Uno de cada cuatro programadores ya trabaja con agentes de IA: encuesta de T1 a 190 personas
Una cuarta parte de los 190 programadores encuestados ya usa agentes de IA u orquestación de varios modelos, según la encuesta de septiembre del holding de TI T1. Entre ellos, el 82% delega en los agentes la escritura y refactorización de código, el 80% la planificación y la depuración, y el 61% el despliegue y la infraestructura. La muestra es pequeña, así que se trata de una radiografía de opiniones, no de datos del mercado.
Procesado por IA desde Habr AI; editado por Hamidun News
Hace apenas un año, la IA en el desarrollo significaba sugerir la siguiente línea de código. Ahora, parte de los programadores plantea una tarea y un agente la divide en pasos, escribe el código, ejecuta las pruebas y prepara la documentación. El holding de TI T1 intentó averiguar hasta qué punto esto está extendido en la práctica: a finales de septiembre de 2026 encuestó a programadores a través de nueve canales de Telegram. Respondieron 190 personas. La muestra es pequeña y no aleatoria, así que las cifras conviene leerlas como una referencia y no como una estadística del sector.
Qué delegan en los agentes
En torno a una cuarta parte de los participantes, unas 47 personas, utiliza sistemas agénticos u orquestación de varias IA. Los porcentajes que siguen corresponden a este grupo, así que detrás de ellos hay decenas de personas, no miles.
La tarea más popular es la esperada: el 82% confía a los agentes la escritura y refactorización de código. Pero casi lo mismo ocurre con las tareas que rodean la programación:
- planificación y descomposición de tareas: 80%;
- corrección de errores y depuración: 80%;
- generación y ejecución de pruebas: 76%;
- preparación de documentación: 74%;
- despliegue y configuración de infraestructura: 61%.
Aquí el agente no funciona como un autocompletado, sino como un ejecutor en varias etapas: desde el análisis del enunciado hasta la verificación del resultado. Entre quienes aplican agentes a tareas sin escritura directa de código, el 78% lo hace a diario y otro 11% varias veces por semana. El despliegue queda por detrás del resto de apartados, lo que resulta comprensible: allí el error es el más caro, así que estas tareas se delegan con más cautela.
Quién usa qué
El código manual no ha desaparecido. El 46% de los participantes se apoya en asistentes de IA, como el autocompletado y los chatbots, y el 15% sigue escribiendo el código por su cuenta. Entre los asistentes lidera Claude Code, citado por el 60%. Le siguen ChatGPT (57%), DeepSeek (32%) y Gemini (31%).
Entre los usuarios de sistemas agénticos, el panorama es más interesante. OpenClaw y Hermes fueron elegidos por el 39% cada uno: son plataformas en las que los desarrolladores construyen sus propios agentes. ZeroClaw y NanoClaw fueron citados por el 14% cada uno. Otro 48% utiliza OpenCode, Cline, Cursor y Claude Code, además de desarrollos propios y combinaciones de herramientas configuradas por cuenta propia, incluida la orquestación dentro de Codex.
Para un responsable de producto o un líder de equipo, la conclusión es esta: muchos no adoptan un agente listo para usar, sino que construyen su propia cadena adaptada a los procesos del equipo. Por tanto, el valor se desplaza del propio modelo a la forma en que el agente se integra en el repositorio, las pruebas y el pipeline.
La demanda de soluciones rusas
Un bloque aparte de la encuesta se refiere a la sustitución de importaciones. El 56% de los participantes desearía herramientas de desarrollo nativas de IA de fabricación rusa que no sean inferiores a las plataformas extranjeras, pero que funcionen en un entorno cerrado. Entre los usuarios de agentes, el 55% está dispuesto a pasar a un análogo ruso con funcionalidad comparable. Para los equipos corporativos importa no solo la calidad de las respuestas, sino también dónde se ejecuta el modelo, adónde va el código y cómo encaja la herramienta con los requisitos de seguridad.
Cómo leer estas cifras
Hay varias salvedades. En primer lugar, la muestra de 190 personas se recogió en canales de Telegram, entre ellos el del propio T1. Es probable que en ella haya más entusiastas de la IA que en el conjunto del mercado.
En segundo lugar, la encuesta refleja hábitos declarados, no un rendimiento medido: a partir de ella no se puede saber cuánto tiempo ahorran realmente los agentes ni con qué frecuencia se equivocan. En tercer lugar, el texto lo publicó el líder de producto de la plataforma «Sfera» del mismo holding, y la conclusión sobre la integración en entornos corporativos vende en parte un producto propio. T1 todavía no ha publicado el informe completo sobre más de 11 000 especialistas en TI, y conviene esperarlo para valorarlo por separado.
La conclusión práctica es sencilla. Si su equipo está probando agentes, empiece por las tareas cuyo resultado sea fácil de verificar: pruebas, documentación, depuración. Añada el despliegue y la infraestructura más adelante y solo con restricciones de acceso claras. Y si trabaja en un entorno cerrado, decida de antemano con qué sustituirá las herramientas extranjeras: a juzgar por la encuesta, la demanda de estas soluciones existe.
- 21 nov 2026GPT-6 Cyber encontró unos 35 fallos en iPhone, Mac y otros dispositivos de Apple
- 21 nov 202622 agentes de Claude pasaron seis semanas buscando respuestas sobre agujeros negros, y resolvieron dos problemas
- 21 nov 2026Google separará el almacenamiento de chats del entrenamiento de Gemini: rechazar sin perder el historial
- 21 nov 2026Apple en macOS 27.3 beta 2 permitirá limitar el acceso de los agentes de IA a los archivos del Mac
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué delegan en los agentes?
En torno a una cuarta parte de los participantes, unas 47 personas, utiliza sistemas agénticos u orquestación de varias IA. Los porcentajes que siguen corresponden a este grupo, así que detrás de ellos hay decenas de personas, no miles. La tarea más popular es la esperada: el 82% confía a los agentes la escritura y refactorización de código.
¿Qué se sabe sobre Quién usa qué?
El código manual no ha desaparecido. El 46% de los participantes se apoya en asistentes de IA, como el autocompletado y los chatbots, y el 15% sigue escribiendo el código por su cuenta. Entre los asistentes lidera Claude Code, citado por el 60%. Le siguen ChatGPT (57%), DeepSeek (32%) y Gemini (31%). Entre los usuarios de sistemas agénticos, el panorama es más interesante. OpenClaw y Hermes fueron elegidos por el 39% cada uno: son plataformas en las que los desarrolladores construyen sus propios agentes.
¿Qué se sabe sobre La demanda de soluciones rusas?
Un bloque aparte de la encuesta se refiere a la sustitución de importaciones. El 56% de los participantes desearía herramientas de desarrollo nativas de IA de fabricación rusa que no sean inferiores a las plataformas extranjeras, pero que funcionen en un entorno cerrado. Entre los usuarios de agentes, el 55% está dispuesto a pasar a un análogo ruso con funcionalidad comparable.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.