Software factory con IA: 30 librerías en un mes

Una sola persona, 30 librerías y 1,9 millones de líneas

30 librerías open source, 241 releases y casi 1,9 millones de líneas de código en C#. Ese es el inventario que publica en su blog el autor de una «software factory» que, según su propio recuento, corre sin equipo: agentes de IA que diseñan, escriben, revisan y publican librerías de software complejas, con una sola persona aprobando los lanzamientos.

Para un founder, el número que debería llamar la atención no es el volumen sino el ritmo de mantenimiento: 28 de las 30 librerías llegaron a la versión 1.0 entre principios de octubre y mediados de noviembre, y 183 de las 241 releases fueron sobre librerías que ya habían pasado el 1.0. Generar código es la parte fácil; sostenerlo en el tiempo es donde la mayoría de los proyectos con IA se caen.

Las librerías son C# y se distribuyen en NuGet. oneyaml, la única del set con implementación múltiple, también se publica en Rust y Go.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué construyó exactamente esta software factory?

El catálogo cubre terreno que normalmente reparten equipos especializados distintos:

  • Documentos y web: OnePdf (lectura, reparación, edición, firma y escritura de PDF/A y PDF/UA, unas 120.000 líneas), OneDocument (Word, Excel y PowerPoint, OOXML más los formatos binarios antiguos, unas 285.000 líneas), OneHtml, OneRender (motor de layout CSS sin navegador) y OneImage.
  • Datos y formatos: OneLite, un motor de base de datos compatible con SQLite 3.53.4; OneIndex (búsqueda de texto, vectorial e híbrida en proceso); OneArchive; OneMail; OneCrypto; oneyaml; OneContact y OneDiff.
  • IA y ML: OneNlp, OneSpeech (modelos Whisper y otros), OneLlm (una sola API sobre Anthropic, OpenAI y Gemini), OneModelContext (cliente y servidor MCP) y OneModel, un runtime de ONNX propio.
  • Lenguajes, GPU y media: OneEcma (motor de JavaScript dentro de .NET), OneShader (compilador de HLSL a SPIR-V, Metal y WGSL), OneGpu, OneAudio y OneMedia.
  • Juegos y simulación: OneGame, OneMath, OnePath, OnePhysics y OneScope.

Y no son piezas sueltas: 21 de las 30 dependen de otras del mismo set. El caso más claro es el lado de documentos: OneDocument renderiza a través de OneRender, que a su vez se apoya en cuatro librerías más de la fábrica.

La parte que casi nadie copia: verificación contra un árbitro externo

Cualquiera puede generar 100.000 líneas. Lo difícil es demostrar que funcionan. Cada librería de esta fábrica se mide contra una referencia que no escribió el propio sistema:

  • OnePdf: de los 2.906 archivos del corpus de veraPDF, 2.694 se convirtieron a PDF/A-2b y todos pasaron veraPDF. Un barrido sobre GovDocs1, una muestra de 5.000 archivos de SafeDocs y el corpus de veraPDF abrió cada archivo e interpretó cada página con 0 caídas y 0 bloqueos.
  • OneDocument: sobre un corpus público de 4.900 archivos, 111.239 de 111.239 partes volvieron byte a byte idénticas. Además, 718 archivos generados abren en Word, Excel y PowerPoint sin pedir reparación.
  • OneHtml: en 2.095 páginas coincidió con 1.779.203 de los 1.840.086 nodos de accesibilidad de Chrome.
  • OneLite: 10.000 commits intercalados en WAL entre OneLite y procesos vivos de sqlite3 sobre la misma base, y el archivo se mantiene consistente desde ambos lados.
  • OneContact: 0 discrepancias frente a libphonenumber en 2.819.630 resultados.
  • OneAudio: los paquetes del codificador Opus coinciden byte a byte con el codificador de referencia del RFC 6716 en 269 de 269 configuraciones.
  • OnePhysics: 165 de 165 escenarios dan el mismo hash en Linux x64 y arm64, macOS arm64 y Windows x64, con ocho hilos, bajo NativeAOT y en el navegador.

Ese es el patrón que se puede copiar: antes de escribir código, definir quién va a decir si está bien. veraPDF, sqlite3, Chrome, libphonenumber, el codificador de referencia de Opus. Ninguno es un test escrito por el mismo agente que escribió la librería.

¿Cómo funciona la fábrica por dentro?

