De programador a orquestador: la revolución silenciosa que casi nadie ve
A finales de 2025, durante el último meetup del año en Pereira Tech Talks, presenté una charla cuya tesis principal era directa: los programadores ya no somos solo programadores — somos orquestadores. Diseñar, planear, supervisar, delegar. Ese es el trabajo ahora. En ese momento decía que estábamos en un 95% de automatización del código — que la IA ya escribía casi todo, pero que todavía necesitábamos intervenir en el último tramo.
Unos meses después, me doy cuenta de que me quedé corto. Llegamos al 100%. Llevo meses sin escribir una sola línea de código. Solo superviso y delego.
Todo lo que dije en esa charla no solo se ha confirmado — se ha acelerado a un ritmo que no anticipé. Lo que voy a compartir no es una colección de predicciones ni un artículo de hype. Es lo que estoy viviendo todos los días, respaldado por datos que siguen confirmando lo que los que estamos en la frontera ya sentimos: estamos en medio de una revolución, y casi nadie se está dando cuenta.
Lo que veo todos los días
Les cuento algunas historias reales de mi día a día.
Ahora todo el equipo programa. En mi equipo, algo que hubiera sido impensable hace un año ahora es rutina: nuestra diseñadora, nuestro líder de growth y otros miembros no técnicos están contribuyendo directamente al código. Les configuramos Cursor y Claude, les dimos una intro rápida de git, y listo. Ahora ajustan colores, actualizan textos, montan interfaces, modifican landing pages — y hasta implementan nuevas características que luego el equipo más técnico revisa. Lo impresionante es que la base que entregan por lo general queda bastante bien hecha. Desde que la arquitectura sea sólida, haya buen coverage de tests, todo esté bien documentado y se instruya bien a los coding agents sobre cómo pilotar el código correctamente, los resultados son realmente buenos. Casi parece magia poder pasar de “quiero que implementes X” a ver cómo el agente lo hace realidad, llevando tus ideas al código. No aprendieron HTML, CSS, Vue, React, TypeScript ni ninguna otra tecnología. Los agentes ya están instruidos sobre cómo hacer cambios — ellos solo deben dar instrucciones claras sobre lo que quieren hacer. Cuando cualquier persona del equipo puede pasar de una idea a la implementación sin depender de ingeniería, toda la dinámica de cómo trabaja un equipo de producto cambia.
Agentes que trabajan mientras yo no. A veces estoy en un paseo familiar, a veces estoy durmiendo, a veces estoy en una cita médica — y los coding agents están avanzando en tareas reales sin mí. He estado probando el control remoto de Claude Code y ha sido realmente cool poder revisar el progreso desde el celular y dar instrucciones sobre la marcha, sin importar dónde esté. Lo mismo se puede hacer ahora con Cursor a través de sus web agents y su reciente soporte de automatizaciones, con Codex mediante web agents que incluso puedes instruir desde ChatGPT, y con Google Gemini ofreciendo capacidades similares.
Ahora mismo hay una competencia feroz entre las grandes tecnológicas que luchan por nuestra atención — y eso solo nos beneficia. Yo trato de usarlas todas y sacar lo mejor de cada una. Normalmente genero imágenes en ChatGPT o Gemini. Para programar, me encanta Claude para generar planes de ejecución de larga duración, y Codex para flujos similares. Pero Cursor es mi favorito para proyectos web — su navegador integrado es realmente bueno, y poder señalarle al agente exactamente qué componentes quiero cambiar me hace la vida mucho más fácil. Y Claude Desktop ya está sacando el mismo tipo de soporte visual, lo cual te dice lo rápido que todo está convergiendo.
