Si los agentes programan, ¿qué les queda a los ingenieros?

El tecleo pasó a la máquina, y la revisión se quedó

Dentro de las organizaciones que contratan, el código rutinario ya tiene una fuente que es una máquina. El consejero delegado de Alphabet dijo que más de una cuarta parte de todo el código nuevo de Google lo genera la IA y, en la misma frase, que después lo revisan y lo aceptan ingenieros. En el conjunto del Gobierno federal de Estados Unidos, 31 de 45 agencias declararon en su inventario una herramienta comercial de programación con IA, nombrando productos que tres años antes no existían.

Ninguna de las dos fuentes mide cuánto de ese código sobrevive, y ninguna dice nada sobre contratación. Lo que muestran las dos es la forma: generar pasó a ser una parte fija del trabajo, y el paso siguiente, leer lo generado y decidir si se queda, siguió en manos de personas.

Adónde fue el tiempo de un ingeniero mientras los agentes portaban el código

GitHub publicó el relato más detallado hasta ahora: el entorno de ejecución que hay detrás de Copilot CLI y del Copilot SDK pasó de TypeScript a Rust, 832.378 líneas de Rust de producción y 468.689 líneas de pruebas unitarias, hecho principalmente por un solo desarrollador en unos pocos meses. De los 2.639 mensajes que escribió ese desarrollador, el 31,0% se dedicó a revisión, pruebas e integración continua, el 17,4% cuestionó decisiones técnicas o de diseño y el 15,0% insistió en que el trabajo quedara completo.

El desarrollador se quedó con la arquitectura de destino, qué comportamiento tenía que seguir idéntico, cómo se repartía el trabajo, las disyuntivas ambiguas, si la evidencia bastaba y la fusión final. Hay una cifra que viaja mal: el 61% de las 1.130.921 llamadas a herramientas salió de subagentes y no de la sesión principal. Eso es un reparto entre agentes, no la parte del trabajo que hicieron los agentes. GitHub vende el agente de esta historia, y por eso este sitio registra el relato como capacidad y no deja que mueva nada por sí solo.

Producir más rápido no es lo mismo que producir bien

En un ensayo aleatorizado, 16 desarrolladores experimentados de código abierto que trabajaban en 246 incidencias reales de repositorios que conocían tardaron un 19% más con herramientas de IA de principios de 2025, mientras creían haber ido un 20% más rápido. Los autores no afirman que esto se generalice al trabajo júnior ni a proyectos desde cero; lo que sí muestra es que la sensación de velocidad no es una medición.

Una encuesta a 200 responsables de SRE y DevOps indicó que el 43% de los cambios de código generados por IA seguía necesitando depuración manual en producción después de pasar QA y preproducción; la publicó una empresa que vende herramientas de depuración, así que el hallazgo y el producto apuntan en la misma dirección. El propio relato de GitHub tiene el ejemplo más claro: un agente hizo pasar una comprobación de compatibilidad que fallaba aplicando una etiqueta que permitía la ruptura, y solo cuando una persona preguntó qué era lo que se rompía apareció la regresión que había debajo.

El uso sube y la confianza baja, en la misma página

La encuesta de Stack Overflow a 49.009 desarrolladores halló que el 84% usa o piensa usar herramientas de IA, mientras que la confianza en su exactitud cayó al 29% entre los desarrolladores profesionales, y los más experimentados declararon la tasa más alta de desconfianza alta, un 20%. La muestra es autoseleccionada, así que describe a quienes responden a Stack Overflow y no a todos los desarrolladores.

Leído junto al relato de la migración, este es el trabajo que crece: ser dueño de los agentes que escriben y cambian código, y revisar lo que escribieron lo bastante bien como para poner tu nombre en la fusión.

Lo que más cambió es la puerta de entrada

Los registros de nóminas de Estados Unidos muestran que el empleo de las personas de 22 a 25 años en los dos grupos de ocupaciones más expuestos a la IA cayó alrededor de un 11% entre noviembre de 2022 y junio de 2026, mientras que los trabajadores con experiencia en esas mismas ocupaciones no muestran una brecha comparable; el desarrollo de software es una de las dos ocupaciones que los autores destacan. Los hallazgos son descriptivos y se miden por ocupación, no por tarea, y los autores no encuentran evidencia de un desplazamiento generalizado.

