Por Canuto  

Steve Yegge, veterano de Amazon y Google, sostiene que la ingeniería de software entra en una fase de cambio radical: los IDE tradicionales perderían protagonismo frente a agentes de IA capaces de trabajar en paralelo, mientras grandes empresas se vuelven más lentas y pequeños equipos multiplican su alcance.
***

  • Steve Yegge describió una escala de ocho niveles de adopción de IA y afirmó que cerca de 70% de los ingenieros sigue en los peldaños más bajos.
  • El exingeniero de Amazon y Google asegura que los agentes ya elevan la productividad, pero también generan un “efecto vampírico” de agotamiento en desarrolladores.
  • Yegge cree que la próxima gran innovación en software podría venir de equipos muy pequeños, no de las grandes tecnológicas.

 

Steve Yegge, ingeniero de software con cuatro décadas de experiencia y pasos por Amazon y Google, planteó una tesis provocadora sobre el futuro inmediato del desarrollo: la industria estaría migrando desde los entornos de desarrollo integrados, o IDE, hacia un modelo centrado en agentes de inteligencia artificial capaces de ejecutar tareas, coordinarse entre sí y escalar el trabajo de forma paralela.

La idea apareció en la conversación From IDEs to AI Agents with Steve Yegge, publicada por The Pragmatic Engineer el 11 de marzo de 2026. Allí, el entrevistador Gergely Orosz y Yegge repasaron desde la evolución histórica de la programación hasta los efectos laborales, culturales y organizacionales que la IA ya estaría introduciendo en la ingeniería de software.

La discusión no se limitó a herramientas. También abordó despidos, agotamiento profesional, nuevas formas de construir productos, la posible pérdida de peso de las grandes tecnológicas y el ascenso de equipos muy pequeños que, apoyados en agentes, podrían competir con organizaciones mucho más grandes.

Para lectores fuera del sector, el punto central es este: no se trata solo de que la IA escriba código. La apuesta de Yegge es que la propia forma de organizar el trabajo técnico cambiará, y con ella también lo harán los perfiles más valiosos, las empresas más ágiles y los costos de crear software.

De escribir código a supervisar agentes

Yegge explicó una escala de ocho niveles de adopción de IA entre ingenieros. En el nivel uno ubicó a quienes no usan IA. En el dos, a quienes se limitan a preguntar si el sistema puede hacer una tarea dentro del IDE. En el tres, describió un uso más confiado, donde el desarrollador deja que la herramienta “haga lo suyo”.

En el nivel cuatro, según su esquema, la atención deja de centrarse en revisar cada diferencia de código y pasa a la conversación con el agente. En el cinco, el profesional ya prefiere trabajar principalmente con el agente y mirar el código en el IDE después. En el seis, dijo, aparece una nueva dinámica: el usuario se aburre mientras un agente trabaja y entonces inicia otro.

Ese salto abre la puerta al trabajo simultáneo. Yegge afirmó que cuando un ingeniero opera suficientes agentes en paralelo entra en una suerte de equilibrio, porque siempre hay alguno esperando revisión o una nueva instrucción. En su visión, ese punto cambia por completo la experiencia de programar.

El problema aparece en el nivel siete. Allí, reconoció, surge el caos: agentes que reciben instrucciones erróneas, proyectos que se mezclan y tareas que terminan invadiendo otras. Ese desorden fue una de las razones que lo llevó a experimentar con un orquestador propio llamado Gas Town.

Yegge llegó a decir que muchos ingenieros talentosos siguen atrapados en niveles uno o dos. Aunque luego matizó su frase más provocadora sobre que usar un IDE hoy vuelve a alguien un “mal ingeniero”, insistió en que quedarse en ese punto puede dejar rezagados incluso a profesionales muy competentes.

Qué es Gas Town y por qué importa

Gas Town es el proyecto de código abierto con el que Yegge intentó explorar la siguiente capa de esta transición. Lo definió como un orquestador, es decir, un sistema donde agentes ejecutan y coordinan a otros agentes. En su formulación, si las autocompletaciones fueron la fase inicial y el chat fue una segunda etapa, los agentes serían una iteración superior, y el siguiente paso natural sería poner agentes “en bucle” dentro de una estructura orquestada.

La metáfora que usó fue la de una ciudad. Hay un “alcalde” con el que el humano conversa, y ese alcalde delega en trabajadores según lo que haga falta. Dentro de esa arquitectura distinguió dos lógicas de trabajo. Una busca maximizar el contexto, cargando al modelo con información rica para problemas de diseño más amplios. La otra minimiza el contexto y divide tareas muy precisas para ahorrar costos y mantener foco cognitivo.

Yegge admitió que Gas Town es complejo y que incluso pasó días roto mientras migraba su base de datos a Dolt, una base de datos con enfoque de control de versiones. También dijo que no cree que la mayoría de la gente deba usarlo hoy, salvo como experimento o para investigar categorías de problemas muy concretas.

Aun así, relató que algunas empresas ya estudian posibles usos. Citó el caso de una firma que despliega centros de datos a medida por región y que ve potencial para automatizar meses de procesos repetitivos con criterios de aceptación claros. También mencionó interés en la gestión de incidentes de producción, aunque allí advirtió que la IA sí puede empeorar situaciones delicadas.

