La mayoría de las funciones de tecnología siguen organizadas para escribir código, que es justo lo que los agentes ya hacen. Casi todos los que tienen algo serio que decir sobre el asunto coinciden en que el código ha dejado de ser el trabajo. Andrew Ng lo resume así: «Como ahora podemos construir rápido, hay que dedicar una fracción mayor del tiempo a decidir qué construir» (The Batch, abril de 2026). Marty Cagan, desde el otro lado del debate, cita a Hilary Gridley: «Nunca ha sido más rápido construir, lo que significa que nunca ha sido más fácil correr diez veces más deprisa en la dirección equivocada» (SVPG, julio de 2026). Discrepan en quién debe hacer ese trabajo nuevo, y esa es la discusión que la mayoría de los comités de dirección de tecnología están teniendo sin saber que la tienen.

Mi posición es esta. A una función de tecnología le quedan dos trabajos que no son escribir código: construir la máquina que produce software con agentes, y acercarse al negocio lo suficiente para proponer cosas que este no ha pedido. El segundo cae de lleno en el terreno de producto. Ese choque no se resuelve solo, y dejar que lo resuelva el roce produce el peor resultado posible: dos funciones escribiendo especificaciones para los mismos agentes, o ninguna.

Ya no es una hipótesis

Conviene fijar dónde está hoy la frontera, porque en muchos comités la conversación sigue anclada en los asistentes de autocompletado. En OpenAI, un equipo que pasó de tres a siete ingenieros construyó en cinco meses un producto de alrededor de un millón de líneas sin escribirlas a mano, en una décima parte del tiempo que habría costado hacerlo de la forma convencional. Su resumen del modelo cabe en cuatro palabras: «Los humanos dirigen. Los agentes ejecutan» (OpenAI, febrero de 2026). Los agentes internos de Stripe son «responsables de más de mil pull requests integradas cada semana», que las personas revisan pero no escriben (Stripe, febrero de 2026). Airbnb migró cerca de 3.500 archivos de pruebas en seis semanas, frente a una estimación de año y medio de trabajo de ingeniería (Airbnb Engineering, marzo de 2025).

Son empresas de software con equipos de plataforma muy por encima de la media. Eso no invalida la evidencia: indica hacia dónde va todo el mundo, con dos o tres años de retraso.

El primer trabajo: la máquina

El mismo equipo de OpenAI dice dónde está ahora lo difícil: en «diseñar entornos, bucles de retroalimentación y sistemas de control» que permitan a los agentes construir software fiable a escala. Birgitta Böckeler, de Thoughtworks, lo reduce a una ecuación: Agente = Modelo + Arnés (martinfowler.com, abril de 2026). El modelo se compra. El arnés se construye: las guías que orientan al agente antes de actuar, como estándares, convenciones y especificaciones, y los sensores que observan lo que hizo y le permiten corregirse, como las pruebas, el análisis estático y la observabilidad.

La forma de trabajar que esto habilita no se parece a programar. En una migración se provoca a propósito el cambio que rompe la compilación, se deja a los agentes reparar en segundo plano, se lee en un panel qué clases de fallo quedan, se clasifican y se lanza otra ronda. Mitchell Hashimoto da la regla de operación: «cada vez que descubres que un agente comete un error, dedicas el tiempo a diseñar una solución para que ese agente no vuelva a cometerlo» (febrero de 2026). Eso es mantener una línea de producción, no usar una herramienta.

El informe DORA de 2025, con unos 5.000 encuestados, aporta el hallazgo que debería ordenar las inversiones. La IA mejora ya el rendimiento y sigue degradando la estabilidad: «Sin sistemas de control robustos, como pruebas automatizadas sólidas, prácticas maduras de control de versiones y bucles de retroalimentación rápidos, un aumento del volumen de cambios conduce a inestabilidad» (DORA, septiembre de 2025). Su frase principal es la más citada y la menos aplicada: la IA no arregla a un equipo, amplifica lo que ya hay.

Mi lectura es directa. La mayoría de las organizaciones tratan esto como adopción de una herramienta y la miden con métricas de adopción: licencias activas, tasa de aceptación, horas ahorradas. Es infraestructura, y necesita lo que necesita cualquier infraestructura: un responsable, un presupuesto y una hoja de ruta propia. La pieza que casi nadie tiene es la verificación continua de que lo que corre en producción sigue haciendo lo que dice la especificación. Sin ella, todo el código generado se acumula delante de revisores que no han escrito nada de lo que leen, y el cuello de botella pasa de escribir a revisar sin que nadie haya decidido que así sea.

Los roles se vuelven líquidos

Boris Cherny, que dirige Claude Code en Anthropic, describe así a su equipo: «todo el mundo programa. Nuestro product manager programa, nuestro responsable de ingeniería programa, nuestra diseñadora programa». Sitúa el solape entre roles en torno al 50 % y espera que el título de ingeniero de software dé paso al de «constructor» (Lenny’s Podcast, febrero de 2026). Ng describe equipos que bajan la proporción de ingenieros por product manager «de, digamos, 8 a 1 hasta 1 a 1» y defiende al generalista: «Cuando un ingeniero entiende a los usuarios y puede decidir qué construir y construirlo directamente, ejecuta a una velocidad increíble».

La cadena en la que una persona recoge la necesidad, otra la traduce a requisitos, otra la diseña y otra la implementa existía porque implementar era caro. Cuando implementar es barato, cada traspaso solo añade latencia y pérdida de información. La división que sigue es más brusca que un rol nuevo con un título atractivo. Unos perfiles se acercan al problema, al dominio y a la especificación. Otros se hunden en lo que los agentes no resuelven: diseño de sistemas, requisitos no funcionales y decisiones cuyo coste aparece tres años después. El perfil que se queda sin sitio es el del medio, el traductor.

