Un ingeniero de Salesforce usa 6 agentes de IA a la vez

Un día de trabajo con 6 agentes de IA en paralelo

US$3.000 al mes en tokens y entre 5 y 6 agentes de IA trabajando al mismo tiempo. Ese es el día a día de Ben Stolovitz, research engineer en Salesforce AI Research, que acaba de publicar su balance anual sobre cómo usa inteligencia artificial. La conclusión incomoda a quien todavía ve estos modelos como un autocompletado glorificado: los agentes escriben más del 90% de su código.

Stolovitz no es un evangelista. Es un ingeniero que hace un año escribía código a mano en el equipo de Windows AI de Microsoft y que hoy dedica su jornada a dirigir máquinas. Su testimonio importa porque describe con detalle lo que funciona, lo que cuesta y lo que todavía no está resuelto.

De autocompletar líneas a gestionar robots

El cambio es de categoría, no de grado. Hace un año, Stolovitz celebraba que GitHub Copilot le autocompletara código. Hoy dice que esa función quedó obsoleta: le da a un agente una tarea (implementar una funcionalidad, reproducir un bug), cada agente trabaja sobre su propia copia del repositorio y el sistema escribe el código, corre los tests y hasta abre y revisa pull requests.

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 →

Los números que reporta son concretos:

Un agente prototipa cualquier funcionalidad nueva en unos 20 minutos.
Los agentes escriben más del 90% de su código.
Su mejor trabajo del año fue escribir a mano una herramienta que reemplazó unas 4.000 líneas de código generado por unos pocos cientos.

Ese último punto es el más revelador. Stolovitz sostiene que la ingeniería no está resuelta: dejados sueltos, los agentes producen software mal estructurado, sobre-arquitecturado e ilegible. Su ventaja competitiva fue justamente el criterio humano para simplificar lo que las máquinas habían complicado.

Cuánto cuesta de verdad trabajar con agentes

El dato que casi nadie publica es el gasto. Stolovitz destina unos US$3.000 mensuales en tokens a su uso personal y profesional. Sus suscripciones son más modestas de lo que se esperaría: Claude Pro a US$17/mes y GitHub Copilot Pro a US$10/mes, y canceló su suscripción de OpenAI aproximadamente un mes antes de escribir el artículo.

Ese contraste entre una suscripción de US$17 y un gasto de US$3.000 en consumo revela el modelo económico real de la era agéntica: el valor ya no está en la licencia, sino en el volumen de tokens que cada tarea consume. Según el informe AI Code Assistants Market – Global Forecast to 2036 de ResearchAndMarkets (difundido por Yahoo Finance), el mercado de asistentes de código pasó de US$4.600 millones en 2025 a una estimación de US$9.800 millones en 2026, y proyecta US$68.710 millones para 2036 con una tasa de crecimiento anual compuesta del 21,5%.

El mismo informe señala que Claude Code, de Anthropic, alcanzó un run-rate superior a US$2.500 millones, y que el constructor de apps sueco Lovable llegó a US$100 millones de ingresos recurrentes anuales apenas ocho meses después de su lanzamiento.

Qué dice el mercado sobre la productividad real

La adopción es masiva, pero el impacto medido es contradictorio. La encuesta de Stack Overflow de 2025, citada en el informe de ResearchAndMarkets, encontró que el 84% de los desarrolladores usa o planea usar herramientas de IA, frente al 76% del año anterior, y que la mitad de los profesionales las usa a diario.

Sin embargo, un análisis publicado en HackerNoon sobre el despliegue de asistentes agénticos en una entidad financiera regulada recoge la letra chica: la encuesta de Stack Overflow de 2025 muestra que solo el 14,1% de los desarrolladores usa agentes de IA a diario, y la investigación DORA de 2025 indica que cerca del 90% de los profesionales tech usa IA pero un 30% confía poco o nada en el código que produce.

