Google presentó la versión Rabbit 2 de su entorno de desarrollo Android Studio en el Android Dev Summit. La novedad más importante no se refiere tanto a funciones de comodidad individuales como a la actitud de fondo: el IDE —es decir, el entorno de desarrollo integrado en el que se escribe, prueba y entrega el código— podrá utilizarse en el futuro también con modelos de IA que no provengan de Google. Se mencionan, entre otros, Claude y GPT. Paralelamente, Google amplía las funciones agénticas.

Del asistente al agente

Las funciones agénticas se diferencian de la autocompletación de código clásica en que el modelo no solo muestra sugerencias, sino que asume tareas de varios pasos: leer archivos, realizar cambios en varios puntos, verificar resultados. La persona sigue en el papel de quien encarga y aprueba, en lugar de escribir cada línea por sí misma.

En la práctica, esto desplaza el centro de gravedad del trabajo. Cuanto más modifica una herramienta de forma autónoma, más importantes se vuelven los diffs comprensibles, los commits limpios y una base de pruebas que haga visibles las regresiones de forma fiable. Quien incorpora herramientas agénticas a los proyectos invierte, de hecho, primero en capacidad de revisión.

Por qué la apertura de modelos es la verdadera señal

Hasta ahora, el soporte de IA en Android Studio estaba estrechamente vinculado a los modelos propios de Google. Que ahora también sean posibles modelos de terceros es notable, porque los fabricantes entienden tradicionalmente sus entornos de desarrollo como un canal de ventas para su propia plataforma. La apertura indica que el vínculo a un modelo determinado ya no es un rasgo diferenciador sostenible.

Para ello hay sobre todo un motivo plausible: las diferencias de calidad entre los modelos líderes cambian en intervalos cortos. Un equipo que hoy queda fijado a un modelo puede estar trabajando en pocos meses con una solución peor, sin poder cambiar. Los entornos de desarrollo que bloquean ese cambio pierden atractivo.

Qué pueden deducir de ello los responsables de decisiones

La noticia afecta directamente solo al desarrollo de Android. Sin embargo, la tendencia subyacente es más amplia y relevante para todos los proyectos de software en los que se utilizan herramientas de IA.

  • La elección de modelo se convierte en configuración, no en decisión de principio. Si el entorno admite varios proveedores, un cambio puede realizarse sin ruptura de herramienta.
  • La comparabilidad se vuelve posible. Solo cuando varios modelos se ejecutan en el mismo entorno puede evaluarse seriamente cuál ofrece mejores resultados para qué tarea.
  • Las dependencias se desplazan. El vínculo se creará en el futuro menos con el modelo que con el entorno, los flujos de trabajo y las convenciones internas.

Preguntas abiertas que deben aclararse antes del uso

Apertura de modelos no significa automáticamente que cada proveedor pueda utilizarse en cada empresa. Quien conecta modelos de terceros debería aclarar de antemano qué componentes del código salen de la propia casa, qué compromisos contractuales existen sobre el procesamiento y si el uso es compatible con las directrices internas y los requisitos de los proyectos de clientes. En proyectos con datos sensibles o requisitos estrictos de encargo de tratamiento, esto no es un asunto secundario, sino un requisito previo.

Igualmente sin aclarar está en muchos equipos el aspecto de los costes. Los modelos de terceros se facturan por regla general a través de accesos propios. Quien prueba varios modelos en paralelo necesita transparencia sobre quién utiliza qué contingentes y para qué.

Un comienzo realista

En lugar de tomar una decisión a nivel de toda la empresa, se recomienda un montaje de prueba limitado. Un proyecto manejable, dos o tres tipos de tareas claramente descritos y una evaluación honesta de los resultados aportan más conocimiento que cualquier lista de funciones.

  1. Definir tipos de tareas en las que el apoyo realmente ahorre tiempo —por ejemplo, refactorizaciones, cobertura de pruebas o ajustes recurrentes.
  2. Probar las mismas tareas con distintos modelos y documentar el retrabajo.
  3. Adaptar el proceso de revisión para que los cambios generados por máquina pasen la misma revisión que el código escrito a mano.
  4. Aclarar definitivamente las cuestiones de protección de datos y contractuales antes de que el uso vaya más allá del ensayo.

Sigue siendo importante la consideración sobria: las herramientas agénticas desplazan el esfuerzo, no lo eliminan. El tiempo de escritura ahorrado reaparece en parte como tiempo de revisión y corrección. Un beneficio surge allí donde este intercambio resulta positivo en conjunto —y eso solo puede medirse, no suponerse.

Clasificación para proyectos web y de software

Para los proyectos en curso, la evolución significa sobre todo que la cuestión del modelo de IA correcto pierde peso, mientras que la cuestión de procesos sólidos gana peso. Quien tiene bajo control las pruebas, las revisiones y el control de versiones puede cambiar modelos en cuanto se ofrezcan mejores. Quien no tiene estas bases no se vuelve más rápido con herramientas agénticas, sino solo más difícil de controlar.

Fuentes