“Escribir código terminó”: la verdad incómoda sobre los agentes de IA en programación

Si tu valor como desarrollador consiste únicamente en teclear código, sí: tu carrera ya está en cuidados intensivos. La frase suena brutal, pero fingir que nada cambió mientras varios agentes trabajan en paralelo sobre un mismo repositorio es todavía más absurdo.

David Fowler, ingeniero distinguido de Microsoft, lo dijo sin anestesia: “typing code is absolutely over”. GitHub ya permite repartir tareas entre agentes aislados mediante worktrees. Y OpenAI acaba de presentar GPT-6 Astra como una nueva generación de inteligencia. No estamos ante otro autocompletado más rápido. Estamos ante una redistribución del trabajo intelectual en el desarrollo de software.

La pregunta interesante no es si una IA puede escribir una función. Eso quedó viejo. La pregunta es quién define el problema, controla diez procesos simultáneos, detecta una solución técnicamente correcta pero comercialmente inútil y asume la responsabilidad cuando todo sale mal.

GPT-6 Astra y GitHub Copilot aceleran el desarrollo con agentes de IA

El 3 de septiembre, OpenAI presentó GPT-6 Astra y lo situó como su siguiente salto en inteligencia. Cinco días después añadió ChatGPT Images 2.5, otra señal de que la competencia ya no se limita al texto: los sistemas quieren comprender, producir y operar sobre múltiples formatos dentro de un mismo flujo.

En programación, GitHub está convirtiendo esa capacidad en infraestructura de trabajo. Su guía sobre sesiones paralelas de agentes en Copilot explica que cada agente puede trabajar en su propio Git worktree. Uno investiga un bug, otro prepara pruebas, otro actualiza documentación y otro desarrolla una función, sin pisarse los archivos.

Eso cambia la unidad de productividad. Antes medíamos cuánto podía producir una persona en una jornada. Ahora empezamos a medir cuántos flujos puede dirigir y validar sin perder el control. El desarrollador deja de ser solo ejecutor y se convierte también en arquitecto, editor y supervisor de una pequeña fábrica de software.

TechSpot recogió la declaración de Fowler y describió agentes capaces de configurar entornos, modificar repositorios, ejecutar pruebas y abrir pull requests. La provocación tiene contexto: no significa que el código desaparezca, sino que escribir cada línea manualmente deja de ser el centro del oficio.

El problema de fondo: producir más código puede empeorar el software

La industria tecnológica arrastra una obsesión infantil con la velocidad. Más líneas, más commits, más pull requests, más features. Si una IA multiplica esos números por diez, el dashboard se pone verde y alguien prepara una presentación celebrando la “transformación”.

Pero el código no es valor. Es coste futuro con la esperanza de resolver un problema presente.

Diez agentes pueden producir diez veces más deuda técnica. Pueden replicar una mala abstracción en todo el proyecto, añadir dependencias innecesarias o crear tests que verifican su propia interpretación equivocada. También pueden aprobarse mutuamente en una cadena de errores perfectamente organizada.

La próxima crisis del software no será la falta de programadores: será el exceso de código que nadie entiende y todos dan por validado.

Los modelos nuevos reducen errores, pero no eliminan la ambigüedad del negocio. Un agente puede implementar exactamente una especificación defectuosa. Puede optimizar una consulta que nunca debió existir. Puede cerrar un ticket y abrir tres vulnerabilidades. La velocidad amplifica tanto el buen criterio como el malo.

Aquí aparece la parte que las demos esconden: revisar trabajo generado por IA exige más conocimiento, no menos. Para detectar una condición de carrera, un permiso excesivo o una decisión arquitectónica frágil hay que comprender el sistema. Dar “approve” porque el build pasó convierte al desarrollador en una decoración cara.

El giro inesperado: programar menos exige pensar mucho mejor

La frase “escribir código terminó” falla si se interpreta como “ya no hace falta saber programar”. Ocurre lo contrario. Cuando generar una solución cuesta segundos, la ventaja competitiva pasa a formular restricciones, diseñar pruebas, comparar alternativas y reconocer cuándo no conviene generar nada.

Los mejores desarrolladores no ganarán por ser los más rápidos tecleando. Ganarán porque saben dividir un objetivo difuso en tareas verificables; dar a cada agente el contexto mínimo; aislar cambios; imponer presupuestos de tiempo y coste; y cerrar el flujo con pruebas que midan comportamiento real.

Los worktrees de GitHub son un buen ejemplo. El aislamiento evita que dos agentes sobrescriban los mismos archivos, pero no resuelve contradicciones conceptuales. Dos ramas pueden estar impecables por separado y ser incompatibles al integrarse. La orquestación técnica necesita una decisión humana sobre prioridades y diseño.

También cambia la economía del software pequeño. Un freelance puede investigar, prototipar, documentar y probar en paralelo sin contratar un equipo completo desde el primer día. Eso abre una oportunidad enorme para quienes entienden producto y hablan con clientes. La IA abarata la ejecución; la claridad sobre qué construir se vuelve más valiosa.

Qué significa la programación con IA para desarrolladores y freelancers

Primero, deja de vender horas de teclado. Un cliente no necesita 500 líneas de TypeScript; necesita más reservas, menos trabajo manual o una integración que no se rompa el viernes por la noche. Tu propuesta debe explicar el resultado, el riesgo y el mantenimiento.

Segundo, aprende a dirigir agentes con controles concretos. Cada tarea necesita alcance, archivos permitidos, criterios de aceptación y comandos de validación. Si el agente toca autenticación o datos, la revisión debe ser más estricta. Si una operación es irreversible, debe exigir aprobación humana.

Tercero, fortalece fundamentos: Git, redes, bases de datos, seguridad, pruebas y observabilidad. Son precisamente las áreas que permiten distinguir una solución elegante de una bomba con nombres de variables bonitos. Los prompts cambian cada mes; comprender sistemas sigue pagando intereses.

Cuarto, mide resultados y no actividad. Tiempo desde idea hasta producción, defectos escapados, coste operativo, tasa de rollback y valor entregado dicen más que el número de commits creados por agentes.

Finalmente, conserva una regla incómoda: quien hace el merge responde por el cambio. La IA puede redactar, ejecutar y sugerir; no puede cargar con la llamada del cliente ni con la pérdida de datos. Delegar trabajo no equivale a delegar responsabilidad.

Escribir código no ha muerto. Ha dejado de ser el cuello de botella. Y para muchos profesionales eso será una liberación; para otros, una exposición pública de que llevaban años confundiendo sintaxis con ingeniería.

Si quieres aplicar agentes de IA a un producto real sin convertir tu repositorio en una ruleta, escríbeme. Soy Brayan, desarrollador freelance, y puedo ayudarte a diseñar, integrar y validar un flujo de programación con IA que entregue resultados, no solo commits.