Por qué el software sigue siendo malo con los agentes de IA: se les asignan funciones, no refactorización
Un agente envía pull requests en verde, pero el código sigue lleno de basura, como nombres de clases inconsistentes. Nikita, desarrollador de Rust, lo analizó en Habr: la IA sabe buscar errores y refactorizar, pero en la práctica suele dedicarse a escribir la siguiente función. El negocio exige funcionalidad para el viernes, y el beneficio de limpiar el código solo se ve más adelante. Por eso, al trabajar con agentes, conviene incluir en el plan de forma explícita la revisión y la refactorización.
Procesado por IA desde Habr AI; editado por Hamidun News
Durante una transmisión en directo, un ponente se quejó de que el agente envía pull requests en verde, todas las comprobaciones pasan, pero en el código sigue habiendo basura. Por ejemplo, las clases tienen nombres distintos. Nikita, desarrollador de Rust y autor del análisis en Habr, escuchó esto y se sorprendió: con los agentes no tiene problemas de ese tipo. Él mismo pide a la IA que busque errores, revise decisiones dudosas, mejore las pruebas y haga refactorización, y los resultados son buenos. ¿Por qué entonces la experiencia de la gente es tan distinta? Su respuesta: la herramienta casi no tiene que ver con ello; lo que decide es qué trabajo se le encarga.
Qué hace bien la IA cuando se le pide
El agente tiene capacidad para mejorar la calidad. Ayuda a encontrar un error que se reproduce una vez al mes. Sugiere qué escenarios faltan en las pruebas. Divide una función en la que se ha acumulado lógica diversa y corrige masivamente código repetitivo en decenas de archivos.
Hay también cifras. Meta desarrolló TestGen-LLM, que amplía pruebas ya escritas. Las nuevas pruebas se compilaban y ejecutaban, y después se comprobaba si había aumentado la cobertura. Los ingenieros revisaban las propuestas que superaban la selección automática. Según los autores, aceptaron en producción el 73% de esas recomendaciones. En la encuesta de Stack Overflow de 2026, cerca del 58% de los encuestados usó la IA para pruebas, el 64% para depuración y refactorización, y alrededor del 69% para generar código en un ámbito conocido.
Por qué en la práctica se obtienen sobre todo funciones nuevas
El escenario es conocido por todos. El agente escribió el código, usted comprobó el camino habitual y todo funciona. Se podría verificar qué pasa si la petición se repite o si un servicio vecino no responde, y además evaluar si el código es comprensible. Pero el botón ya se puede mostrar al cliente. Si después de cada éxito de este tipo se pasa directamente a la siguiente tarea, el agente acabará produciendo sobre todo funciones nuevas.
La economía del desarrollo agrava el problema. El cliente espera la nueva función el viernes. El beneficio de refactorizar un módulo antiguo hay que explicarlo, y es difícil de estimar: las tareas futuras todavía no están en el plan.
Un estudio sobre la deuda técnica mostró una brecha. Los directivos creían que apoyaban este tipo de trabajo con más frecuencia de lo que lo percibían los desarrolladores. Se premiaban las correcciones pequeñas, pero las reformas grandes se posponían, porque faltaba una explicación clara de su utilidad.
El estudio se publicó antes de la llegada masiva de los agentes. Ahora refactorizar con IA es más fácil, pero si en el plan del viernes figura una función, el agente se dedicará a ella.
Nikita compara la IA con un superdeportivo: un profesional llegará más rápido, y un principiante se estrellará en la primera curva. Sin embargo, llegará a la curva antes de lo que esperaba. El principiante puede ser también un directivo que toma la primera versión funcional del agente por un producto terminado.
El agente repite lo que ve en el proyecto
La segunda fuente de problemas está en el código antiguo. Si una solución se ha copiado en varios lugares, la petición «mira cómo lo tenemos hecho y añade algo más» llevará al agente a repetir también el error del modelo. En un experimento sobre ventanas rotas, 29 desarrolladores ampliaban sistemas con distinta cantidad de problemas antiguos. En el código más descuidado, los participantes añadían con más frecuencia cosas nuevas: duplicaban funcionalidad y elegían nombres poco claros.