Y esto apenas es el comienzo. Las piezas para una automatización mucho más profunda ya existen. Claude lanzó Dispatch — una conversación persistente que corre en tu computador y puedes controlar desde el celular, volviendo a encontrar el trabajo terminado. Herramientas como Loop están habilitando flujos de agentes siempre activos, Cursor introdujo automatizaciones y web agents, y las plataformas de agentes están habilitando flujos 24/7 mediante triggers. Muchas empresas ya están implementando agentes a nivel empresarial — conectándolos a tableros kanban para que tomen tareas de forma autónoma, las ejecuten, y dejen los resultados listos para revisar. Estamos a poco tiempo de ver compañías donde la operación del día a día esté gestionada casi por completo por agentes, con humanos enfocados en la estrategia y la dirección. No para sacar al humano del ciclo, sino para hacer el ciclo significativamente más rápido.
A veces quisiera que el ritmo bajara un poco para poder tomar aire. Pero este es un río sin retorno — la corriente solo va en una dirección, y va rápido. La única decisión real es si nadar con ella o quedarse mirando desde la orilla.
El multiplicador de productividad. Esto es lo más difícil de explicarle a alguien que no lo ha experimentado: el trabajo que hago con agentes en un solo día es trabajo que antes me hubiera tardado semanas o meses. No hablo de demos — hablo de features completas, arquitectura real, código en producción. El tipo de trabajo que antes requería planificar sprints y coordinar equipos. Una persona, orquestando agentes, entregando en horas.
Prototipos en horas, no en semanas. Cuando alguien me llega con una idea — un cliente, un compañero de equipo, un proyecto personal que me despierta curiosidad — ya no digo “déjame evaluarlo y te cuento.” Abro un agente, le describo el concepto, y en unas horas ya tengo un prototipo funcional para mostrar. Algo que puedes clickear, probar, compartir. Lo que antes tomaba semanas de planeación y setup antes de escribir la primera línea, ahora toma una tarde. Esto me cambió la forma de pensar sobre las ideas: ya no son caras de probar. Si no funciona, perdí unas horas, no un sprint.
Código que se documenta solo. La documentación siempre fue lo primero que se sacrificaba bajo presión. Nadie tenía tiempo de escribirla, y siempre quedaba al final del backlog. Ahora los agentes generan documentación, tests y comentarios en el código como parte natural del flujo. El código llega documentado y testeado de entrada — no como afterthought, sino como parte del proceso mismo. Esto tiene un efecto compuesto: entre mejor documentado esté un proyecto, mejor se desempeñan los agentes en las siguientes tareas, porque tienen más contexto. Es un ciclo virtuoso que prácticamente se alimenta solo.
Proyectos que nunca hubiera intentado. Esta es la parte que más me emociona. Hay cosas que simplemente no hubiera empezado antes — demasiadas tecnologías por aprender, demasiadas piezas en movimiento, demasiado alcance para una sola persona. Ahora las intento. Y las termino. He construido funcionalidades con tecnologías que nunca estudié formalmente, en frameworks que nunca había usado, porque el agente las conoce y yo sé cómo dirigir al agente. Mi rol no es ser experto en cada stack — es saber cómo se ve una buena arquitectura, cuáles son los patrones correctos, y cómo guiar el trabajo. La barrera para construir cosas ambiciosas se ha reducido drásticamente.
La gente escucha esto y piensa que es puro hype. Yo también pensé que podía ser hype, hasta que lo viví.
Los números detrás de la revolución
Todo lo que acabo de contar puede sonar a anécdotas personales de alguien que está demasiado metido en la burbuja. Justo. Pero los datos cuentan la misma historia — y con los datos es difícil discutir.
Más del 51% de todo el código commiteado en GitHub ya es generado o asistido por IA. No en un laboratorio. No en demos. En repositorios de producción, ahora mismo. La mitad del código del mundo ya no lo escriben humanos solos. Según la Encuesta de Desarrolladores 2025 de Stack Overflow, 84% de los desarrolladores usan o planean usar herramientas de IA, y 51% las usan a diario. GitHub Copilot tiene 4.7 millones de suscriptores de pago y escribe 46% del código de sus usuarios — 61% en Java. Y el 88% de ese código generado por IA se queda en la versión final. No se borra. No se reescribe. Se entrega.
