Los agentes de IA no se pierden en el código, y por eso el refactoring ya no llega

Por Zendoric · 3 de septiembre de 2026.

Durante años, el freno contra el código ilegible fue accidental: un ingeniero se perdía en una función enredada, no podía sostenerla en la cabeza y decidía refactorizar antes de seguir. El desarrollador Rodrigo Rosenfeld Rosas sostiene en un ensayo reciente que esa señal ya no se dispara. Los agentes de IA que hoy escriben buena parte del código no tienen memoria de trabajo limitada: pueden leer una función enmarañada, rastrear cada llamada y añadir la siguiente rama sin cansarse ni perderse. El resultado, según Rosenfeld, es que el refactoring —esa limpieza estructural del código que antes forzaba la fatiga humana— dejó de ocurrir casi sin que nadie lo note.

El fenómeno ya tiene nombre: Oleg Lola, CEO de MobiDev, lo llama "vibe debt" en un artículo de Forbes de julio de 2026 sobre programación asistida por IA sin disciplina ("vibe coding"). Según Lola, esa deuda técnica —dependencias que la IA alucina, vulnerabilidades ocultas, arquitecturas que nadie termina de entender del todo— se acumula "20 veces más rápido" que la deuda técnica tradicional. Antes tardaba unos tres meses en doler; ahora, según su lectura, ese plazo se comprime drásticamente.

El punto ciego que señala Rosenfeld es más inquietante que la deuda técnica en sí misma: cuando ningún miembro del equipo puede razonar sobre partes clave del sistema sin pasar por el agente, las revisiones de código (code reviews) se convierten en un trámite vacío, porque el revisor ya no puede seguir el cambio que aprueba. El equipo termina confiando en el agente precisamente porque dejó de entender lo que el agente construye: la inversa exacta de cómo debería funcionar la confianza técnica. Y la pérdida es gradual, sin un momento de alarma, porque la alarma dependía de que un humano se perdiera —y ahora quien navega el código ya no es humano.

Rosenfeld no se queda en el argumento moral: hay un motivo económico para mantener el código modular incluso trabajando con agentes. Un archivo enmarañado obliga al agente a leer más ficheros, trazar más ramas y consumir más tokens —las unidades de texto que factura cada llamada a un modelo de lenguaje— por cada cambio. Un sistema de módulos pequeños y autocontenidos es más barato de operar y reduce la ambigüedad que dispara alucinaciones. La misma modularidad que antes cabía en una cabeza humana ahora cabe en la ventana de contexto que el agente puede procesar con precisión: buena economía, no solo buen estilo de código.

La presión para acelerar con agentes, mientras tanto, ya no es una opción para las startups: es la apuesta de las plataformas grandes. Meta presentó el 5 de agosto de 2026 su agente de programación Muse Code, construido sobre el modelo Muse Spark 1.2 y capaz de planificar cambios, escribir código y validar resultados en repositorios grandes, según reportó SiliconANGLE. Alexandr Wang, responsable de los Superintelligence Labs de Meta, dijo a CNBC que su estrategia es competir por precio: un nivel de servicio "más de 10 veces más barato" que la competencia, a cambio de poder usar los datos de uso para mejorar el producto. En paralelo, Microsoft empezó a retirar licencias de Claude Code —el agente de programación de Anthropic— en su división Experiences + Devices (Windows, Microsoft 365, Teams, Outlook y Surface) para empujar a sus ingenieros hacia su propio GitHub Copilot CLI, según The Verge. El propio CEO Satya Nadella había revelado antes que hasta un 30% del código de Microsoft ya se escribe con IA generativa.

Nuestra lectura: esto es, otra vez, el patrón que venimos observando en cada frontera donde la IA gana autonomía. El cuello de botella no es la capacidad —los agentes ya escriben código de sobra— sino la gobernanza: los mecanismos que obligan a que un sistema siga siendo auditable, explicable y mantenible por humanos. Ya lo vimos con las decisiones algorítmicas que despiden o banean sin dar motivos: el reclamo no era que acertaran más, sino que rindieran cuentas. Con el código pasa algo parecido. La velocidad del agente no es el problema; el problema es que, sin querer, eliminó el único freno gratuito que teníamos.

A corto plazo el riesgo es concreto y merece tomarse en serio: founders que llegan a una ronda Series A con un producto construido a toda velocidad y descubren que ese MVP es una caja negra que ni sus propios ingenieros senior pueden mantener, migrar o auditar con confianza. Es el tipo de deuda que no se nota hasta que hay que escalar, cambiar de proveedor o convencer a un ingeniero senior de firmar un cambio que no entiende. Rosenfeld tiene razón al insistir en que la responsabilidad última sigue siendo humana: el agente puede señalar los módulos que se volvieron demasiado grandes o caros de mantener, pero decidir refactorizar sigue siendo una decisión de gobierno de producto, no una que se pueda delegar por completo.

A largo plazo, sin embargo, el mismo argumento económico de Rosenfeld apunta hacia donde creemos que va esto: si el código modular es más barato para el agente igual que lo era para el humano, la disciplina de arquitectura no desaparece con la IA, se vuelve más rentable con ella. Los equipos que traten la gobernanza del código —límites claros entre módulos, revisión real, presupuesto explícito para refactoring— no como un lujo sino como parte del coste de operar agentes, construirán sistemas que escalan más barato que los que confían ciegamente en la velocidad del agente. Ahí está la abundancia real que promete el desarrollo agéntico: no software infinito sin disciplina, sino equipos pequeños capaces de sostener sistemas grandes sin que la complejidad los devore, siempre que alguien —humano o el propio agente configurado para señalarlo— siga haciendo la pregunta que antes hacía el cansancio.