El proceso, según el propio autor:

  • Un agente planificador diseña cada librería a través de preguntas de opción múltiple, de a una por vez.
  • Un agente project manager responde esas preguntas en lugar del humano, salvo cuando solo el humano puede. Cada decisión de diseño registra quién la tomó.
  • Un agente build lead divide el trabajo en unidades y le asigna cada una a un agente ingeniero en su propio git worktree.
  • Los ingenieros no pueden hacer push, tag ni publicar. El lead revisa su trabajo.
  • Ningún equipo edita el repositorio de otro: si una librería necesita algo de una capa inferior, se lo pide a su equipo a través del project manager.

El cuello de botella humano se reduce a un botón. El autor cuenta que las solicitudes de release llegan como una tarjeta Ship a su teléfono, con la evidencia y un botón. El día que OneDocument llegó a 1.0 —el viernes 6 de noviembre— tres librerías por debajo ya habían publicado las correcciones que hacían falta: OneRender agregó los roles de PDF etiquetado, OnePdf arregló un fallo de PDF/UA y OneImage resolvió una caída que encontró el fuzzer de OneDocument. Las tres estaban en NuGet antes de que la tarjeta llegara, y el autor tocó Ship unos diez minutos después.

¿Qué significa esto para tu startup?

1. Separa generar de verificar, y define el verificador primero. El valor de este experimento no está en los agentes que escriben, sino en los árbitros externos que aprueban. Antes de dejar que un agente toque tu código, decide qué herramienta de terceros va a decir si el resultado está bien: un test de conformidad, un validador oficial, una implementación de referencia. Si no existe, escríbela tú y trátala como parte del proyecto, no como un extra.

2. Pon un gate de aprobación con política, no con buena voluntad. Qodo, la plataforma de calidad y gobernanza de código con IA, anunció el 18 de noviembre de 2026 flujos de aprobación automática con políticas y guardas por repositorio y autor. Su CEO, Itamar Friedman, lo resumió así: «una software factory es tan buena como sus controles de calidad». El dato que justifica la urgencia viene del informe DORA 2025 de Google, citado por Qodo: los equipos con alta adopción de IA vieron pull requests 154% más grandes y revisiones 91% más largas. La aprobación es hoy el cuello de botella, no la escritura.

3. No esperes ganancias automáticas de velocidad. Un ensayo aleatorizado de METR de principios de 2025, citado por HackerNoon, siguió a 16 desarrolladores experimentados de open source en 246 tareas dentro de repositorios que conocían bien: permitirles usar herramientas de IA aumentó el tiempo de finalización un 19%. En el otro extremo, un experimento controlado de 2023 encontró que desarrolladores con GitHub Copilot completaron una tarea acotada —un servidor HTTP en JavaScript— 55,8% más rápido que el grupo de control. La conclusión práctica: los agentes rinden cuando la tarea es acotada y verificable, y se atascan cuando el contexto es grande y ambiguo.

4. Publica en orden de dependencias. Cuando OneGpu 1.0, OneModel 1.3 y OneGame 2.0 salieron, lo hicieron en orden de dependencia en unas 15 horas. Si tu producto tiene capas, el release no es un evento: es una secuencia.

Lo que este experimento todavía no demuestra

Vale la pena leerlo con distancia. Los números salen del blog del propio proyecto y de su CI: no hay auditoría independiente que los confirme. El autor tampoco publica cuántas horas humanas insumió el proceso ni cuánto costaron las llamadas a los modelos, dos variables que definen si el modelo es replicable en una startup con presupuesto finito.

Y hay una asimetría que conviene tener presente: el experimento reimplementa estándares y formatos que ya existen y tienen documentación pública —ISO 32000, OOXML, SQLite, YAML 1.2.2, ONNX—. Eso hace que el trabajo sea verificable, pero también significa que el terreno donde mejor funciona es el de reemplazar implementaciones conocidas, no el de inventar producto. Para una startup, eso apunta a un uso muy concreto: infraestructura y capas de compatibilidad, no la propuesta de valor central.

Conclusión

La lección no es «contrata agentes y despide al equipo». Es que una fábrica de software sin árbitros externos es solo generación de código a escala, y eso ya lo hace cualquiera. Lo que este proyecto muestra es el orden correcto: primero el validador, después el agente; primero el gate de aprobación, después la velocidad. Si puedes nombrar la herramienta de terceros que va a decir si tu próxima release está bien, estás listo para automatizar. Si no puedes, automatizar solo te va a llevar más rápido al mismo problema.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...