La IA ha aumentado drásticamente la velocidad de escritura de código. Eso es innegable. Pero lo que veo constantemente entre los equipos que crean plataformas móviles y digitales es que las ganancias de velocidad rara vez se traducen directamente en una entrega más rápida. A menudo se trata simplemente de obstáculos cambiantes.
El código que antes tardaba días en escribirse ahora aparece en horas, solo para hacer cola en la revisión del código o esperar a que se pruebe. Se acelera la fase de codificación; Todo lo que lo rodea lucha por mantenerse al día.
Director de IA de Miquido.
El investigador de IA Andrej Carpathi describe este cambio como Software 3.0: en lugar de escribir cada línea manualmente, los equipos ahora describen lo que quieren que haga el sistema y dejan que la IA construya la mayor parte de la implementación.
El artículo continúa a continuación.
En una entrevista reciente, Karpathi reveló que para finales de 2024 la proporción de su propio trabajo habrá cambiado, de escribir aproximadamente el 80% del código él mismo a delegar el 80% a los agentes. El nuevo verbo, sostiene, ya no es “codificar” sino “revelar”, expresando la intención hacia el sistema que lo implementa.
La era agente ha llegado cuando herramientas como Cloud Code, lanzado en mayo de 2025, y Codex Agent de OpenAI, lanzado en octubre de 2025, han ido más allá de la autosuficiencia. Ahora pueden planificar, escribir y depurar funciones completas de forma autónoma.
Las primeras etapas de cualquier proyecto parecen casi sin fricciones. Puede pasar de una idea vaga a una prueba de concepto funcional en una sola tarde. Sin embargo, surgen complicaciones una vez que la versión inicial tiene que adaptarse al producto original.
El nuevo código aún debe funcionar con los servicios existentes, manejar el tráfico de usuarios reales y seguir siendo confiable a medida que evoluciona el resto de la plataforma. La generación rápida no elimina estos pasos. Los baja y los centra.
Los equipos de ingeniería dedican más tiempo a revisar, integrar y estabilizar los resultados producidos rápidamente, pero sin una visibilidad completa del sistema más amplio. Aumentar la cola de revisión de código. Los conjuntos de pruebas tienen que trabajar más duro.
Las funciones que parecen completas de forma aislada revelan sutiles inconsistencias cuando todo está conectado y funcionando bajo cargas realistas.
Hay un desafío sutil que rara vez se analiza: qué hacen realmente los desarrolladores mientras esperan. Trabajar con un agente significa asignar una tarea y luego quedarse sentado con tiempo de inactividad.
Los desarrolladores que utilizan bien ese tiempo, preparando el siguiente mensaje, creando un agente paralelo en otra parte del sistema o revisando la arquitectura, ven ganancias compuestas. Que no pierdan por completo su profundo ritmo de trabajo. En la práctica, muchos desarrolladores también recurren a herramientas de inteligencia artificial para reducir el esfuerzo en lugar de multiplicar el resultado.
La eficiencia individual aumenta, pero la velocidad de entrega del equipo no siempre es la misma. Veo esto regularmente en nuestros propios equipos y en las empresas con las que trabajamos. Gestionar esta brecha requiere un liderazgo de proyecto proactivo, expectativas claras y un cambio real en la mentalidad de los desarrolladores. La herramienta es sólo la mitad de la historia.
Cuando todo el proceso está atrapado.
Los equipos que logran una verdadera aceleración de la entrega durante todo el ciclo, no solo en la fase de codificación, han rediseñado su forma de trabajar, no solo las herramientas que utilizan. Tres cosas marcan la diferencia. Primero, la inversión inicial en arquitectura.
Los agentes producen resultados mucho mejores cuando se les dan restricciones estructurales claras. Invertir mucho tiempo en el diseño del sistema antes de solicitarlo se amortiza muchas veces en ahorros en esfuerzos de revisión e integración.
En segundo lugar, el agente es el agente de control. Esto significa utilizar agentes de revisión dedicados para verificar el código generado en busca de vulnerabilidades de seguridad, coherencia arquitectónica y cumplimiento de sus estándares de calidad. Estos agentes detectan los problemas antes de que avancen más.
