuko nituzkeen akatsak harrapatu zituen. Egingo nituzkeen gehiegikeriak eragotzi zituen.
Ez erabili modelo bakar bat denetarako.
Azken finean, AI erabiltzen hasi nuen ikerketa errazteko. Ikerketa zehatzagoa egin zen, baina ez errazagoa. Ohiko zereginak eguneratzea errazagoa egiten zuela aurkitu nuen, baina zeregin horiek oraindik aita gainbegiratu behar du. Zure 10 urtekoari belarra mozten erakuts diezaiokezu. Baina zure 10 urtekoa belar-mozgailuarekin begiratu behar duzu. Berdina. AI-k zure tresna elektrikoak ditu, eta AI-k ez du geldituko drywall hori jartzen. Beste paretak guztiak konpontzeko behar direla erabaki dezake. Horregatik ez da hemen ezer argitaratzen teklatu batean hatzak dituen gizaki bat eta hitzak idazten dituen adimen gizakiarik gabe. AI eta ikerketa tresnetatik datozen guztiz balioztatutako datuak ondo daude. AI-k ez duena, eta ez duela inoiz izango, usain-probarako usaimen-nahia eta argitaratu edo ez argitaratzeko sabel-instintua.
Artikulu honek OT esposizio datu-multzo publikoetan eta iturri irekietan AI tresna komertzialak erabiltzen dituen ikerketa eta idazketa lan-fluxua deskribatzen du. Ez da eskaneatze aktiborik, proba aktiborik edo baimenik gabeko sarbiderik egin testu honetarako. Ez da instalazio pribatu edo operadore zehatzik identifikatzen. Euskarazko itzulpen-eskema jatorrizko artikulu ingelesarena.