Dostatečně pokročilé agentické kódování je v podstatě strojové učení: inženýr nastaví optimalizační cíl i některá omezení v prostoru vyhledávání (specifikaci a její testy), poté optimalizační proces (kódující agenti) iteruje, dokud není dosaženo cíle. Výsledkem je model černé skříňky (generovaná kódová základna): artefakt, který vykonává úkol, který nasadíte, aniž byste kdy kontrolovali jeho vnitřní logiku, stejně jako ignorujeme jednotlivé váhy v neuronové síti. To znamená, že všechny klasické problémy v ML se brzy stanou problémy agentického kódování: přestřídání specifikace, chytré Hansovy zkratky, které se nezobecňují mimo testy, únik dat, posun konceptu atd. Také bych se zeptal: jaké budou Keras agentického kódování? Jaká bude optimální sada vysokoúrovňových abstrakcí, která umožní lidem řídit "trénink" kódu s minimálním kognitivním tlakem?