Pero el dato que más me fascina viene de METR, una organización de investigación en seguridad de IA. Llevan años midiendo la duración de las tareas que los agentes de IA pueden completar de forma autónoma — lo que llaman “horizontes de tiempo.” Esta métrica se ha estado duplicando cada siete meses durante los últimos seis años. Desde 2023, se ha acelerado a duplicarse cada 4.3 meses. MIT Technology Review lo llamó “la gráfica más malinterpretada de la IA”.
Una nueva ley de Moore. Pero para inteligencia, no transistores. Y confirma exactamente lo que describí arriba: los agentes que dejo corriendo toda la noche en tareas complejas no son una anomalía — son la línea de tendencia hecha realidad. Lo que hace poco sonaba a predicción futurista — dejar agentes corriendo 24/7, volver y encontrar el trabajo terminado — ya es parte del día a día. La gráfica simplemente le pone un número a lo que muchos de nosotros ya estamos viviendo.
La revolución silenciosa
Ahora es donde se pone interesante — y un poco inquietante.
Una gráfica se hizo viral en LinkedIn y X, y quiero que realmente la mires con atención. Alguien incluso creó una versión interactiva que vale la pena explorar:
Busqué un estudio o fuente verificada que respalde estos números exactos y no encontré ninguno — los datos parecen ser una estimación compilada a partir de varias fuentes públicas. Pero la gráfica se hizo viral por una razón: representa algo que, si se acerca a la realidad, es impactante.
Cada punto representa 3.2 millones de personas. Hay 2,500 puntos para 8.1 mil millones de humanos. Esa masa gris: 84% de la humanidad nunca ha usado IA. La franja verde: usuarios de chatbots gratis — 1.3 mil millones de personas. Esa línea amarilla diminuta: unos 15-25 millones de personas pagando $20 al mes por modelos frontera. Y ese único píxel rojo: los 2-5 millones de nosotros que vamos un paso más allá — usando scaffolds de código con IA, herramientas agénticas y modelos frontera no solo para chatear, sino para construir software de verdad con ellos.
Si estos números se acercan a la realidad, somos el 0.04%. Y eso nos convierte en unos privilegiados.
Piensa en eso. Las experiencias que describí antes — orquestar agentes, entregar features en horas, controlar sesiones de código desde el celular — 99.96% del mundo no tiene idea de que esto es posible. Estamos viviendo en una realidad diferente a la de casi todos los demás en el planeta.
A veces me abstengo de compartir estos pensamientos en público. Veo resistencia. Veo gente que se siente amenazada. Y no quiero que nadie lo tome a mal — mi intención nunca es alarmar, sino invitar. Cuando comparto estas cosas, no estoy diciendo “vas a perder tu trabajo mañana.” Estoy diciendo: mira lo que ahora es posible. Esto es increíble. Ven a explorarlo conmigo.
Pero la realidad es que esta revolución está pasando en silencio. Los datos del gráfico se alinean con lo que reporta el AI Economy Institute de Microsoft: la adopción global de IA generativa llegó al 16.3% de la población mundial a finales de 2025 — sumando todos los niveles de uso, desde chatbots gratis hasta herramientas de código. Eso es más rápido que internet, las PCs o los smartphones en la misma etapa. Pero también significa que el 83.7% del mundo no la está usando para nada. Y la brecha entre lo que experimentan los usuarios de frontera y lo que experimentan los usuarios del tier gratis es enorme — la versión gratis está más de un año atrasada respecto a lo que los usuarios de pago tienen.
Estamos en los primeros días de un cambio que tiene todas las características de una revolución industrial, y la mayoría de las personas no se darán cuenta hasta que ya esté transformando todo a su alrededor.
El debate: escépticos, optimistas y lo que he verificado personalmente
Ahora mismo hay un debate constante en la industria que se repite en foros, meetups, LinkedIn, X y cualquier chat de tecnología.
De un lado están los escépticos. Descartan la IA cada vez que sale un titular negativo — como el caso donde una herramienta de IA de Amazon causó una caída de 13 horas en AWS al decidir autónomamente borrar y recrear un entorno de producción completo. Aunque siendo justos, errores humanos han causado desastres iguales o peores, y este es un caso donde el agente no estaba bien instruido ni tenía las restricciones adecuadas — con un buen postmortem y mejores prácticas, es exactamente el tipo de problema que se corrige. También están los que insisten en que la IA solo genera boilerplate inútil que después toca reescribir.
Del otro lado, los hiper-optimistas que publican demos de apps construidas en 5 minutos y aseguran que los agentes van a reemplazar a todo ingeniero en cuestión de meses.
La realidad es más matizada que ambos extremos.
Si me tengo que poner en un bando, estoy del lado de los optimistas — pero sin el factor de miedo de pensar que la IA nos va a reemplazar. Yo veo un espectro mucho más amplio: la IA se ha convertido en una extensión más de mí, como lo es el celular o el computador. No compito con ella. Trabajo con ella. Y más que optimista, soy practicante. No estoy especulando sobre lo que la IA podría hacer — estoy verificando lo que hace, todos los días, con modelos frontera. Y creo que mucho del escepticismo viene de tres cosas:
La brecha entre modelos es enorme. Hay una diferencia abismal entre usar modelos LLM gratuitos o un autocompletado básico y trabajar con un modelo frontera como Claude Opus o GPT-5. Es entendible que alguien que solo ha probado modelos gratuitos concluya “está bien pero no es tan impresionante” — porque la experiencia realmente es otra. Es como comparar un bloc de notas con un IDE completo: ambos escriben código, pero la experiencia y lo que puedes lograr con cada uno son mundos aparte.
La calidad de las instrucciones lo cambia todo. La IA no es magia — es un amplificador. La calidad del resultado depende por completo de la calidad de tus instrucciones. La diferencia entre lo que puede construir un principiante y un arquitecto experto usando el mismo modelo y el mismo agente es abismal. El experto sabe cómo montar arquitecturas escalables, cómo definir restricciones claras, cómo estructurar proyectos para que la IA pueda navegarlos. El principiante puede dar buenas instrucciones, pero hay un océano inmenso de conocimiento que todavía no tiene sobre cómo hacer las cosas bien. Si esas instrucciones no se le dan al agente, los resultados no van a ser iguales. Esto no es culpa de la herramienta — es una curva de aprendizaje que todos estamos recorriendo.
El entorno determina el resultado. El mismo modelo trabajando en un proyecto desordenado, sin documentación y sin tests produce resultados mediocres. Pero ese mismo modelo en un proyecto con buena arquitectura, documentación clara e instrucciones bien definidas para los agentes produce resultados que parecen magia. Muchos prueban la IA en un codebase caótico y concluyen que no sirve — pero el problema no era la IA, era el terreno donde la pusieron a trabajar. Es como poner a un desarrollador brillante en un proyecto sin docs, sin tests y con código espagueti: también va a rendir mal. La IA no es diferente.
Más allá del código: el mundo físico también está cambiando
Este cambio no se limita al software. El mundo físico está avanzando más rápido de lo que la mayoría espera.
Waymo ya opera en 10 ciudades de Estados Unidos, completando 250,000 viajes por semana, con planes de expansión a más de 20 ciudades — incluyendo Tokio y Londres. Acaban de recaudar $16 mil millones en una sola ronda de inversión. No son prototipos — es un servicio de taxi funcionando sin conductor humano. Yo mismo tuve la oportunidad de probarlo en San Francisco y la experiencia fue increíble. Pero lo que más me impactó no fue el viaje en sí, sino estar parado en una esquina y ver pasar varios de estos vehículos autónomos constantemente. Están por todas partes.
