Lo más útil que he aprendido sobre los agentes de IA para programar es que no son desarrolladores junior. Son compañeros muy rápidos y muy literales, sin memoria del día anterior y sin instinto para detectar cuándo una tarea es una mala idea.
Trátalos en consecuencia.
El trabajo que encaja
Los agentes brillan en tareas con una definición clara de terminado y una verificación barata:
- Refactors mecánicos en muchos archivos.
- Andamiaje de pruebas sobre comportamiento existente.
- Migraciones donde el compilador y la suite de pruebas hacen de juez.
- Investigación: “¿dónde se lee esta bandera?” en un repositorio grande.
Sufren cuando la tarea requiere criterio, contexto de negocio o saber cuál de tres implementaciones plausibles seguirá teniendo sentido en seis meses. Eso no es un problema de prompting. Es un problema de especificación, y es tuyo.
Primero las barreras
Los equipos que obtienen valor de los agentes no son los que tienen los prompts más ingeniosos. Son los que tienen la infraestructura aburrida:
- Ejecución en sandbox. Los agentes corren en un contenedor o VM desechable con credenciales limitadas. Sin acceso directo a producción, sin tokens cloud ambientales.
- Un límite duro para los cambios. Cada edición pasa por una rama, un diff y una revisión. La autonomía termina en el pull request.
- Verificaciones rápidas y fiables. Formato, tipos, pruebas unitarias y escaneo de seguridad. Si la verificación tarda veinte minutos, el ciclo de feedback se derrumba.
- Tareas pequeñas. Una tarea que se describe en dos frases y se verifica con un comando es una buena tarea.
Los modelos locales son una opción real
No todos los flujos necesitan un modelo de frontera. Para búsqueda en el código, resúmenes y ediciones simples, un modelo local servido con Ollama o vLLM mantiene los datos en la máquina y elimina el costo por token. El compromiso es latencia y calidad en razonamiento complejo, así que enruta por tarea, no por ideología.
Mide la carga de revisión
La métrica que importa no son las líneas generadas. Es cuánto tiempo de revisión consume cada cambio y con qué frecuencia hay que rehacerlo. Un agente que produce un diff de 400 líneas que reescribes a mano tiene valor negativo.
Empieza con un flujo estrecho, instrumenta el costo de revisión y amplía solo cuando los números lo justifiquen. El objetivo es apalancamiento, no espectáculo.