¿Cuánto trabajo asumen realmente los agentes de IA en el desarrollo de software? Hasta ahora, la respuesta se basaba principalmente en anécdotas. OpenAI ha publicado ahora por primera vez cifras sobre su propio uso, y estas son reveladoras en ambos sentidos: muestran un uso muy intensivo, pero también señalan claramente dónde las herramientas alcanzan sus límites.
Qué dicen las cifras
Según la evaluación, el investigador mediano consumió en octubre tokens por un valor teórico equivalente a 2.400 dólares estadounidenses al día. Los tokens son las unidades de procesamiento más pequeñas de los modelos de lenguaje; el consumo se factura habitualmente en función de ellos. El valor debe entenderse de forma calculada —internamente no se aplican los precios de lista—, pero muestra el orden de magnitud: los agentes no se ejecutan allí de forma ocasional, sino de manera permanente.
Aún más significativa que el consumo es la valoración de los propios implicados. Los investigadores e investigadoras indicaron que preferirían prescindir del 40 por ciento de sus colegas y colegas antes que de sus agentes de programación. Se trata de una preferencia subjetiva y no de una medición de productividad, pero es notable porque proviene de un entorno que dispone de especialistas humanos muy buenos.
Dónde fallan los agentes
La misma evaluación menciona el lado opuesto sin adornos. En infraestructuras complejas y con ideas nuevas, los agentes fallan con regularidad. Y los conceptos más importantes para las próximas generaciones de modelos GPT-6 y GPT-6.2 procedieron exclusivamente de personas.
Así se perfila una imagen bastante clara: los agentes son fuertes allí donde un problema puede describirse, verificarse y resolverse con patrones conocidos. Son débiles allí donde debe comprenderse un sistema en su totalidad, donde se necesita conocimiento implícito sobre dependencias desarrolladas con el tiempo o donde primero debe inventarse una vía de solución.
Transferibilidad al día a día de la agencia
OpenAI no es una empresa mediana típica ni tampoco una agencia web. Las condiciones marco difieren en varios puntos que conviene tener en cuenta:
- Marco de costes: Un consumo de tokens de este orden por persona y día simplemente no es presupuestable en la mayoría de las organizaciones. Quien utiliza agentes de forma productiva trabaja con límites mucho más estrechos y debe seleccionar en consecuencia de forma más específica qué tareas merecen la pena.
- Perfil de tareas: El trabajo de investigación sobre modelos genera muchos experimentos bien aislables. El negocio de proyectos con sistemas de clientes, código heredado e interfaces con sistemas de terceros es diferente y, por tanto, tiende a caer en la categoría en la que, según OpenAI, los agentes flaquean.
- Responsabilidad: Quien entrega software a clientes y clientas asume la responsabilidad del resultado. Una propuesta de un agente es un borrador, no un estado de aceptación.
Qué tareas pueden delegarse hoy de forma sensata
Del patrón descrito puede derivarse un reparto pragmático. Por lo general, son adecuadas las tareas con una descripción clara del objetivo y una verificabilidad rápida:
- Escribir pruebas y ampliar la cobertura de pruebas existente
- Refactorizaciones rutinarias dentro de módulos delimitados
- Migraciones según un esquema conocido, por ejemplo, adaptaciones a nuevas versiones de frameworks
- Primeros borradores de documentación, changelogs y comentarios de código
- Búsqueda de errores en casos reproducibles y estrechamente delimitados
- Trabajo repetitivo de boilerplate, es decir, código estándar estructuralmente similar
Conviene ser más prudente allí donde se toman decisiones de arquitectura, donde surge lógica relevante para la seguridad, donde se tocan conceptos de permisos y protección de datos o donde se modifica un sistema en varios niveles. Precisamente esas son las áreas que aparecen como punto débil en la evaluación de OpenAI, y allí el esfuerzo de revisión suele ser mayor que el ahorro de tiempo.
Qué necesitan los equipos a nivel organizativo
El beneficio de los agentes depende menos del modelo que del entorno en el que trabaja. Cuanto mejor pueda verificarse automáticamente un proyecto, más puede delegarse. En la práctica, esto significa: pruebas sólidas, una cadena de integración continua que funcione, es decir, ejecuciones automatizadas de compilación y verificación con cada cambio, así como revisiones de código limpias con aprobación humana.
Igualmente importante es un control de costes sobrio. Si un agente prueba variantes durante horas, se generan costes que solo se amortizan si el resultado se utiliza realmente. Merece la pena observar el consumo y el beneficio por tipo de tarea, en lugar de activar agentes de forma indiscriminada en todas partes.
Y, por último: el trabajo conceptual especializado sigue siendo, por ahora, trabajo humano. Que incluso en OpenAI las ideas centrales para las próximas generaciones de modelos provinieran de personas es una señal clara contra la expectativa de que los agentes puedan asumir la fase conceptual de un proyecto. La clarificación de requisitos, el diseño de arquitectura y la ponderación entre objetivos especializados y viabilidad técnica siguen siendo responsabilidad del equipo.
Clasificación para proyectos web y de software
Para proyectos web y de software, esto significa: los agentes de programación son una herramienta seria para el trabajo diligente bien describible, pero no un sustituto de la concepción, la arquitectura y la responsabilidad. Su mayor palanca está en proyectos que, de por sí, ya están bien estructurados, probados y verificados automáticamente; quien invierte aquí mejora al mismo tiempo las condiciones de partida para el uso de agentes.
Realistisch kalkuliert wird der Gewinn also nicht als pauschale Beschleunigung, sondern als Entlastung bei klar abgegrenzten Aufgaben, während die komplexen Entscheidungen weiterhin im Team getroffen werden.