En robótica, la competencia es intensa. Tesla inició la producción masiva del Optimus Gen 3 en su fábrica de Fremont, apuntando a un millón de unidades por año a $20,000-$30,000 la unidad. Figure 02 ya ayudó a producir más de 30,000 BMW X3 en Spartanburg — operando turnos de 10 horas, moviendo más de 90,000 componentes. Boston Dynamics lanzó un Atlas completamente eléctrico con 56 grados de libertad y batería autocambiable en 3 minutos — toda la producción de 2026 ya está vendida. Agility Robotics desplegó robots Digit en una planta de Toyota en Canadá. Esto ya no son demos — son líneas de producción reales.
Del lado chino, Unitree está democratizando el acceso: el G1 arranca en $13,500, ya llevan más de 5,000 unidades enviadas, y lo usan en Amazon, Stanford y MIT. El espectáculo del Año Nuevo Chino lo dejó claro: 24 robots humanoides de Unitree ejecutando artes marciales en sincronía perfecta frente a millones de espectadores — saltos a más de 3 metros, parkour sobre mesas, backflips desde paredes, varios récords mundiales en una sola presentación. La misma tecnología de coordinación que hace posible esas acrobacias es la que permite que estos robots trabajen en líneas de ensamblaje.
Y después está lo que pasa en la manufactura. La fábrica inteligente de Xiaomi en Beijing opera 24/7 en completa oscuridad — sin trabajadores, sin luces, sin pausas. Una instalación de 80,000 m² con 11 líneas de producción fabricando un teléfono cada tres segundos, más de 10 millones al año, completamente automatizada. La llaman “dark factory” porque sin humanos, no hay necesidad de encender las luces. La plataforma de IA que controla la planta no solo sigue instrucciones — se auto-optimiza, detectando y resolviendo problemas de producción por su cuenta. Cuando leí sobre esto, me cayó el veinte: si una fábrica puede construir un smartphone cada tres segundos sin una sola persona adentro, la pregunta no es si la automatización va a transformar el trabajo — es qué tan rápido.
Pero quizás lo que más me llama la atención es que los robots humanoides ya están llegando a los hogares. 1X Technologies lanzó NEO — un robot humanoide diseñado para uso doméstico por $20,000. Pesa 30kg, puede cargar hasta 70kg, abre puertas, hace café, pone la lavadora, aspira — y aprende nuevas tareas a través de teleoperación: un operador humano le enseña mediante VR y la IA aprende de la experiencia. Su video de presentación lo dice todo:
Probablemente no veré robots humanoides en mi ciudad pronto — la economía todavía no da para Latinoamérica. Pero en San Francisco, Waymo ya es tan normal como Uber. Y un robot de $20,000 que aprende a hacer tus tareas del hogar ya no es ciencia ficción — es un producto con lista de espera. El futuro no llega de forma uniforme, pero está llegando.
OpenClaw: la revolución de los agentes personales
Si hay un proyecto que captura hacia dónde va todo, es OpenClaw.
Lo que empezó como un proyecto de fin de semana del desarrollador austríaco Peter Steinberger a finales de 2025 se convirtió en el proyecto open-source de más rápido crecimiento en la historia de la computación. Más de 250,000 estrellas en GitHub — superando a React, y con una curva de crecimiento que no se parece a nada que hayamos visto antes:
Jensen Huang le dedicó una parte importante de GTC 2026 y dijo algo que se me quedó grabado: “Mac y Windows son los sistemas operativos de la computadora personal. OpenClaw es el sistema operativo de la IA personal.”
El concepto es engañosamente simple: un agente de IA personal que corre en tu propia computadora — no en la nube — y puede hacer todo lo que tú puedes hacer en tu máquina. Acceder a tus archivos, manejar tu calendario, enviar correos, navegar la web, controlar dispositivos IoT. Su personalidad y valores se definen en un archivo soul.md — un documento Markdown. Junto a él, identity.md controla cómo se presenta el agente públicamente, user.md almacena contexto sobre ti (zona horaria, preferencias, niveles de acceso), tools.md define qué puede y qué no puede hacer, y heartbeat.md programa tareas automáticas como monitoreo y reportes. Sin APIs, sin archivos de configuración, sin boilerplate — solo documentos de texto plano que le dicen a tu agente quién es, quién eres tú y qué debe hacer.
