Rust y agentes IA: el lenguaje que ‘si compila, funciona’

Rust creció más rápido que casi cualquier otro lenguaje, y los agentes tienen mucho que ver

Los ingenieros de Meta escribieron el doble de código Rust propio en lo que va del año que en los nueve años anteriores combinados. El dato lo cita el ingeniero David Tolnay y lo recoge el blog Small Cult Following en un análisis sobre qué significa la irrupción de los agentes de IA para el diseño de lenguajes de programación. En el mismo ranking, TypeScript crece a un ritmo de +1200% interanual y Rust aparece como el segundo lenguaje de crecimiento más rápido.

Para un founder, la pregunta relevante no es qué lenguaje gana una encuesta, sino qué stack le conviene cuando la mayor parte del código lo escriben agentes y no personas. Ese es exactamente el terreno que explora el artículo.

El contexto ayuda a dimensionar el fenómeno: según IDC, el 77% de las empresas ya tiene agentes de IA corriendo en producción, y Gartner proyecta que el mercado de servicios de IA alcance los US$515.000 millones en 2029, impulsado por los enfoques agénticos (datos recogidos por CRN). Un estudio de Microsoft sobre telemetría de GitHub Copilot —13,5 millones de sesiones y 3,2 millones de usuarios— encontró que cerca del 87% de las llamadas al modelo las inicia el propio agente después de que el desarrollador arranca una tarea, con un promedio de 6,6 llamadas por turno.

Las tres columnas de una fábrica de software con agentes

El análisis propone que una "fábrica de software" efectiva se apoya en tres pilares, y que ninguno está resuelto del todo:

• Diseño: definir y especificar con claridad qué debe hacer el código.
• Construcción: escribir el código que hace eso.
• Optimización: afinarlo para que corra eficientemente.

La tesis central es que los agentes ya son muy buenos en construcción y están avanzando rápido en optimización, pero el diseño sigue siendo un problema abierto. Ahí es donde el lenguaje y las herramientas todavía marcan una diferencia grande.

¿Por qué Rust encaja bien con el desarrollo agéntico?

El argumento tiene dos patas. La primera es el rendimiento: Rust está diseñado para dar "buen rendimiento por defecto", de modo que lo idiomático suele ser también lo más rápido. Pero además expone las perillas necesarias para exprimir más velocidad cuando hace falta —control de asignación en pila o heap, layout de structs, boxing en el stack asíncrono, incluso ensamblador en línea.

Ajustar esas perillas solía ser un arte oscuro. Los agentes lo están volviendo mucho más accesible: según el artículo, equipos que antes afinaban a mano algoritmos criptográficos de altísimo rendimiento ahora le piden ese trabajo a agentes, y muchos desarrolladores de servicios de red usan un profiler como dial9 para que el agente diagnostique cuellos de botella asíncronos, como long polls o bloqueos. El bucle es simple: benchmark, perfilado, el agente analiza, propone un PR, el código mejora.

La segunda pata es la fiabilidad. Greg Brockman, cofundador de OpenAI, lo resumió así en enero de 2026: "Rust es un lenguaje perfecto para agentes, dado que si compila es ~correcto". El sistema de tipos de Rust actúa como barandilla que mantiene al agente en el camino, y va mucho más allá de "los campos tienen el nombre correcto": evita, por ejemplo, tener que cerrar un socket a mano.

Los tipos no alcanzan: el rol de las pruebas formales

El artículo cita una frase de Edsger Dijkstra de 1970 que sigue vigente: las pruebas pueden mostrar la presencia de errores, pero no su ausencia. Con agentes, ese límite se vuelve más evidente: los primeros tests parecen perfectos y el siguiente se comporta de forma inexplicable porque el agente entendió mal la lógica.

Los tipos tampoco son suficientes. Solo garantizan que no haces ciertas cosas mal, no que hagas lo correcto. Para eso hacen falta sistemas de prueba. En el ecosistema Rust existen herramientas como Verus, Creusot, Aeneas y Kani, que permiten demostrar propiedades más ricas —empezando por probar que el código no entra en pánico— y, con teoremas, verificar que calcula el resultado esperado.

Hay un beneficio contraintuitivo: las pruebas formales también mejoran el rendimiento. Los algoritmos criptográficos tienen una definición matemática clara, así que se le puede decir al agente "haz lo que quieras mientras puedas probar que el resultado es correcto". En Rust, eso abriría la puerta a usar código unsafe optimizado sin el riesgo de comportamiento indefinido. De ahí la propuesta de un norte ambicioso: "no más código unsafe", entendido como la capacidad de probar que todo el unsafe que escribimos es correcto.

¿Y el diseño? El eslabón más débil

Antes de optimizar o probar, hay que saber qué se está construyendo. El estado del arte hoy es, según el autor, variaciones de "desarrollo guiado por markdown": escribir documentación y esperar que los agentes la respeten. El análisis menciona trabajos como "Principles of Anchor Engineering" de Kari Wilhelm y el artículo "What's easy now? What's hard now?" de Marc Brooker, que sostiene que cuanto más claro es el criterio de éxito de una tarea, más fácil resulta automatizarla —y que tareas que creíamos difíciles, como implementar un algoritmo criptográfico eficiente, pueden automatizarse antes que otras que creíamos fáciles, como diseñar un sitio web único.

La apuesta del autor es que el mayor movimiento vendrá de "lenguajes de diseño": herramientas que capturen la arquitectura y el comportamiento deseado a alto nivel, y que se traduzcan en barandillas concretas —chequeos de tipos, lints o teoremas a probar—. Los agentes harían el trabajo de bajar eso a código Rust, con humanos revisando solo de vez en cuando.

Qué significa esto para tu startup

Si tu equipo ya usa agentes para escribir código, la elección de lenguaje deja de ser una preferencia estética y se vuelve una decisión de gestión de riesgo. Un lenguaje con un sistema de tipos fuerte te da barandillas gratis que atrapan errores antes de que lleguen a producción; uno más permisivo te obliga a compensar con tests y revisión humana, justo lo que los agentes hacen más difícil de escalar.

Dos acciones concretas para esta semana:

• Mide dónde se va el trabajo de tus agentes. El estudio de Microsoft muestra que el mayor bloque de actividad no es editar código sino explorar el repositorio (30,5% de los turnos). Si tu base de código está desordenada, el agente gasta ciclos leyendo en vez de construyendo. Invertir en estructura y documentación de interfaces tiene retorno directo.
• Empieza por lo verificable. No necesitas adoptar pruebas formales en todo el proyecto. Elige el módulo más crítico —pagos, autenticación, criptografía— y evalúa una herramienta como Kani o Verus solo ahí. Es el tipo de código donde un bug cuesta más que el esfuerzo de probarlo.

El mensaje de fondo para un founder es tranquilizador y exigente a la vez: el rol humano no desaparece, se desplaza del tecleo al diseño y la especificación. Cuanto mejor sepas decir qué debe hacer tu software, más provecho le sacarás a los agentes que lo escriben.

Fuentes

• What agents mean for Rust (and vice versa) (fuente original)
• The 10 Hottest Agentic AI Agents, Tools And Products Of 2026 (So Far) - CRN
• Microsoft Study Shows Just How 'Agentic' GitHub Copilot Has Become - Visual Studio Magazine