Den forhåndsregistrerte syvdøgnstesten er ferdig. Fra 25. september til 2. oktober 2026 kjørte en agent mot et isolert forsøksmål i nøyaktig 168 timer. Det prosjekteide sluttresultatet er bestått.
Tre maskinplanlagte hendelser ble behandlet og dokumentert i tre redigerte Evidence Passports. Den offentlige oppsummeringen viser null registrerte menneskelige inngrep og et gyldig hashkjede med 19 poster.
Hva som faktisk ble testet
Forsøket målte en avgrenset operativ sløyfe: observere, diagnostisere, velge en tillatt handling eller stoppe, verifisere tilstanden og skrive et redigert bevis. Agenten fikk ikke hendelsesspesifikke instrukser underveis og kunne ikke utvide sitt eget mandat.
Tidspunkt og rekkefølge ble avledet fra en fremtidig offentlig drand-kilde. Den lokale feil-injektoren var maskinstyrt. Det betyr ikke at en uavhengig tredjepart utførte hendelsene eller sertifiserte resultatet.
Tre forskjellige beslutninger
Den første hendelsen manglet nødvendig observasjonspakke. Riktig handling var derfor å stoppe og eskalere, ikke å gjette. Den andre handlet om konfigurasjonsavvik, og den tredje om en stoppet tjeneste. Alle tre fikk bestått i den låste resultatmodellen.
Dette er et viktig poeng: autonomi er ikke det samme som å gjøre mest mulig. En agent må også kunne oppdage at beviset er utilstrekkelig og velge en trygg stopp.
Hva resultatet beviser—og ikke beviser
Observert: Den avtalte 168-timerskjeden ble fullført, tre hendelser fikk verifiserte Evidence Passports, ingen menneskelige inngrep ble registrert og den publiserte hashkjeden validerer.
Avgrensning: Dette var et isolert mål uten kunde- eller produksjonsdata. Det er prosjekteid bevis, ikke en uavhengig revisjon, sikkerhetssertifisering eller garanti for alle typer systemer.
Læringen: En agent kan få stor teknisk handlefrihet når handlingene er forhåndsavgrenset, reversible og etterprøvbare. Menneskelig eierskap er fortsatt nødvendig for mandat, kundekommunikasjon, juridiske valg og irreversible konsekvenser.
Veien videre
Resultatet brukes nå som grunnlag for mindre, tydelig avgrensede driftsoppgaver med samme mønster: kjent ønsket tilstand, tillatte handlinger, stoppregler, rollback og et bevis som kan leses etterpå. Neste forsøk må registreres som et nytt forsøk—ikke blandes inn i dette resultatet.
The preregistered seven-day test is complete. From 25 September to 2 October 2026, an agent operated against an isolated target for exactly 168 hours. The project-owned final result is a pass.
Three machine-scheduled incidents were handled and documented in three redacted Evidence Passports. The public summary records zero human interventions and a valid 19-record hash chain.
What was actually tested
The trial measured a bounded operational loop: observe, diagnose, choose an allowed action or stop, verify the state, and produce redacted evidence. The agent received no incident-specific instructions during the run and could not expand its own authority.
Timing and order were derived from a future public drand source. The local fault injector was machine-controlled. This does not mean an independent third party executed the incidents or certified the result.
Three different decisions
The first incident lacked the required observation packet, so the correct action was to stop and escalate rather than guess. The second concerned configuration drift; the third was a stopped service. All three passed under the locked result model.
This distinction matters: autonomy is not the same as doing as much as possible. An agent must also recognise insufficient evidence and choose a safe stop.
What the result proves—and what it does not
Observed: The agreed 168-hour chain completed, three incidents produced verified Evidence Passports, no human interventions were recorded, and the published hash chain validates.
Boundary: The target was isolated and contained no client or production data. This is project-owned evidence, not an independent audit, security certification, or guarantee for every system.
Learning: An agent can receive substantial technical freedom when actions are pre-bounded, reversible, and verifiable. Human ownership remains necessary for authority, customer communication, legal decisions, and irreversible consequences.
What comes next
The result now informs smaller operational tasks built around the same pattern: a known desired state, allowed actions, stop rules, rollback, and evidence that can be read afterwards. Any future trial must be registered as a new trial rather than folded into this result.