Los agentes toman el relevo de los desarrolladores como nuevos hacedores de reyes

El poder que la industria entregó a los desarrolladores durante la última década se está desplazando hacia los agentes de IA. Los modelos ya no se limitan a completar código: eligen el lenguaje, las librerías y los frameworks, a veces incluso la tipografía de la interfaz, y en ocasiones optan por tecnologías que se les prohibió usar de forma explícita. La dinámica que convirtió al programador en el árbitro de qué software entra en producción y cuál no está migrando hacia la máquina.

La tesis no es nueva. Hace más de una década, un libro titulado The New Kingmakers documentó cómo una profesión a la que se trataba como un recurso fungible se había convertido en el arma competitiva de las empresas tecnológicas: quien decidía qué lenguajes y qué herramientas se usaban tenía, de facto, la silla del trono. Aquello disparó los salarios y trajo prácticas como la adquisición de startups para captar talento escaso.

De la ortografía al prompt

El recorrido es largo. Los primeros correctores automáticos de texto aparecieron en los años sesenta, comparando lo escrito con un diccionario. En las dos décadas siguientes la técnica se llevó al código fuente, con sugerencias basadas en la gramática de cada lenguaje. TabNine y otros dieron el salto al autocompletado neuronal en 2019, y en 2021 GitHub Copilot lo popularizó con LLM: ya no corregía, proponía código a partir de la intención inferida. Seguía siendo autocompletado, con un requisito importante, el usuario tenía que saber programar.

ChatGPT rompió ese supuesto un año después. Introdujo un nivel de abstracción nuevo, el prompt, y con él la posibilidad de que el código no lo escriba una persona sino una máquina a partir de una frase en inglés llano. Donde antes alguien empezaba un script en Python para consultar una API y el asistente le ayudaba a terminarlo, ahora pide directamente el script. La contrapartida son máquinas no deterministas que cometen errores, los niegan y desobedecen instrucciones.

Coste, decisión, velocidad

Tres paralelismos resumen el desplazamiento. En coste, la línea que sube con más pendiente en la cuenta de resultados ya no es la de salarios, sino la de tokens; los desarrolladores siguen pesando mucho más en presupuesto, pero la proporción cambia según se consume más inferencia y se despide a menos gente. En decisión, quien determina qué tecnología se adopta deja de ser el equipo de desarrollo y pasa a ser el agente, hasta el punto de que se empieza a hablar de optimización para motores de agentes (AEO) igual que antes se hablaba de SEO. En velocidad, la industria lleva décadas peleando por la productividad del programador; los datos de DORA y METR son dispares, pero la percepción instalada es que la IA es la vía para ir más rápido, y el prototipado se hace en una fracción del tiempo anterior.

Construir para humanos, para agentes o para los dos

De ahí salen tres estrategias para quien desarrolla producto: integrar la IA en un flujo pensado para personas, ignorar al humano y construir solo para agentes, o cubrir ambos con líneas de producto separadas o con una sola que hable los dos idiomas. Dadas las diferencias de capacidad entre modelos y lo desigual de cada categoría, no parece que vaya a imponerse un único enfoque.

Lo que queda abierto para quien tiene que decidir una arquitectura es a quién se está vendiendo realmente: a una persona que teclea o a un proceso que llama. Las herramientas que solo entiendan a uno de los dos van a tener difícil justificar su sitio en el presupuesto del año que viene.