Claude AI en cuatro IDE: por qué el desarrollador se ha convertido en el principal cuello de botella para los agentes

En Habr AI se publicó un texto sobre cómo los asistentes de IA aceleran el desarrollo y, a la vez, generan un nuevo tipo de sobrecarga. Cuando se trabaja en varios proyectos a la vez, el límite principal ya no es Claude AI ni la calidad del código generado, sino la atención del propio desarrollador.

El cuello de botella es el humano

El autor describe una escena casi cotidiana: hay cuatro IDE abiertos, en cada uno corren una o varias sesiones de Claude AI y él tiene que saltar de una a otra manualmente. En un sitio debe planificar el siguiente paso, en otro revisar rápido un fragmento crítico, en otro idear una prueba para no leer el código línea por línea. En teoría, los agentes deberían trabajar mientras la persona descansa. En la práctica, todo se detiene justo cuando el operador necesita comer, dormir o simplemente salir de la habitación.

«No el modelo con sus fallos, sino yo».

Es una observación importante para toda la oleada de desarrollo con IA. Aunque el modelo escriba más rápido que una persona, el humano sigue siendo el despachador de contexto: mantiene en la cabeza el estado de los proyectos, decide dónde hace falta una revisión y dónde basta con comprobar entradas y salidas, y cambia constantemente de tarea. Por eso la automatización prometida no se convierte en un piloto automático tranquilo, sino en una forma más densa y estresante de gestionar varios procesos semiautónomos.

Pruebas en lugar de revisión

Del artículo se desprende que el autor sustituye cada vez más la revisión de código clásica por pruebas basadas en escenarios. La lógica es simple: si la tarea no conlleva un riesgo directo de pérdidas financieras, es más rápido no meterse en cada módulo y comprobar el sistema como una caja negra. En el ejemplo de un contrato inteligente en EVM, al agente se le dio un conjunto de restricciones de ingeniería (nonce offline, rechazo de solicitudes RPC innecesarias, gasLimit constante, round robin por direcciones) y después, en lugar de leer el código, empezaron a atacar la solución con preguntas y ejecuciones.

• Revisión paralela desde el contexto actual y desde uno limpio
• Comprobación de qué ocurre si fallan las fuentes de precios
• Control de la lógica de gasPrice y del riesgo de quemar el depósito en comisiones
• Medición de la latencia de procesamiento de ticks y del envío asíncrono
• Dry run con mocks en lugar de transacciones reales

Este enfoque permite detectar rápido los puntos débiles sin sumergirse en la implementación. Según el autor, paso a paso tuvo que añadir alrededor del bot principal servicios en segundo plano para controlar el saldo, las confirmaciones de transacciones y el nonce. El resultado funcionó, aunque la verificación principal no consistió en leer el código fuente, sino en simular de forma sistemática fallos y escenarios problemáticos conocidos. Esto desplaza el papel del desarrollador de escritor de código a operador de calidad y riesgos.

Experto, no pasajero

Pero el esquema solo funciona donde la persona entiende cómo debe estar construida la solución. Mientras el desarrollador sepa más que el modelo en el ámbito del problema, puede guiarlo con pistas expertas breves, plantear las comprobaciones adecuadas y detectar rápido lagunas peligrosas. En cuanto el equipo llega a un tramo donde el operador no tiene una respuesta segura, surge la ilusión de que el agente investigará por sí solo y elegirá el mejor camino. Es justo aquí, según el autor, donde la magia termina de golpe.

De ahí la conclusión principal del texto: el desarrollador del futuro no es simplemente alguien capaz de abrir un chat con un modelo, sino un experto operador de IA con un nivel de pensamiento casi sénior. Debe llevar varios proyectos en paralelo, tomar decisiones de arquitectura, responder por el resultado y desenredar las colas de tareas de los agentes. El autor ve el siguiente paso en orquestar no solo los modelos, sino también a los operadores: un espacio de contexto compartido donde se puedan retomar tareas atascadas, consultar el historial de decisiones y traspasar el control sin perder la visión global.

Qué significa

Las herramientas de IA ya aumentan la capacidad de un desarrollador, pero no eliminan la necesidad de experiencia, concentración y responsabilidad. La carencia más inmediata de la industria no es el acceso a otro modelo, sino formas de gestionar muchos agentes sin un cambio manual constante de contexto y sin agotamiento.