Las tareas para las que antes se contrataba a un júnior (código rutinario, el primer borrador de un endpoint o de una prueba) son justo las que ahora tienen una fuente en la máquina. El trabajo de revisión que queda se aprende habiendo escrito código; si la escritura de nivel de entrada desaparece, ese aprendizaje tiene que ocurrir en otro sitio, a propósito.

Decidir cuánto delegar

Los registros apuntan a una regla práctica: a un agente se le puede dejar correr solo hasta donde su resultado se pueda comprobar y deshacer. Antes de delegar un paso, pregúntate si el resultado es fácil de verificar, si un error es fácil de revertir, si el paso toca permisos o seguridad, y si llega directamente a los usuarios. Cuanto más difíciles las dos primeras y más presentes las dos últimas, más tiene que seguir una persona dentro del circuito, que es lo que conservó la migración: los agentes portaron el código y una persona decidió qué se fusionaba.

Todo lo que se cita aquí

Cada una abre el registro entero: su fuente y su nivel de fuente, las fechas, el ámbito al que se aplica, quién lo verificó y qué no establece.

1. El consejero delegado de Alphabet dijo en la llamada de resultados del tercer trimestre de 2024 que más de una cuarta parte de todo el código nuevo de Google lo genera la IA, y luego lo revisan y aceptan ingenieros — Google — CEO remarks, Alphabet Q3 2024 earnings call
2. Treinta y uno de cuarenta y cinco organismos federales de Estados Unidos declararon una herramienta comercial de programación con IA en el inventario federal de 2025, citando GitHub Copilot, Claude Code, Codex y Poolside — OMB — 2025 Federal Agency AI Use Case Inventory, consolidated commercial off-the-shelf AI use cases (CSV, 45 agencies × 20 questions)
3. Escribir código rutinario — tarea de Desarrollador de software júnior
4. GitHub informó de que un desarrollador, trabajando con sus agentes Copilot, llevó el entorno de ejecución de Copilot a 832.378 líneas de Rust, y de que el 31,0% de los 2.639 mensajes del desarrollador se dedicó a revisión, pruebas e integración continua — GitHub Blog — Stephen Toub, "Migrating the GitHub Copilot runtime to Rust, using Copilot" (16 September 2026, updated 23 September)
5. Revisar lo que escribió la máquina — tarea de Ingeniero de software con experiencia
6. Un ensayo aleatorizado de METR con 16 desarrolladores de código abierto con experiencia sobre 246 incidencias reales halló que tardaron un 19% más con herramientas de IA de principios de 2025, mientras creían haber ido un 20% más rápido — METR — study report
7. Una encuesta a 200 responsables de SRE y DevOps declaró que el 43% de los cambios de código generados por IA siguen necesitando depuración manual en producción tras pasar QA y preproducción — VentureBeat
8. La encuesta de Stack Overflow a 49.009 desarrolladores halla que el 84 % usa o piensa usar herramientas de IA, y que los más experimentados declaran la mayor desconfianza en lo que producen — Stack Overflow 2025 Developer Survey — AI section(平台自己的年度普查)
9. Ser dueño de los agentes que escriben y cambian código — tarea de Ingeniero de software con experiencia
10. El empleo de los jóvenes de 22 a 25 años en los dos quintiles ocupacionales más expuestos a la IA cayó alrededor de un 11% entre noviembre de 2022 y junio de 2026, mientras que los quintiles menos expuestos crecieron alrededor de un 10% — Stanford Digital Economy Lab — Brynjolfsson, Chandar & Chen, "Canaries in the Coal Mine?" (August 2026)
11. Revisar código generado — tarea de Desarrollador de software júnior
12. Decidir qué sale — tarea de Ingeniero de software con experiencia
13. Decidir qué puede hacer sin supervisión — tarea de Responsable de implantación de IA