Contexto Técnico
Me encanta la AI automation en el desarrollo, pero asentí demasiado rápido al leer el texto de Mario Zechner del 25 de marzo. Describió algo que yo mismo estoy viendo en los pipelines agentivos: el código se genera a tal velocidad que el mantenimiento no puede seguir el ritmo desde el principio.
En resumen, los agentes pueden producir decenas de miles de líneas en horas, y luego empieza la diversión: lógica duplicada, fragmentos de código existente omitidos, desincronización de interfaces, soluciones extrañas sobre errores antiguos. Esto no es la "deuda técnica habitual". Es una nueva forma de deuda, donde la complejidad crece más rápido de lo que los LLM actuales son capaces de desenredar.
Me identifico especialmente con su idea sobre la ausencia de un freno humano. Una persona se cansa, tropieza, relee, siente el dolor de una mala arquitectura y normalmente reduce el ritmo. Un agente no siente dolor. No piensa: "espera, ¿estamos seguros de que necesitamos otro servicio, otra capa de abstracción, otro helper?"
Y aquí es donde se rompe el enfoque ingenuo de "primero generar, luego refactorizar". Todavía funciona en tareas pequeñas. Pero a largo plazo, la codificación agentiva hace que un proyecto se parezca rápidamente a un legacy que ni siquiera un buen LLM puede comprender en su totalidad, reparándolo por fragmentos y a veces rompiendo partes adyacentes.
En esencia, Mario dice algo simple: la arquitectura, las API y la forma general del sistema no pueden entregarse ciegamente al piloto automático. Yo lo diría aún más tajante: si no tienes límites claros entre módulos, ciclos de revisión cortos y un límite en el volumen de cambios generados por agentes, no estás acelerando el desarrollo. Simplemente estás acelerando la acumulación de caos.
Impacto en el Negocio y la Automatización
Para el negocio, la conclusión es muy práctica. Ganarán los equipos que usen agentes como un amplificador dentro de marcos estrictos: generación de pruebas, capas CRUD, migraciones, utilidades internas, documentación. Perderán aquellos que intenten "hacer crecer un producto" directamente con agentes sin una arquitectura de IA sólida.
El segundo efecto lo veo en el coste de propiedad. La generación de código barata de hoy se convierte fácilmente en un mantenimiento caro en un mes, cuando cada modificación empieza a romper partes vecinas del sistema.
Por lo tanto, una integración adecuada de la inteligencia artificial en el desarrollo ahora parece más aburrida, pero más madura: cambios pequeños, control humano sobre la arquitectura, límites de velocidad y barreras de calidad obligatorias. En Nahornyi AI Lab resolvemos precisamente este problema para los clientes: no solo conectar un agente, sino construir el desarrollo de soluciones de IA de tal manera que la automatización no cree una nueva clase de problemas.
Si ya tienes un equipo que se ha "acelerado" con agentes, yo revisaría ahora mismo el volumen de los cambios, la calidad de los límites modulares y el coste de cada modificación futura. Si sientes que la base de código empieza a escaparse de las manos, podemos analizarlo juntos en Nahornyi AI Lab y configurar la AI automation para que realmente ahorre tiempo, en lugar de convertir el presupuesto en futuras reparaciones.