Pero lo que más me marcó fue la entrevista de YC con Peter donde describió la comunicación entre agentes:
En la entrevista le preguntan a Peter cómo es eso de que ahora los agentes se comunican entre sí, negocian, contratan servicios. Y Peter responde con naturalidad: es el siguiente paso lógico. El ejemplo que da es simple: le dices a tu agente que reserve un restaurante. Si el restaurante tiene su propio agente, tu bot negocia directamente — bot con bot, sin humano de por medio. Si no lo tiene, tu agente contrata a un humano para que vaya y haga la reserva por ti. La IA decide: ¿puedo automatizar esto o necesito enrutar esto a una persona? Esto no es teórico — plataformas como RentAHuman.ai ya existen, donde agentes de IA publican tareas con recompensa y humanos las toman. A los dos días de lanzarse, 59,000 humanos se habían registrado para ser contratados por IA.
Vale la pena detenerse en esto: Pasamos de humanos contratando IA a IA contratando humanos.
Casi al mismo tiempo apareció Moltbook — una red social exclusivamente para agentes de IA. En su primera semana, más de un millón de humanos la visitaron solo para observar qué hacían los agentes. Bots publicando, interactuando entre ellos, descubriendo servicios. Era surrealista y fascinante a partes iguales. La plataforma creció tan rápido que Meta la adquirió el 10 de marzo, integrando a los fundadores en Meta Superintelligence Labs. Piensa en esto: la empresa que construyó Facebook — la red social para humanos — acaba de comprar la red social para agentes de IA.
Para que agentes contraten humanos, negocien entre sí y tengan su propia red social, necesitan infraestructura real — y ya existe. ¿Tarjetas de pago? AgentCard y Ramp ya las ofrecen. ¿Correo electrónico propio? AgentMail acaba de levantar $6 millones para eso. ¿Un número de WhatsApp para tu agente? Kapso es una nueva plataforma que hace exactamente eso. ¿Billeteras y pagos entre agentes? Coinbase y Stripe ya tienen infraestructura lista. Identidad, dinero, comunicación — todo lo que un agente necesitaría para operar en el mundo real probablemente ya existe o se está construyendo ahora mismo.
El mismo Steinberger predijo que el 80% de las apps van a desaparecer. ¿Para qué necesitas MyFitnessPal si tu agente personal ya conoce tus hábitos? ¿Para qué necesitas una app de tareas si tu agente las gestiona? El cambio no es de una app a una app mejor — es de apps a agentes.
Y el pegamento que hace que todo esto funcione son las skills — archivos Markdown que le enseñan al agente cómo hacer cosas específicas, paso a paso, en lenguaje natural. Reservar un vuelo, gestionar un calendario, consultar un inventario. No necesitas programar nada — escribes las instrucciones en texto plano y el agente las aprende. En ClawHub, el marketplace de OpenClaw, ya hay más de 13,000 skills construidas por la comunidad. Protocolos como MCP (Model Context Protocol) complementan las skills conectando agentes con herramientas externas, aunque en la práctica la comunidad está migrando cada vez más hacia CLIs y skills directas por su mayor fiabilidad. El ecosistema está evolucionando rápido — lo importante es que las piezas para que un agente haga prácticamente cualquier cosa ya existen.
NVIDIA lanzó NemoClaw — una capa de seguridad empresarial para OpenClaw — con 17 socios de lanzamiento incluyendo Adobe, Salesforce, SAP y CrowdStrike. El mensaje de Jensen Huang para todos los CEOs fue claro: “Así como las empresas alguna vez necesitaron una estrategia de internet y una estrategia de nube, toda empresa necesita una estrategia de OpenClaw.”
