Evidence (YC S21) contrata ingenieros para BI con agentes IA

Qué está buscando Evidence y por qué importa ahora

Evidence, la startup de business intelligence respaldada por Y Combinator (lote S21), tiene su proyecto open source con 7.000 estrellas en GitHub y afirma que miles de equipos —desde startups hasta empresas Fortune 100 y gobiernos— lo usan, a menudo en reemplazo de herramientas como Tableau y Power BI. Ahora está contratando ingenieros de software, y la descripción del puesto dice mucho más sobre hacia dónde va el sector que sobre la vacante en sí.

La compañía lo dice sin rodeos: está "repensando cómo construye software", con un proceso donde los agentes de IA asumen la mayor parte del ciclo de vida del desarrollo. Su tesis es que casi todo ese trabajo puede automatizarse, liberando al equipo humano para lo que requiere más criterio, creatividad y pensamiento de producto.

Para un founder hispanohablante que está armando su equipo técnico, esto no es una curiosidad de Silicon Valley. Es una señal sobre qué perfil de ingeniero conviene contratar en 2026 y qué se espera que haga en el día a día.

¿Qué hace Evidence y por qué su apuesta es distinta?

Evidence compite en el terreno del business intelligence, un mercado históricamente dominado por suites pesadas y licencias empresariales. Su diferenciador declarado es el diseño para un mundo donde humanos y agentes de IA trabajan juntos sobre analítica: el producto no se piensa como una herramienta que un analista opera manualmente, sino como una capa donde un agente también puede consultar, construir y validar.

La empresa está respaldada por Y Combinator, SV Angel, A Capital y fundadores de compañías como dbt y PagerDuty, según su propia página de empleo. También afirma tener ingresos en crecimiento y años de runway, aunque no publica cifras concretas de facturación ni de financiación.

El detalle interesante está en cómo trabajan. Sus principios publicados incluyen:

• Atención extrema al cliente, con respuestas rápidas y acompañamiento hasta resolver el problema.
• Obsesión por la calidad de producto, cuidando detalles visuales y de experiencia.
• Sesgo a la acción: mover rápido y terminar cosas.
• Reuniones mínimas: una sola reunión de equipo por semana.
• Decisiones basadas en datos, instrumentando casi todo.
• Mejora continua del propio proceso de desarrollo, con expectativa de que cualquiera proponga cambios.

Ese último punto es el que conecta con su apuesta por los agentes: no están automatizando para reducir gente, están automatizando para que cada ingeniero tenga más superficie de impacto.

¿Los agentes de IA realmente reemplazan ingenieros?

Los datos disponibles apuntan a lo contrario de lo que sugiere el titular fácil. Un informe de Temporal publicado en agosto de 2026, basado en una encuesta a más de 550 ingenieros y líderes de ingeniería en Estados Unidos y Reino Unido, encontró que el 80,8% usa agentes de IA a diario o más, frente al 47,3% de un año antes: un salto relativo del 70,8%. El encuestado mediano ejecuta 5 agentes, aunque el promedio es de 10,7.

El mismo informe señala una paradoja útil: el 91,1% dice que los agentes mejoraron o revolucionaron su productividad, pero el 41,1% se topa con problemas relacionados con agentes a diario o más. La confianza en los agentes va por delante de la madurez operativa para correrlos de forma confiable.

Y hay un dato que desmiente la idea de que la IA frena la contratación: solo el 26,4% de las empresas encuestadas reportó haber desacelerado o detenido sus contrataciones. Al mismo tiempo, el 56,7% de los ingenieros cree que será más difícil para los perfiles junior encontrar trabajo.

La lectura para un founder es clara: el trabajo no desaparece, se mueve hacia el juicio. Lo que se vuelve escaso es la capacidad de evaluar si lo que produjo un agente está bien, no la de escribirlo.