El choque con producto

Este es el conflicto que casi ningún análisis del tema nombra con claridad. Producto ha tenido empaquetadas tres cosas que ahora se separan: la decisión sobre qué se construye, la conversación con el cliente y con el negocio, y la especificación. Las tres vivían en producto porque ingeniería estaba ocupada construyendo. Ahora ingeniería tiene tiempo, y la especificación ha dejado de ser un documento para convertirse en la entrada que ejecuta un agente.

Los dos bandos están bien definidos. El de los constructores, con Cherny, el equipo de PostHog, Gergely Orosz y en parte Ng, sostiene que quien está más cerca de entregar debe ser dueño de las tres. El de producto, con Cagan, Shreyas Doshi y Teresa Torres, sostiene que el criterio sobre valor y viabilidad es una habilidad distinta, y que construir barato encarece cada mala decisión. Cagan lo dejó por escrito a finales de septiembre: «Los ingenieros, los diseñadores y los product managers siguen existiendo, y sostengo que los buenos son más importantes que nunca» (SVPG, septiembre de 2026). El mercado tampoco ha comprado el colapso de roles: en marzo había más vacantes de product manager abiertas que en ningún momento desde 2022 (Lenny’s Newsletter, marzo de 2026). Y Böckeler señala el hueco que nadie cubre: las herramientas de desarrollo dirigido por especificación dan por hecho que el desarrollador hará el análisis de requisitos, y «Nada de esto se hace explícito» (martinfowler.com, octubre de 2025).

Mi posición tiene tres partes, y ninguna reparte la diferencia.

La especificación es de quien construye. Una especificación que un agente va a ejecutar tiene que anticipar casos límite, requisitos no funcionales y consecuencias en otras partes del sistema, y quien no puede juzgarlos produce código equivocado a gran velocidad. El product manager que funciona como planificador, notario del estado del proyecto o cortafuegos entre el negocio y tecnología no tiene función en el modelo nuevo. Ese perfil desaparece, y es mejor decírselo pronto a quienes lo ocupan.

La decisión sobre qué se construye no pasa automáticamente a ingeniería, y esto es lo que el bando de los constructores deja fuera. Casi todos sus ejemplos vienen de empresas que fabrican herramientas para desarrolladores, donde el ingeniero es el cliente y el criterio de producto viene incluido. En un distribuidor hotelero, una aseguradora o una cadena de distribución, el ingeniero no es el cliente. Ahí el criterio sobre qué problema merece resolverse y cuánto vale sigue siendo escaso, y quien lo tiene de verdad sale reforzado. Menos product managers, mejores, dueños del problema y no del backlog.

La frontera entre ambos es la decisión de diseño más importante del modelo operativo, y hay que escribirla. Producto responde del porqué y de si funcionó comercialmente. Tecnología responde de la especificación y de que lo construido haga lo que esta dice. Si nadie responde cuando una funcionalidad hecha por agentes funciona técnicamente y fracasa en el mercado, el modelo está mal diseñado, por bueno que sea el pipeline.

El segundo trabajo: acercarse al negocio

El reparto clásico era cómodo: el negocio decía lo que quería y tecnología decía lo que costaba. Quien lo rompe es el negocio. Cuando el abanico de lo posible se abre tan deprisa, el negocio pide lo que sabe que existe, que es lo que existía hace dos años. Gartner preguntó a 456 CEO y directivos: el 66 % dijo que sus modelos de negocio no están preparados para la IA, y solo el 44 % consideraba que su CIO entiende de IA (Gartner, mayo de 2025). El dato corta en los dos sentidos: el negocio no sabe qué pedir, y no se fía de que tecnología se lo diga.

Tecnología tiene un activo que ha gastado mal. El negocio describe el camino feliz; tecnología conoce los casos límite y ha tenido que formalizar procesos que el negocio dejaba difusos, porque un sistema no tolera la ambigüedad. Ese conocimiento se consumía discutiendo requisitos a mitad de proyecto. En la configuración nueva es lo que hace posible proponer.

El vínculo con el conflicto anterior es directo. Una función de tecnología que solo habla con el negocio a través de producto no puede acercarse a él. Acercarse significa ingenieros con criterio de producto sentados donde se toman las decisiones del negocio, junto a los product managers que queden y no detrás de ellos. Y significa desarrollar algo de lo que tecnología ha carecido tradicionalmente: una visión propia del negocio, defendible ante quienes lo dirigen. No se trata de ser un proveedor más atento. Se trata de que el negocio ya no sabe qué pedir.

Qué medir y qué decidir

Las métricas de adopción suben con facilidad y no mueven nada. Dos números sí dicen algo. El primero es el tiempo que pasa desde que alguien tiene una idea hasta que está funcionando en producción, medido de punta a punta e incluyendo las esperas: dice si la máquina existe. El segundo es la proporción de lo que se construye que tecnología propuso en lugar de recibir: dice si tecnología se ha acercado al negocio.

Y hay tres decisiones que un comité de dirección tiene que tomar por escrito este año: quién es dueño de la especificación, quién es dueño del problema y quién responde cuando algo construido por agentes funciona técnicamente y fracasa en el mercado. Las organizaciones que no las tomen no se quedarán sin agentes. Se quedarán con agentes que producen, a toda velocidad, lo que pidió la última persona que habló en la sala.