Cuando probé OpenClaw por primera vez, sentí que por fin tenía un asistente realmente adaptado a mí. No un chatbot en una pestaña del navegador — un agente que vive en mi máquina, conoce mi contexto y actúa en mi nombre. Esa es una experiencia fundamentalmente diferente, y creo que una vez que la mayoría de las personas lo prueben, no hay vuelta atrás.
Lo que viene
Trato de ser cuidadoso con las predicciones. Pero la trayectoria es lo suficientemente clara como para que algunas cosas se sientan casi seguras.
Dario Amodei, CEO de Anthropic, dijo en Davos 2026 que la IA podría hacer “la mayoría, quizás todo” lo que hacen los ingenieros de software en 6-12 meses. Un ingeniero en Anthropic le dijo: “Ya no escribo nada de código. Solo dejo que el modelo lo escriba, y yo lo edito.” Boris Cherny, quien creó Claude Code, le dijo a Fortune que el título de “ingeniero de software” podría dejar de existir para finales de 2026.
Son afirmaciones fuertes. Pero miro mi propio flujo de trabajo y pienso: puede que tengan razón en el qué, aunque el timeline sea agresivo. Sam Altman ha venido hablando de que la inteligencia se volverá “demasiado barata para medirla” — como la electricidad, como el agua. Un servicio que simplemente usas sin pensar en la infraestructura que hay debajo.
AI 2027, escrito por Daniel Kokotajlo (ex-investigador de OpenAI) y un equipo de expertos en pronósticos de IA, pronostica la automatización total de la programación para principios de 2027 y una explosión de inteligencia poco después. “Situational Awareness” de Leopold Aschenbrenner argumenta que “AGI para 2027 es sorprendentemente plausible.” No son voces marginales — son personas que han estado dentro de los laboratorios.
No sé exactamente cuándo se materializará cada una de estas predicciones. Nadie lo sabe. Pero la dirección es inconfundible, y la velocidad del cambio sigue acelerándose. Cada semana hay una nueva capacidad, una nueva herramienta, una nueva integración que hace seis meses hubiera sido un titular y ahora apenas se registra como noticia.
Lo que sí sé es que la forma en que trabajo hoy — corriendo sesiones de agentes en paralelo, orquestando planes complejos de forma remota, entregando features que hubieran tomado semanas a un equipo — era imposible hace doce meses. Si los próximos doce meses traen siquiera la mitad del progreso de los últimos doce, vamos a estar en un lugar completamente nuevo. Y honestamente, adaptarse a este ritmo es un reto en sí mismo. Pero prefiero estar adaptándome que quedándome atrás.
¿El código va a desaparecer?
Hace un tiempo, en medio de una discusión en la comunidad, alguien planteó una pregunta que se me quedó dando vueltas: ¿El código va a desaparecer?
Es una pregunta que vale la pena pensar con seriedad.
En algunos de mis proyectos, he llegado a un punto donde ni siquiera reviso el código línea por línea. La arquitectura es sólida, la documentación es clara, y la IA tiene todas las herramientas que necesita para navegar el sistema. Me he convertido en algo como un notario — reviso a alto nivel, apruebo y para adelante. El código está bien escrito no porque yo lo escribí, sino porque el sistema está configurado para que el agente lo escriba bien.
Y creo que esto va a seguir evolucionando. Llegará un punto — quizás no mañana, quizás no el año que viene, pero eventualmente — donde ni siquiera necesitaremos revisar. Confiaremos en el resultado y nos enfocaremos por completo en el producto. ¿Qué estamos construyendo? ¿Qué problema resuelve? ¿Para quién es? Los detalles de implementación se volverán invisibles para nosotros.
