BetBoom: los agentes de IA cambian el desarrollo y obligan a los ingenieros a aprender de nuevo

Un autor de BetBoom describió un momento familiar para muchos desarrolladores: apenas terminas de dominar el stack moderno, el mercado ya exige trabajar con agentes de IA. Su conclusión principal: la IA no elimina la profesión, pero cambia con rapidez el papel del ingeniero, los requisitos de seguridad y la dependencia de las empresas de la infraestructura en la nube.

Cómo cambia la profesión

El texto arranca con la experiencia personal de volver al desarrollo tras una larga pausa. Durante ese tiempo desapareció el mundo conocido de los CMS y los webmasters todoterreno: el frontend y el backend se separaron del todo, los frameworks pasaron a ser una base obligatoria y entrar en la profesión se volvió más difícil. Cuando recuperó el nivel básico, apareció la IA generativa.

Al principio, ChatGPT parecía una muleta para quienes no quieren aprender por sí mismos, pero en dos años se convirtió en una herramienta cotidiana que sustituye a los buscadores, los foros y parte del análisis rutinario. En ese contexto, el autor sintió una nueva sensación de retraso: ya no basta con escribir código, hay que entender cómo trabajan los agentes con el código.

Los agentes entran en el proceso

El siguiente paso fue conocer la práctica de la adopción a través de conferencias y comunidades profesionales. Tras un evento de Yandex quedó claro que las empresas ya no discuten si usar IA, sino cómo medir su eficacia, qué argumentos dar a la dirección y cómo integrar las nuevas herramientas en los procesos de los equipos. En la conferencia «Russkoe Tekhno» de MTS esa brecha se notó todavía más: los casos de agentes de IA que revisan pull requests, automatizan tareas rutinarias y aceleran trabajos habituales ya suenan como una parte normal del circuito de ingeniería, no como un experimento de entusiastas.

Al autor le impresionó especialmente el enfoque de Sber, donde se propone evaluar a los agentes casi como a empleados: con KPI, horas-persona, coste de las tareas y utilidad real. Este modelo ayuda a explicar el valor de la automatización al negocio, pero alimenta el temor de los desarrolladores a que el agente se perciba como un reemplazo directo de un junior o de un mid. El artículo, no obstante, también ofrece una conclusión más terrenal: aunque un agente sepa escribir pruebas, buscar errores y proponer cambios, la responsabilidad de plantear la tarea, verificar el resultado y definir la lógica de negocio sigue recayendo en una persona.

Seguridad y dependencia

El artículo no discute la utilidad práctica de los agentes, pero el énfasis principal se desplaza hacia los riesgos. Si la herramienta puede ejecutar comandos, trabajar con el repositorio y acceder a servicios internos, el coste de un error crece de golpe. El autor relata las recomendaciones oídas en el escenario: empezar no con los máximos permisos, sino con las máximas restricciones, ejecutar los agentes en entornos aislados y considerar la seguridad una condición básica, no un extra opcional.

«Usar como mínimo

Docker rootless, pero es mejor ir hacia una infraestructura totalmente aislada».

• Levantar un entorno independiente para cada tarea concreta
• Ejecutar el agente solo dentro de ese perímetro
• Guardar los artefactos en un almacenamiento externo
• Destruir el entorno al terminar el trabajo
• Limitar la vida útil de tokens y claves

Otra idea del artículo se refiere a la economía de toda la carrera en torno a los sistemas de agentes. El autor supone que los mayores beneficiados del auge actual son los dueños de plataformas en la nube y de servicios con tarificación por segundo. Para las empresas resulta cómodo: pueden automatizar procesos más rápido, reducir la rutina y escalar experimentos. Pero cuanto más ata un negocio su desarrollo a esos proveedores, mayor es el riesgo de vendor lock-in: el equipo se acostumbra a los agentes, los procesos se reorganizan a su alrededor y después el proveedor gana margen para subir los precios.

Qué significa esto

La conversación sobre agentes de IA en el desarrollo ha pasado del hype a la práctica operativa. Para los ingenieros no supone el fin de la profesión, sino un cambio de enfoque: de escribir código a gestionar agentes, verificar resultados, diseñar un entorno seguro y entender el coste real de esta automatización.