La advertencia que casi nadie mide

Un artículo de Forbes de septiembre de 2026 firmado por Corey Ercanbrack, CTO de Vasion, aporta el matiz más valioso. En su empresa, el código asistido por IA pasó del 21% en el primer trimestre de 2025 al 62% doce meses después, y la organización de ingeniería creció un 19% en ese mismo período.

Los números de productividad fueron buenos: los pull requests por desarrollador subieron 44% y los ítems de trabajo completados por desarrollador, 49%. Los defectos reportados por clientes por ítem de trabajo cayeron 29%.

Pero el dato que Ercanbrack destaca como el más importante es incómodo: el tiempo desde que un cambio está terminado hasta que se integra al producto subió 38%. Su explicación es directa: producir código más rápido que la capacidad de juzgarlo termina frenando la entrega. Por eso redirigió sus vacantes hacia ingenieros senior, no hacia más revisores.

Ese es exactamente el riesgo que corre un equipo pequeño que adopta agentes sin cambiar sus métricas. Si solo mides velocidad de producción, el año parece un éxito y el cuello de botella se te mueve a un lugar que no estabas mirando.

¿Qué significa esto para tu startup?

Si estás contratando o pensando cómo estructurar tu equipo técnico en los próximos meses, la experiencia de Evidence y los datos del sector sugieren tres movimientos concretos:

• Contrata por criterio, no por velocidad de tipeo. Si los agentes ya generan código, el valor marginal de un ingeniero está en entender el sistema completo, anticipar qué se rompe en producción y decidir qué no construir. En una entrevista técnica, pide que explique una decisión de arquitectura y sus trade-offs, no que resuelva un algoritmo de memoria.
• Mide el tiempo hasta producción, no solo el volumen de código. El caso de Vasion muestra que los PRs por desarrollador pueden subir 44% mientras el ciclo de entrega se alarga 38%. Instrumenta desde el primer día el tiempo entre "cambio terminado" y "cambio en producción". Es la métrica que te avisa si tu capacidad de revisión quedó corta.
• Formaliza la adopción, no la dejes al azar. En Vasion, después de 22 bootcamps internos, la proporción de contribuyentes que usaban IA pasó del 42% al 72%, más rápido de lo que habrían logrado contratando. Un espacio de aprendizaje interno rinde más que esperar que cada ingeniero descubra solo cómo delegar en un agente.

Y un cuarto punto, más de fondo: si tu equipo es chico, la filosofía de Evidence —una reunión por semana, sesgo a terminar cosas, instrumentar todo— es replicable sin presupuesto. La parte que no se copia es el estándar de contratación. Ellos lo dicen explícitamente: se mantienen deliberadamente pequeños y con un listón muy alto, porque creen que ingenieros excepcionales amplificados por agentes hacen mucho más que un equipo grande y promedio.

Conclusión

Evidence no está anunciando una ronda ni un lanzamiento: está contratando. Pero el mensaje detrás de la vacante es el mismo que están procesando todos los equipos de ingeniería del sector. Los agentes de IA ya son parte del ciclo de desarrollo —el 80,8% de los ingenieros los usa a diario, según Temporal— y eso no está reduciendo plantillas de forma masiva: solo el 26,4% de las empresas reporta frenar contrataciones.

Lo que cambia es el perfil buscado. El código se volvió más barato de producir y no más barato de juzgar, como resume el CTO de Vasion. Para un founder, la decisión práctica es dejar de optimizar por volumen y empezar a optimizar por criterio: contratar senior, medir el ciclo completo hasta producción y entrenar al equipo para dirigir agentes en lugar de competir con ellos.

Fuentes

• Evidence — Work at Evidence (fuente original)
• Forbes — Why To Keep Hiring Engineers Even When Your Code Is AI-Assisted
• Yahoo Finance — Temporal Releases 'The 2026 State of Development Report: AI Agents'
• Business Insider — AI is taking over the painstaking work of Silicon Valley's most-coveted engineers