Su conclusión fue menos comercial que conceptual: Gas Town le sirvió para mover la conversación desde la supuesta imposibilidad de la orquestación hacia su viabilidad práctica, aunque sea todavía imperfecta y temporal.

La crítica a las grandes tecnológicas y el auge de equipos pequeños

Uno de los puntos más fuertes de la entrevista fue su diagnóstico sobre las grandes compañías tecnológicas. Yegge sostuvo que la innovación dentro de muchas de ellas está muriendo o ya murió, y sugirió que buena parte de los avances visibles en esta nueva etapa vendrán desde startups y grupos pequeños, no desde estructuras corporativas pesadas.

Según su lectura, la IA está permitiendo que equipos de entre 2 y 20 personas logren una producción comparable con la de organizaciones mucho más grandes. Esa posibilidad, dijo, coincide con una redistribución del talento, impulsada por despidos, frustración interna y mayores capacidades técnicas disponibles para individuos y grupos reducidos.

También lanzó una crítica directa a Amazon por despedir a 16.000 personas y atribuirlo a la IA sin, según él, contar con una estrategia clara en ese frente. Su argumento fue que muchas compañías terminan financiando el uso intensivo de tokens y herramientas de IA reduciendo personal, en una ecuación donde “la mitad” de los ingenieros podría irse para que la otra mitad opere con máxima productividad.

Yegge no presentó cifras de mercado que prueben esa proyección, pero sí describió una tendencia que considera evidente. A su juicio, muchas grandes empresas ya no tienen el tamaño correcto para el nuevo entorno y podrían sufrir cuellos de botella organizacionales aunque sus ingenieros individuales trabajen más rápido.

En contraste, cree que la innovación sí se está incubando en los márgenes. Recordó que otras olas tecnológicas también produjeron ese patrón, con nuevas compañías surgiendo desde la periferia mientras los incumbentes dudaban o reaccionaban tarde.

Más productividad, pero también más agotamiento

Otra de las alertas de Yegge fue el costo humano del nuevo modelo. Describió un “efecto vampírico” de la IA, en el que los desarrolladores se entusiasman, trabajan con intensidad extrema y terminan drenados. Contó que él mismo se encuentra tomando siestas durante el día y que ha oído experiencias similares en startups.

Su tesis es que la automatización está eliminando tareas más mecánicas y dejando a las personas con una carga mayor de “pensamiento duro”. Eso, afirmó, acelera el desgaste mental. Incluso si un ingeniero se vuelve 100 veces más productivo, no significa que pueda sostener ocho horas continuas al mismo ritmo.

En ese punto introdujo una discusión sobre captura de valor. Si una persona produce 100 veces más durante una jornada normal, la empresa absorbe casi todo ese beneficio. Si, en cambio, trabaja muy poco y guarda para sí la ganancia de eficiencia, la organización captura casi nada. Para Yegge, ninguna de las dos puntas resuelve bien el problema.

Por eso planteó una nueva versión del equilibrio entre vida y trabajo. En su visión, equipos y líderes tendrán que aprender a decir no, ajustar expectativas y aceptar que quizá tres horas de trabajo intensivo con agentes sean suficientes para una productividad muy superior a la de etapas anteriores.

El tema es relevante más allá del software. La discusión recuerda tensiones presentes en otros sectores automatizados, incluidos mercados financieros y operaciones digitales, donde la tecnología permite más rendimiento por trabajador pero también eleva la presión por resultados.

Predicciones: interfaces habladas, programación masiva y software más personalizado

Yegge hizo varias predicciones concretas para el corto plazo. Una de las más llamativas es que, hacia finales de este año, buena parte de la programación podría hacerse hablando con una cara en la pantalla, no leyendo bloques enormes de texto ni operando solo desde la línea de comandos. Imaginó asistentes visuales que delegan tareas a otros agentes y responden de forma conversacional.

También anticipó que la programación se volverá una actividad mucho más abierta para no especialistas. Incluso dijo que para el verano de 2027 cree que su esposa será la principal contribuyente de su videojuego familiar, pese a no ser desarrolladora. Su punto es que el software dejará de ser un privilegio de ingenieros tradicionales.

En paralelo, prevé una explosión de herramientas, bifurcaciones de proyectos de código abierto y software personal hecho a medida. En lugar de elegir entre pocas soluciones deficientes, las personas podrían empezar a crear o adaptar aplicaciones específicas para sus necesidades, desde servicios públicos hasta trámites cotidianos.

Eso abriría oportunidades para nuevas capas de infraestructura. Yegge mencionó que hará falta un ecosistema de servicios y bloques confiables que agentes y usuarios puedan reutilizar, así como sistemas para descubrir y filtrar el enorme volumen de contenido y software que podría aparecer.

Su consejo para ingenieros y empresas fue directo: experimentar ya. Para él, el verdadero error no es probar y que la curva se frene, sino quedarse inmóvil mientras otros aprenden. En su opinión, aun si los modelos dejaran de mejorar de forma abrupta, el punto actual ya convirtió la IA aplicada al desarrollo en un problema de ingeniería práctico y no solo en un asunto de investigación.

La visión de Yegge es discutible en varios frentes, desde el ritmo real de adopción hasta la profundidad de los cambios laborales. Pero su planteamiento resume una tensión central de 2026: la IA no solo está escribiendo código, también está obligando a redefinir qué significa programar, organizar equipos y construir empresas competitivas.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados