Mapa de habilidades de ingeniería de IA: Uso de agentes de programación

Una habilidad clave en la ingeniería de IA es el uso de agentes de codificación. Tu destreza para guiarlos tanto a escribir código como a realizar tareas que no son de código, como analizar datos o gestionar operaciones del sistema, te permite lograr mucho más.

El rápido ritmo de evolución de los agentes de codificación significa que esta habilidad también está evolucionando rápidamente, más rápido que otras habilidades de alto nivel en ingeniería de IA. Los agentes propietarios (como Claude Code, Codex y Cursor) y los agentes abiertos (como OpenCode y Pi) avanzan a pasos agigantados gracias a mejoras tanto en el marco de trabajo como en los modelos. Por lo tanto, mantenerse al día en el uso de agentes de codificación requiere un proceso continuo de experimentación, construcción y aprendizaje.

Al entrevistar a docenas de los mejores ingenieros de IA y reflexionar sobre el uso de agentes de codificación en nuestro propio equipo, encontramos un flujo de trabajo consistente de alto nivel para construir software con ellos. Los pasos clave son:

• Planificación. Esto incluye (i) la lluvia de ideas, que puede implicar investigación, experimentación y comprensión del código base existente (si lo hay) y (ii) la redacción de una especificación que capture los requisitos, el diseño técnico y la arquitectura, seguida de la generación de un plan de ejecución. También podrías revisar el plan para cuestionar supuestos clave y verificar la seguridad, el exceso de ingeniería y otras deficiencias.
• Ejecución, donde construyes, pruebas y verificas, con el equilibrio adecuado entre la autonomía del agente y la supervisión humana. Esto implica (i) que el agente construya el software, con un nivel calibrado de autonomía del agente y (ii) verificar su resultado mediante comprobaciones automatizadas y/o humanas.
• Despliegue y monitoreo, en los que (i) despliegas, quizás con un pipeline de CI/CD o compuertas humanas adicionales, y (ii) usas agentes para observar registros, detectar problemas y proponer y ejecutar mejoras.

Este flujo de trabajo de alto nivel es similar al que se usaba típicamente para construir software antes de los agentes de codificación. Ahora, nos enfocamos mucho menos en el código y, en cambio, nos concentramos en decidir qué construir, diseñar la arquitectura, redactar la especificación y verificar los resultados.

La duración de cada paso puede variar significativamente entre proyectos, y algunos pasos pueden omitirse. Por ejemplo, la especificación para un prototipo greenfield (construido desde cero) podría describirse de manera informal en un prompt escrito rápidamente, mientras que la especificación para un proyecto brownfield (preexistente) con muchos usuarios podría requerir mucho más esfuerzo para escribir y verificar. Además, el flujo de trabajo es altamente iterativo, y los desarrolladores expertos saben cuándo la retroalimentación de un paso posterior debería llevarlos de vuelta a uno anterior. Por ejemplo, si la verificación falla, saben cómo guiar al agente para reconstruir y corregir errores; o si el monitoreo revela problemas, saben cómo hacer que los agentes actualicen el sistema y lo vuelvan a desplegar.

Para usar agentes de codificación de manera efectiva en este flujo de trabajo, las habilidades clave son:

• Dirigir el flujo de trabajo
• Habilitar la autonomía del agente
• Revisar el trabajo
• Personalizar el agente y su entorno
• Fundamentos de los agentes de codificación

Dirigir el flujo de trabajo. Sabes cómo navegar cada paso del flujo de trabajo anterior. Esto implica decidir cuánto esfuerzo humano y cuánto del agente dedicar a cada uno y cuándo volver a un paso anterior para iterar. Requiere una comprensión profunda de las compensaciones entre velocidad, costo, riesgo técnico y esfuerzo humano, para que puedas decidir cuánto investigar y planificar de antemano, cuándo retener la propiedad humana sobre el trabajo crítico, cómo elegir la arquitectura, cuánto detalle incluir en un conjunto de artefactos de planificación (como una especificación) y cómo descomponer el trabajo en pasos verificables.

Habilitar la autonomía del agente. Al aplicar un agente de codificación a los pasos del flujo de trabajo, eliges el nivel de autonomía: ¿Lo observas y mantienes un ir y venir interactivo, o le delegas un bloque de trabajo más grande? ¿Y cuándo estableces un objetivo claro y haces que el agente itere hasta que tenga éxito? Además, debes gestionar el contexto cuidadosamente para el agente. A medida que la construcción avanza por diferentes fases, calibrarás cuándo asegurarte de que los aprendizajes clave, los comentarios de los usuarios y los supuestos (incluyendo aquellos que cambiaron durante la construcción) se capturen para que el agente los utilice más adelante. Adicionalmente, decidirás cuándo configurar múltiples agentes para que trabajen en paralelo en una descomposición de la tarea, ya sea mediante un humano o un agente de nivel superior que orqueste a estos otros agentes, y cómo gestionar la atención humana en sesiones de agentes concurrentes. También sabes cómo ejecutar agentes de forma segura, estableciendo permisos y acciones de control de acceso adecuadas para permitir que el desarrollo avance rápidamente mientras se limita el riesgo de filtraciones, pérdida de datos u otros daños.

Revisar el trabajo. El resultado de un agente de codificación es incierto. No sabemos de antemano qué buenas ideas podría generar ni qué errores implementará. Revisar y verificar el resultado es un paso clave para asegurarte de que obtienes el resultado deseado y redirigir al agente si no es así. Diseñarás pruebas y validaciones que se ajusten a la tarea, aplicando verificación tanto conductual como funcional según sea necesario. También podrías probar flujos de usuario, quizás haciendo que un agente proporcione capturas de pantalla como evidencia de éxito o fracaso. Para la evaluación cualitativa/conductual, se pueden usar conjuntos de evaluación, quizás con un LLM como juez.

También debes decidir qué parte de estas pruebas deben automatizarse. Algunos flujos de trabajo tendrán todas las pruebas y validaciones completamente automatizadas para que el agente pueda verificar su trabajo y saber cuándo ha completado una tarea con éxito. Debes evaluar las pruebas para asegurarte de que correspondan a tus objetivos, y las evolucionarás si no es así. Además, utilizas la revisión de código agentiva y realizas auditorías de seguridad y arquitectura habilitadas por IA. Cuando la revisión de IA no es suficiente, insertas juiciosamente revisiones humanas del comportamiento del código (y, con poca frecuencia, del código en sí) mientras exploras cómo automatizar aún más esta revisión. Finalmente, verificas el despliegue y puedes operacionalizar el monitoreo y la gestión de incidentes con agentes.

Personalizar el agente y su entorno. Tu capacidad para actualizar tanto al agente como al entorno en el que trabaja permite que tus agentes obtengan eficientemente el contexto que necesitan, accedan a herramientas y construyan de manera correcta y eficiente. Sabes cómo integrar habilidades, plugins y servidores MCP en el agente. Ocasionalmente, los podarás cuando ya no sean necesarios (por ejemplo, cuando un nuevo modelo vuelve obsoleta una habilidad antigua). Puedes usar hooks para automatizar partes repetibles del proceso de desarrollo, como activar revisiones de código automatizadas o pipelines de CI/CD. También puedes mantener el entorno en el que trabaja el agente: actualizando el contexto permanente (como AGENTS.md o CLAUDE.md) con información sobre el código base, supuestos arquitectónicos clave, estilo de código y patrones de acceso a datos. Sabes cómo preservar el estado a través de múltiples sesiones y entre agentes paralelos, y acumular aprendizajes del agente a lo largo del tiempo, quizás realizando retrospectivas posteriores a la ejecución para capturar lo que funcionó y lo que no. También sabes cómo establecer convenciones y estructuras consistentes para que tu código base sea navegable para el agente, y cómo limpiar ocasionalmente la deuda generada por el agente. Cuando trabajas en equipo, consideras cómo coordinar el contexto entre los agentes de diferentes desarrolladores.

Fundamentos de los agentes de codificación. Finalmente, para tomar buenas decisiones en todo momento, tienes una buena comprensión de cómo funcionan los agentes de codificación: cómo realizan la búsqueda/recuperación del código base, cómo gestionan sus ventanas de contexto, cómo diferentes operaciones (como agregar llamadas a herramientas, servidores MCP, etc.) afectan el contexto, cómo interactúan los agentes y subagentes, y cómo se construye el agente envolviendo un marco de trabajo alrededor de un LLM. Esto hace que el agente sea menos una caja negra y te ayuda a reconocer modos de fallo, como el exceso de ingeniería en una solución simple, la pérdida de rigor porque el agente carece de un proceso de verificación explícito, quedarse corto en el objetivo, o acciones del agente que arriesgan la destrucción de archivos o datos de producción. También te ayuda a razonar sobre el estado del agente y guiarlo dándole la prescripción o el contexto adecuados. Y al monitorear una ejecución, esta comprensión te permite detectar mejor cuándo el agente se desvía y requiere tu intervención.

Encuentro que las redes sociales a menudo dan descripciones demasiado simplificadas de cómo usar agentes de codificación. Por ejemplo, a veces es útil hacer que los agentes se ejecuten de forma autónoma durante horas y consuman millones o decenas de millones de tokens. Pero actualmente, la utilidad práctica de las tareas de horizonte muy largo, especialmente en relación con su costo, se ha amplificado más allá de la realidad. En cambio, el uso más efectivo de los agentes de codificación es un proceso complejo y altamente iterativo, y ser capaz de intervenir con un juicio de alto nivel da resultados mucho mejores.

Tu habilidad para usar agentes de codificación te convertirá en un constructor efectivo. Esto te posiciona para también dirigir la construcción general. Diré más sobre esto en un artículo futuro.