¿Qué es la ingeniería agéntica?

Con el rápido crecimiento de la inteligencia artificial (IA) y los agentes de IA, el uso de IA generativa para crear software se ha convertido en una parte predeterminada del flujo de trabajo estándar del desarrollo de software. En la Encuesta a desarrolladores de Stack Overflow de 2025, se constató que el 84 % de los encuestados utiliza o tiene intención de utilizar la programación asistida por IA en su proceso de desarrollo.¹

Sin embargo, la encuesta también muestra que más desarrolladores desconfían de la precisión de las herramientas de IA que confían en ellas, con un 46 % expresando escepticismo en comparación con un 33 % que confía en los resultados.

Solo una pequeña parte (3 %) afirma que "confía mucho" en los outputs generados por la IA. Los desarrolladores experimentados se muestran especialmente cautelosos, registrando la tasa más baja de “alta confianza” (2,6 %) y la tasa más alta de “alta desconfianza” (20 %).¹ Este patrón pone de manifiesto una expectativa generalizada de que la supervisión humana sigue siendo esencial, especialmente para los roles con gran responsabilidad.

En la práctica, los desarrolladores utilizan la IA para tareas que llevan mucho tiempo pero tienen un riesgo relativamente bajo si se guían por un revisor humano experimentado. Esta acción incluye tareas como la refactorización del código, la generación de código estándar y pruebas, la realización de revisiones ligeras de código, la redacción de la documentación, el andamiaje de las API y otras tareas de bajo riesgo.

En resumen, la codificación vibe permite a los desarrolladores automatizar y crear prototipos rápidamente con unas cuantas instrucciones en lenguaje natural utilizando modelos de lenguaje de gran tamaño (LLM) o sistemas agénticos.

La palabra "vibe" en el término "codificación vibe" tiene una connotación casual e improvisada. Aunque este enfoque se adaptaba bien a la fase inicial y exploratoria de la programación asistida por IA, choca con la realidad actual del escepticismo de los desarrolladores hacia los agentes de codificación por IA.

Sin los conocimientos adecuados sobre el uso de los LLM con fines de ingeniería de software, la codificación vibe puede dar lugar a lo que se conoce como "AI slop": código que no resulta útil o que daña el código existente. Este código descifrado a menudo aumenta la deuda técnica de los equipos de ingeniería, ya que dedican gran parte de su tiempo a entender, depurar y refactorizar el código.

Alternativamente, Karpathy detalla el término “ingeniería de agentes” en X de una manera diferente:

• "Agéntica": una orquestación de agentes escribe el código, y el desarrollador humano supervisa y valida el output. A medida que el sistema de agentes o multiagentes recorre las subtareas, mantenemos la supervisión humana.
• “Ingeniería”: se requiere un nivel de experiencia para utilizar flujo de trabajo agéntico para la producción de código significativo que no comprometa la calidad del código. Esta es una habilidad que se puede desarrollar y mejorar.

La ingeniería agentica nos permite alejarnos de la lógica determinista hacia el territorio matizado del juicio probabilístico. Por lo tanto, requiere un cambio fundamental en la forma en que piensan las organizaciones y en cómo operan los equipos de ingeniería.

Este proceso comienza estableciendo marcos de gobierno claros que definan cuándo y cómo deben utilizarse los flujos de trabajo agénticos, asegurando que la supervisión humana siga siendo central en el control de calidad. Los equipos de ingeniería deben recibir formación no solo en la creación de instrucciones, sino también en el diseño de sistemas. Aprender a orquestar agentes autónomos, validar su output e integrar bucles de revisión iterativa en las pipelines existentes de CI/CD resulta crítico.

Los sistemas agénticos bien diseñados dividen las tareas en módulos más pequeños, permitiendo a los agentes generar componentes autónomos en tiempo real que se integran limpiamente en la base de código existente sin aumentar la deuda técnica. Muchas organizaciones también están adoptando arquitecturas basadas en RAG, para que los agentes puedan basar su output en documentación real, especificaciones y repositorios de código, reduciendo las alucinaciones y mejorando la precisión.

Las organizaciones también pueden desarrollar guías de estrategias internas que estandaricen los patrones de uso seguro de los agentes, incluidos los requisitos de revisión del código, las expectativas de prueba y las configuraciones de protección. Proporcionar a los ingenieros ejemplos de sistemas de IA agéntica implementados correctamente para varios casos de uso puede ser un punto de partida útil.

Por último, los responsables deben fomentar una cultura que promueva la experimentación sin dejar de lado la rendición de cuentas: los sistemas agénticos deben acelerar el desarrollo, no sustituir los conocimientos especializados en ingeniería de software. Al hacerlo, las organizaciones pueden integrar la ingeniería agéntica de una manera que fortalezca la productividad y eleve a los desarrolladores sin comprometer la confianza o la calidad del código.

A medida que el panorama del desarrollo de software asistido por IA sigue evolucionando, es probable que su terminología también siga cambiando. Aunque la "ingeniería agéntica" proporciona un marco más maduro y preciso sobre la forma en que los desarrolladores colaboran con los sistemas autónomos en la actualidad, las prácticas que la sustentan seguirán avanzando a medida que los agentes de IA sean más capaces. En los próximos años, podemos esperar que los sistemas agénticos gestionen tareas cada vez más complejas.

Al mismo tiempo, el papel de los desarrolladores evolucionará desde la simple escritura de código hasta el diseño, la supervisión y la configuración del comportamiento de estos sistemas de IA. Tanto si es un ingeniero de IA, un desarrollador full stack, un científico de datos o alguien que está empezando su viaje de codificación, los principios básicos o la supervisión humana, la alfabetización en diseño de sistemas y la toma de decisiones con alto criterio seguirán siendo fundamentales.

Si no sabe por dónde empezar, empiece poco a poco. Explore un flujo de trabajo agéntico, ya sea de código abierto o de nivel empresarial, pruébelo con su equipo y descubra las posibilidades.