También contiene agentes de generación de pruebas que generan y ejecutan continuamente pruebas a partir de especificaciones escritas por probadores. En proyectos grandes, las pruebas de regresión que antes requerían semanas de esfuerzo manual ahora se ejecutan en una fracción del tiempo.
En tercer lugar, brindar a los agentes el contexto y las capacidades adecuados. Un agente que actúa siguiendo instrucciones ambiguas producirá resultados ambiguos. Comienza con cómo se escriben los requisitos: documentos de requisitos de producto bien estructurados que son lo suficientemente específicos y detallados para que los ejecute un agente, no solo para que los humanos los lean e interpreten.
Esto se extiende a conectar a los agentes con las fuentes correctas de verdad: su sistema de diseño para que la salida de la interfaz de usuario sea consistente, sus herramientas de gestión de proyectos para que los agentes comprendan los requisitos actuales, su documentación para que no actúen basándose en suposiciones. Aquí es donde el conocimiento institucional se convierte en una ventaja sostenible.
La adopción se ve diferente según el contexto. Las empresas emergentes están liderando la carga. Dado que es más difícil conseguir financiación que hace unos años, existe una presión real para mostrar resultados rápidamente, y los equipos en las primeras etapas pueden moverse rápidamente sin grandes restricciones de seguridad o cumplimiento. Una primera versión de Vibe Coding ahora muestra simplemente cómo funcionan las startups.
Las empresas más grandes actúan con más cautela porque sus sistemas son más complejos, los requisitos de cumplimiento son más estrictos y su reputación corre mayor riesgo. La adopción está en marcha, pero el código generado se somete a muchas más revisiones antes de llegar a producción.
Según la encuesta State of Developer Ecosystem 2025 de JetBrain, el 85% de los desarrolladores ahora utilizan regularmente herramientas de codificación de IA y el 41% de todo el código escrito en 2025 será generado por IA. Las herramientas están en todas partes, pero no hay disciplina a su alrededor.
Cambio de roles de los ingenieros
Lo que está cambiando más fundamentalmente es la naturaleza de las funciones de ingeniería. Los desarrolladores se están convirtiendo en administradores de sistemas en lugar de implementadores. El trabajo diario ahora se trata menos de escribir código bonito y más de definir la arquitectura, gestionar la salida de los agentes, garantizar la seguridad y pensar en la escalabilidad.
El peso se ha desplazado de la escritura a la verificación y la orquestación. Karpathi lo expresa con precisión: la barrera ya no es un teclado. Los ingenieros poderosos ahora pueden trabajar de manera efectiva en lenguajes que nunca antes habían usado. Las barreras entre el frontend y el backend se están disolviendo.
Completa barcos MVP de equipos de uno o dos. Una prueba de concepto que antes llevaba semanas puede crearse en una tarde y enviarse a un cliente el mismo día, algo que realmente cambia la dinámica competitiva en las presentaciones y los compromisos iniciales.
Los beneficios son más obvios cuando los patrones están bien establecidos: integración estándar, flujos de trabajo repetibles y lógica empresarial de rutina. Cuanto más se pasa de esa área a sistemas complejos y de larga data con años de contexto o cuestiones de seguridad y escalabilidad, más esencial es el juicio humano.
El software 3.0 es real. La aceleración en la fase de codificación es real y significativa.
Pero los equipos que extraen el mayor valor no son los que construyen la mayor cantidad de código, sino los que han reconstruido sus procesos en torno a la nueva realidad: invirtiendo en arquitectura desde el principio, utilizando agentes para validarlos, dándoles a los agentes el contexto adecuado para trabajar y gestionando la dinámica humana de una jornada laboral fundamentalmente cambiada.
El cuello de botella ya no es escribir código. Es un juicio sobre qué crear, cómo estructurarlo y si el agente realmente pertenece a un sistema que debe funcionar de manera confiable en condiciones reales. El software parece una disciplina de ingeniería en la era 3.0.
Hemos presentado los mejores modelos de lenguaje a gran escala (LLM) para codificación.
Este artículo se creó como parte del canal Expert Insights de TechRadarPro, donde destacamos las mejores y más brillantes mentes de la industria tecnológica actual. Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
