La IA ya no escribe código: diseña enzimas y reescribe el software que usamos

Si todavía describes la inteligencia artificial como “un autocompletado con esteroides”, ya estás mirando una industria que dejó de existir. Esta semana, Claude apareció en un descubrimiento científico, GitHub contó cómo usó Copilot para reescribir en Rust el runtime del propio Copilot y OpenAI presumió de agentes que redujeron a la mitad el tiempo y el coste de una investigación compleja.

La IA ya no se limita a sugerir la siguiente línea. Observa, prueba, modifica, mide y vuelve a intentarlo. La pregunta incómoda no es si reemplazará a los programadores. Es cuántos equipos siguen trabajando sin un método serio para comprobar lo que hacen sus agentes.

Claude, GitHub Copilot y GPT-6 Astra cruzan la frontera del autocompletado

Anthropic publicó que Claude ayudó a descubrir un nuevo sistema enzimático con repeticiones similares a CRISPR. El trabajo no fue un truco de chat ni una respuesta bonita a una pregunta de biología. El modelo participó en la exploración de candidatos, el análisis de datos y la coordinación de sesiones paralelas mediante Claude Science y Claude Code. Los resultados prometedores pasaron después por revisión y pruebas de laboratorio.

Ese último detalle importa más que el titular. La IA no “descubrió la cura de todo” pulsando Enter. Formó parte de un sistema donde las hipótesis computacionales chocaron contra experimentos físicos. Hubo una realidad externa capaz de decir que no.

GitHub mostró otra versión del mismo cambio. La compañía explicó cómo migró el runtime de GitHub Copilot a Rust usando Copilot. El proyecto produjo alrededor de 832.000 líneas de Rust desde cero y obligó al equipo a localizar y corregir decenas de regresiones conocidas. No es un snippet de una demo. Es una reescritura de infraestructura real, con errores reales y una superficie enorme de validación.

OpenAI aportó el tercer dato. Según su caso de estudio con Parallel, GPT-6 Astra redujo a la mitad el tiempo y el coste de agentes dedicados a investigar y sintetizar datos del mercado laboral. Aquí el producto tampoco es “texto generado”. Es una tarea completa con fuentes, razonamiento, síntesis y una métrica económica.

Tres noticias distintas cuentan la misma historia: el valor se desplaza de generar una pieza a ejecutar un proceso. Ciencia, ingeniería e investigación ya comparten la misma unidad de trabajo: un agente con herramientas, memoria, permisos y un objetivo verificable.

El problema de los agentes de IA no es el código: es la evidencia

La industria lleva años midiendo a los modelos con benchmarks. Son útiles, pero un porcentaje en SWE-bench no responde a las preguntas que aparecen cuando el agente entra en tu repositorio.

¿Qué archivos leyó? ¿Qué comando ejecutó? ¿Por qué cambió una dependencia? ¿La prueba que pasó cubría el caso importante o solo el camino feliz? ¿Cuánto costó corregir el parche después? Si nadie puede responder, no hay automatización madura. Hay fe con una factura de API.

El caso de Anthropic funciona porque una hipótesis acaba frente a un laboratorio. El de GitHub resulta creíble porque la migración encontró regresiones y tuvo que corregirlas. El de Parallel tiene interés porque publica tiempo y coste comparables. En los tres, la generación está subordinada a una señal externa.

Ese principio falta en demasiados proyectos de programación con IA. El agente recibe una tarea vaga, genera cientos de líneas, ejecuta tests incompletos y anuncia éxito. El equipo celebra la velocidad sin medir bugs escapados, tiempo de revisión, coste de mantenimiento ni frecuencia de rollback.

Un agente sin una prueba independiente no es un empleado digital: es una máquina de producir afirmaciones convincentes.

El riesgo aumenta precisamente porque los modelos son mejores. El código absurdo despierta sospechas. El código elegante obtiene confianza. Una abstracción impecable puede ocultar un requisito mal entendido; una suite verde puede validar la interpretación equivocada; una explicación detallada puede convertir una alucinación en decisión arquitectónica.