Los estudios de productividad tampoco son unánimes. El mismo análisis cita un ensayo aleatorizado de METR de julio de 2025 en el que desarrolladores experimentados de código abierto tardaron 19% más en completar tareas en bases de código grandes y conocidas, aunque creían haber sido un 20% más rápidos. En contraste, un estudio de GitHub Copilot de 2023 midió un 55,8% de aceleración en una tarea nueva de JavaScript. La diferencia entre ambos escenarios —código maduro versus código nuevo— es la que debería guiar cualquier decisión de adopción.

El cuello de botella se movió a la revisión. Los benchmarks de 2026 de LinearB, construidos sobre 2,7 millones de pull requests de más de 250 organizaciones, muestran que los desarrolladores que más usan IA casi duplicaron sus PRs fusionados año contra año, pero que los PRs asistidos por IA fueron 2,6 veces más grandes en el percentil 75 y que los PRs abiertos por agentes esperaron más de cinco veces más tiempo para ser revisados.

Dónde la IA sigue fallando, según este ingeniero

Stolovitz es tan específico con los límites como con los logros:

Escritura: no usa IA para redactar desde cero ni para hacer esquemas. Dice que el texto generado es «plúmbeo, repetitivo y vacío», y que los editores de IA son «sycophantic» (adulan) y regresan a la media: ayudan a quien escribe peor y perjudican a quien escribe mejor.
Investigación novedosa: la IA lo desvió. Cuando preguntó si existían mejores arquitecturas para su modelo de detección de turnos de voz, descubrió que sí, y que la herramienta lo había encaminado mal. Un problema que llevaba días resolviéndose con la máquina se aclaró en una conversación con un colega humano.
Imagen y video generativos: los califica como un saldo neto negativo, por reemplazar trabajo de artistas en lugar de potenciarlo.
Voz: a pesar de que su equipo en Salesforce investiga el tema, todavía no encontró una forma fluida de hablar con los agentes más allá del dictado.

También documenta un costo humano que rara vez aparece en los casos de éxito: la fatiga de sostener seis conversaciones simultáneas con seis robots sobre seis problemas distintos, y la pérdida del oficio de programar, que para muchos era la parte meditativa del trabajo.

¿Qué significa esto para tu startup?

El caso de Stolovitz no es una recomendación de compra: es un mapa de costos y límites. Para un equipo pequeño, la lectura práctica es esta.

1. Separa el gasto de licencias del gasto de consumo. Una suscripción de US$17 puede esconder un consumo de miles de dólares en tokens. Antes de escalar agentes, instrumenta el gasto por tarea y por equipo. Si no puedes atribuir el costo a un resultado, no puedes defenderlo ante un inversor ni ante tu propio flujo de caja.

2. Mide tu propio resultado, no el del promedio. La evidencia pública va del 55,8% de aceleración en código nuevo al 19% de lentitud en código maduro. El análisis de HackerNoon recomienda comparar cohortes —equipos que adoptan contra equipos que no— sobre las mismas métricas: tiempo de entrega, tasa de fallos en producción y retrabajo en los PRs asistidos. Una ganancia de velocidad que viene con más fallos no es una ganancia.

3. Prepara la revisión antes que la generación. Si los agentes producen PRs más grandes y que esperan cinco veces más para revisarse, tu cuello de botella se muda a la revisión de código. Define reglas de arquitectura, guías para los agentes y harnesses de test automáticos antes de multiplicar el volumen de código generado.

4. Escribe tu propia política de uso. Stolovitz redactó una política personal de IA para decidir dónde la usa y dónde no. En una startup, esa política debería ser un documento de equipo: qué se delega, qué se revisa siempre, qué no se genera nunca y cómo se marca el contenido producido por máquinas.

Conclusión

El salto de autocompletar código a gestionar media docena de agentes ocurrió en doce meses. El mercado lo confirma: los asistentes de código pasaron de US$4.600 millones a casi US$9.800 millones en un año, según ResearchAndMarkets. Pero el testimonio de Stolovitz y los datos de productividad muestran que la ganancia no es automática ni uniforme.

La ventaja no está en tener más agentes, sino en saber cuándo el criterio humano vale más que la velocidad de la máquina. Su mejor proyecto del año fue reemplazar 4.000 líneas generadas por unos pocos cientos escritas a mano. Esa sigue siendo la habilidad que ninguna suscripción incluye.