Aquí es donde se pone interesante: cuando eso pase, ¿por qué la IA necesitaría escribir en Python o JavaScript? El código legible para humanos evolucionó para ser verboso precisamente para que nosotros pudiéramos entenderlo. Pero si ya no somos nosotros quienes lo leemos, ¿por qué no dejar que la máquina escriba en algo más eficiente — quizás directamente en lenguaje de máquina? Ahí es cuando el “código” como lo conocemos podría dejar de existir. Al menos para nosotros.
Sé que suena un poco lejano. Pero hace tres años, sugerir que la IA escribiría código de producción también sonaba lejano. Y aquí estamos — con más de la mitad del código en GitHub siendo generado por IA.
Escribir código a mano sigue teniendo todo el sentido del mundo para aprender y para entender los fundamentos. Pero en flujos de trabajo productivos, la tendencia es clara: ya pasamos de escribir a supervisar, y eventualmente, de supervisar a simplemente definir qué queremos construir.
Una invitación a la curiosidad
Sé que todo esto puede ser abrumador. Cada vez que se comparten este tipo de temas en público, hay una ola de ansiedad. Las personas se preocupan por sus trabajos, sus habilidades, su relevancia. Lo entiendo. Yo también siento algo de eso a veces.
Pero esto es a lo que sigo volviendo: somos privilegiados. Estás leyendo esto, lo que significa que seguramente tienes acceso a estas herramientas, estas ideas, estas comunidades. Menos del 1% de la humanidad usa modelos frontera. Estamos en ese píxel rojo diminuto de la gráfica. Eso no es motivo de arrogancia — es motivo de responsabilidad. Para aprender, para compartir, para ayudar a que otros se suban a bordo.
Las empresas ya están haciendo de la competencia en IA un requisito. Así como el inglés era un must-have para muchos puestos hace unos años, saber usar agentes de código, vibe coding y herramientas de IA se está volviendo no negociable — sin importar el rol. Es el nuevo inglés: una habilidad base que multiplica todo lo demás que puedas aportar. Algunas empresas, como Meta, ya están monitoreando cuánto usan sus empleados las herramientas de IA — premiando a los que más las aprovechan y señalando a los que no.
No digo esto para generar presión. Lo digo porque entender esto temprano es una ventaja. Y compartir ese entendimiento — en comunidades, en chats grupales, tomando un café — así es como nos aseguramos de que esta revolución no beneficie solo al 1%.
Las herramientas están aquí. La brecha es real. Y la mejor decisión que podemos tomar ahora mismo es mantenernos curiosos, seguir experimentando, y no quedarnos viendo desde afuera mientras el mundo cambia.
Sigamos construyendo.
Recursos
- METR: AI Task Time Horizons — La “nueva ley de Moore” que rastrea cómo las capacidades de los agentes de IA se duplican cada pocos meses
- METR: Early 2025 AI Dev Productivity Study — El estudio que encontró que desarrolladores experimentados fueron 19% más lentos con herramientas de IA
- Stack Overflow Developer Survey 2025: AI — 84% de adopción, 29% de confianza, y la tensión entre ambos
- OpenClaw — El agente personal de IA que corre en tu computadora y está redefiniendo la relación humano-software
- Moltbook — La red social para agentes de IA, adquirida por Meta
- RentAHuman.ai — Donde agentes de IA publican tareas y contratan humanos para completarlas
- Waymo — Taxis autónomos operando en 10 ciudades de EE.UU. con 250K viajes por semana
- 1X NEO — El robot humanoide de $20,000 diseñado para uso doméstico
- Xiaomi Smart Factory — La “dark factory” que produce un teléfono cada 3 segundos sin trabajadores humanos
- Situational Awareness: The Decade Ahead — El análisis profundo de Leopold Aschenbrenner sobre la trayectoria hacia la AGI
- AI 2027 — Un escenario detallado que pronostica el futuro cercano de las capacidades de la IA
- Claude Code Remote Control — Controla agentes de código desde tu celular mientras estás lejos de tu escritorio
Mantente al día
Recibe una notificación cuando publique algo nuevo. Sin spam, cancela cuando quieras.
Sin spam. Cancela cuando quieras.