Manus y los agentes de AI cambian el desarrollo: el código para un MVP ahora aparece en 20 minutos

Los agentes de IA han llegado a esa parte del desarrollo donde antes desaparecían días: inicio de proyecto, integración frontend-backend, arquitectura aproximada y la primera pantalla de demostración funcional. En un artículo en Habr AI, el autor probó esto con Manus y mostró cómo una idea de startup se convierte en código funcional en aproximadamente 20 minutos.

Por qué el código se aceleró

La programación resultó ser uno de los entornos más convenientes para modelos generativos. Los lenguajes de programación tienen sintaxis estricta, patrones repetitivos y un formato de resultado claro: o el código compila y hace lo necesario, o no lo hace. Por eso los LLM ya se han apoderado de una gran cantidad de trabajo rutinario — desde encontrar ejemplos y escribir boilerplate hasta consultas SQL, índices, integración de API y correcciones entre frontend y backend. Donde un desarrollador solía pasar horas en documentación, foros y pegado de fragmentos, ahora el primer borrador aparece casi instantáneamente.

Pero un chatbot ordinario rápidamente alcanza su límite. Cuanto más compleja la tarea, más copypasta, sincronización manual y lucha contra la pérdida de contexto. La misma persona se ve obligada a re-explicarle constantemente al modelo qué endpoints ya existen en el backend, cómo está estructurado el componente en el frontend y qué exactamente se rompió después de la última corrección. Como resultado, hay aceleración, pero se topa con gestión mecánica: ya no estás escribiendo código tanto como transfiriendo contexto entre ventanas y mensajes.

Experimento con Manus

En este contexto, el autor tomó Manus — una herramienta basada en agentes que no solo responde en chat, sino que desglosa la tarea en una secuencia de acciones y ejecuta muchos pasos a través del modelo seguidos. En lugar de fragmentos dispersos, debería devolver un resultado más coherente: concepto de producto, estructura del proyecto, archivos listos y una demostración funcional. Para probar esto, el autor le dio una idea de startup y le pidió que armara un MVP casi desde cero.

Según su descripción, la generación tomó aproximadamente 20 minutos y costó algunas centenas de rublos. El resultado fue no solo un conjunto de archivos, sino un borrador de producto tangible que se puede descargar, abrir en un IDE, refinar y mostrar a otros. Lo más importante para el autor fue que el agente devolvió no fragmentos de lógica, sino un marco conectado con el que se puede trabajar como un MVP normal, en lugar de como un montón de sugerencias de chat.

• Concepto de MVP bien pensado sin hoja en blanco
• Backend y frontend vinculados en un sistema
• Versión de demostración en la que puedes hacer clic de inmediato
• Capacidad de hacer preguntas sobre el código generado

"No es 100% terminado — pero funciona."

El efecto principal aquí no es magia, sino compresión de tiempo. Lo que solía tomar días de ensamblaje inicial, arquitectura básica e integración manual, el agente lo comprime en una sola ejecución larga. Para un fundador en solitario o un pequeño equipo, esto reduce el precio de entrada de un MVP: hay una oportunidad de probar la idea más rápidamente sin comenzar desde un repositorio vacío y una lista interminable de pequeñas tareas técnicas. Esto cambia el ritmo de los primeros lanzamientos y permite mostrar el concepto a socios, primeros usuarios o inversores más rápidamente.

Donde el agente alcanza sus límites

Al mismo tiempo, el autor no concluye que los desarrolladores ya no sean necesarios. Al contrario: cuanto más experimentado sea un ingeniero o fundador de startup, más evidentes son las limitaciones de este enfoque. El agente se desempeña bien llenando una hoja en blanco, pero tiene dificultades para sentir las prioridades del producto, los compromisos y las consecuencias a largo plazo de las decisiones.

Puede armar una base funcional, pero no entiende verdaderamente dónde establecer un núcleo sólido, dónde cortarse por velocidad y dónde la deuda técnica después golpeará a todo el proyecto. También hay un segundo problema — la ilusión de productividad. Cuando una herramienta genera la interfaz, la parte del servidor y la demostración por sí sola, parece que el producto está casi listo.

Pero entonces comienza la fase más costosa: descifrar la lógica de otro, revisar la arquitectura, verificar cuellos de botella, seguridad, mantenimiento y desarrollo. Si una persona no controló el sistema durante el ensamblaje, pagará después — con tiempo dedicado a entender cómo este código funciona y qué se romperá primero.

Qué significa esto

Los agentes de IA como Manus ya están haciendo la creación de software en borrador notablemente más barata y rápida, pero esto aún no es un reemplazo para desarrolladores fuertes, sino un amplificador para quienes saben cómo establecer una tarea y tomar decisiones de ingeniería. El mercado se está desplazando desde la escritura manual de código hacia la capacidad de formular requisitos, verificar resultados, ver riesgos arquitectónicos y asumir responsabilidad por el sistema después de que el efecto "guau" inicial de la generación se agota y comienza el trabajo de ingeniería ordinario.