Un preprint de noviembre de 2026 comprobó lo mismo con las vulnerabilidades. A los agentes se les mostraban versiones seguras y vulnerables de código existente. En el segundo caso, vulnerabilidades parecidas aparecían con más frecuencia también en los cambios nuevos. La petición de seguir el estilo existente amplificaba el efecto. El mismo agente podría haber encontrado el error y corregido todas sus copias, pero nadie le había planteado esa tarea.
Por qué se habla poco de la calidad y qué hacer
El autor señala otro desequilibrio. «Reescribió un millón de líneas en 10 días» se lee por curiosidad, mientras que «la IA me ayudó a refactorizar la base de código» no llama la atención. Las personas que limpian en silencio errores antiguos con ayuda de un agente no publican nada. Con las historias llamativas es fácil concluir que todos solo generan servicios nuevos.
Las conclusiones prácticas son estas:
- Asigne al agente tareas de verificación específicas: peticiones repetidas, caída de un servicio vecino, listas vacías. No espere que lo haga por defecto.
- Incluya la refactorización en el plan como una tarea normal con un beneficio claro. Por ejemplo: «después de esto, las funciones del módulo se añaden en un día, no en una semana».
- No pida al agente que copie el código «como lo tenemos» hasta haber comprobado que el modelo es bueno. Es mejor pedirle primero que encuentre duplicados y errores en el modelo.
- Para los directivos: un pull request en verde del agente demuestra que el código funciona, no que sea bueno.
Una limitación honesta: se trata de una columna de opinión. La experiencia de un desarrollador se apoya en estudios concretos, pero no demuestra que la calidad del código de todos los equipos sufra por la misma causa. La conclusión de Nikita es modesta: usamos las capacidades de la IA para mejorar la calidad peor de lo que usamos las capacidades para acelerar. En esta «investigación» el culpable es el propio desarrollador, y eso es una buena noticia. Cambiar el proceso es más sencillo que esperar un modelo nuevo.
- 21 nov 2026Meta prepara Muse Charm, un tamagotchi con IA de 300 dólares y un año de 5G de Verizon
- 21 nov 2026MLCommons empieza a medir las API de IA bajo carga real: 7 mediciones para agentes
- 21 nov 2026Unsloth actualizó los Qwen3.8-27B comprimidos: la precisión sube un 5–10% con el mismo tamaño
- 21 nov 2026Apple construye un agente de IA para Mac y complica el acceso a terceros: 14 clics en lugar de 4
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué hace bien la IA cuando se le pide?
El agente tiene capacidad para mejorar la calidad. Ayuda a encontrar un error que se reproduce una vez al mes. Sugiere qué escenarios faltan en las pruebas. Divide una función en la que se ha acumulado lógica diversa y corrige masivamente código repetitivo en decenas de archivos. Hay también cifras. Meta desarrolló TestGen-LLM, que amplía pruebas ya escritas. Las nuevas pruebas se compilaban y ejecutaban, y después se comprobaba si había aumentado la cobertura.
¿Qué se sabe sobre Por qué en la práctica se obtienen sobre todo funciones nuevas?
El escenario es conocido por todos. El agente escribió el código, usted comprobó el camino habitual y todo funciona. Se podría verificar qué pasa si la petición se repite o si un servicio vecino no responde, y además evaluar si el código es comprensible. Pero el botón ya se puede mostrar al cliente. Si después de cada éxito de este tipo se pasa directamente a la siguiente tarea, el agente acabará produciendo sobre todo funciones nuevas. La economía del desarrollo agrava el problema.
¿Qué se sabe sobre El agente repite lo que ve en el proyecto?
La segunda fuente de problemas está en el código antiguo. Si una solución se ha copiado en varios lugares, la petición «mira cómo lo tenemos hecho y añade algo más» llevará al agente a repetir también el error del modelo. En un experimento sobre ventanas rotas, 29 desarrolladores ampliaban sistemas con distinta cantidad de problemas antiguos. En el código más descuidado, los participantes añadían con más frecuencia cosas nuevas: duplicaban funcionalidad y elegían nombres poco claros.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.