Los agentes también amplían el radio de explosión. Para ser útiles necesitan terminal, red, gestores de paquetes, repositorios y a veces credenciales. El salto entre sugerir código y ejecutar procesos no es solo técnico: es un salto de permisos. Cada herramienta añadida convierte un fallo de razonamiento en una posible acción sobre sistemas reales.

El giro inesperado: programar menos puede exigir más ingeniería

La conclusión fácil sería que los desarrolladores sobran. Es una lectura perezosa.

Si una IA puede generar 832.000 líneas, escribir líneas deja de ser el cuello de botella. Pero definir invariantes, diseñar pruebas, aislar entornos, observar efectos y decidir qué merece llegar a producción se vuelve mucho más importante. La abundancia de código no elimina la ingeniería; elimina la excusa de confundir ingeniería con mecanografía.

Esto también cambia el diseño de producto. Antes se construía una interfaz alrededor de una función determinista. Ahora se diseña un bucle: objetivo, contexto, acción, observación, evaluación y corrección. El producto no es el prompt. Es el sistema que impide que una respuesta plausible se convierta en daño.

La oportunidad está en crear verificadores, no solo generadores. Pruebas contractuales, entornos efímeros, políticas de permisos, trazas reproducibles, evaluaciones con casos reales y límites de presupuesto serán parte del stack normal. Las empresas que vendan “un agente que lo hace todo” competirán por atención. Las que puedan demostrar qué hizo, cuánto costó y cuándo falló competirán por confianza.

Incluso la selección de modelos cambia. GitHub ya ofrece GPT-6 Sol, GPT-6 Luna y Claude Opus 5.5 en Copilot. La pregunta correcta no es cuál gana un ranking universal, sino cuál resuelve una clase concreta de tareas con el menor coste total, incluida la revisión. Un modelo barato que obliga a rehacer el trabajo puede ser el más caro del equipo.

Qué significa esta nueva programación con IA para desarrolladores y freelancers

Hoy conviene separar cuatro responsabilidades.

Primero, el agente que implementa no debe certificar su propio trabajo. Usa tests escritos desde requisitos, análisis estático y revisión humana proporcional al riesgo. Un segundo modelo puede ayudar, pero solo si recibe criterios independientes; dos agentes compartiendo el mismo supuesto producen consenso, no verdad.

Segundo, limita permisos. Rama aislada, sandbox, credenciales temporales y acceso de red explícito. Un agente no necesita las llaves de producción para corregir un componente. Si las necesita, la arquitectura tiene un problema anterior a la IA.

Tercero, mide el ciclo completo. Registra tiempo hasta un cambio aprobado, defectos posteriores, coste de inferencia, minutos de revisión y rollbacks. Contar líneas o pull requests creadas premia volumen, justo lo que ahora es casi gratis.

Cuarto, conserva trazabilidad. Instrucciones, herramientas usadas, comandos, diffs, resultados y aprobaciones deben poder reconstruirse. Cuando un cliente pregunte por qué el sistema tomó una decisión, “lo hizo Claude” no es una explicación profesional.

Para un desarrollador freelance, esto abre un mercado más interesante que vender prompts. Las pequeñas empresas quieren automatizar soporte, operaciones, ventas y desarrollo, pero no saben construir límites ni evaluar resultados. Quien sepa integrar agentes con procesos reales, seguridad y observabilidad tendrá más valor que quien solo conecte una API a un cuadro de texto.

También exige humildad. Claude puede contribuir a una investigación científica y Copilot puede acelerar una migración gigantesca, pero ambos casos incluyen humanos, instrumentos y validación. La autonomía útil no significa ausencia de supervisión; significa que la supervisión se coloca en los puntos donde realmente cambia el resultado.

La programación no está desapareciendo. Está subiendo de nivel. Escribir sintaxis pierde centralidad; diseñar sistemas capaces de detectar sus propios errores la gana. El futuro no pertenece al desarrollador que genere más código, sino al que pueda probar que el código correcto llegó al lugar correcto sin incendiar nada por el camino.

Si quieres integrar agentes de IA en tu producto con métricas, permisos y validación de verdad —no otra demo que se rompe al tocar producción—, hablemos. Soy Brayan, desarrollador freelance, y puedo ayudarte a convertir estas herramientas en software útil, controlable y listo para negocio.