00:00:00lo que realmente distingue a los desarrolladores que prosperarán de los que serán reemplazados.
00:00:04Desde que la IA se volvió algo cotidiano, ha empezado a automatizar muchísimas cosas por nosotros,
00:00:08transformando por completo nuestros flujos de trabajo; como vieron en nuestro video anterior,
00:00:12Claude se ha convertido en un orquestador de agentes. Los desarrolladores de software fueron los primeros en adoptarla
00:00:17masivamente, ya que gran parte de su trabajo implicaba escribir código repetitivo que solía volverse
00:00:21ineficiente. Ahora la IA es parte fundamental del flujo de trabajo de todo desarrollador, y si todavía usas
00:00:26la IA igual que hace seis meses, te estás quedando atrás. Ante este panorama,
00:00:31Anthropic publicó un artículo analizando las tendencias en el desarrollo de software. Al comentarlo
00:00:35en el equipo, nos dimos cuenta de que era algo muy integrado en nuestro flujo de trabajo y que nos identificaba.
00:00:40El ciclo de vida del desarrollo de software está cambiando drásticamente. Los ciclos que solían tardar
00:00:46semanas o meses ahora ocurren en horas gracias a la IA. El ciclo de vida tradicional era así:
00:00:51semanas de planificación y diseño, implementación y pruebas, revisión, y luego el ciclo se repetía.
00:00:56Eso cambió con la IA. Ahora solo expresas tu intención y el agente genera una implementación.
00:01:01Las únicas partes donde los humanos aún intervienen son la revisión y la expresión de la intención. El
00:01:05resto lo gestionan los agentes de IA. Esto cambia por completo el significado de la ingeniería. El desarrollo de software
00:01:11ya no consiste en escribir código. Consiste en orquestar agentes que escriben código, dar
00:01:16dirección estratégica y asegurar que el sistema funcione como se espera. Incluso la inducción ha pasado
00:01:21de semanas a horas. La IA puede explorar la base de código e integrar a nuevos miembros de inmediato. Y ahora,
00:01:26como nuestro enfoque está en dirigir agentes, todos nos estamos convirtiendo en ingenieros full stack en lugar de
00:01:30especialistas en un solo dominio. Los ingenieros pueden trabajar con solo conocimientos básicos de su tecnología,
00:01:35y la IA llena los vacíos cuando les falta conocimiento. Esto permite ciclos de retroalimentación más cortos y un aprendizaje
00:01:40más rápido. Semanas de coordinación entre equipos se convierten en una sola sesión de trabajo. Esto coincide exactamente con lo que
00:01:45el CEO de Linear predijo en su artículo: que la fase intermedia del flujo de software ha sido reemplazada
00:01:50por la IA. Si sigues dedicando tu tiempo a esa fase intermedia, estás trabajando en contra de este cambio.
00:01:55Y esto nos devuelve al mismo principio del que siempre hablamos. Necesitas ser eficaz
00:01:59en tu planificación y expresar tu intención de forma clara. La habilidad que más importa ahora es la claridad;
00:02:05es decir, describir exactamente lo que necesitas y lograr que los agentes entreguen el mejor producto. Antes de continuar,
00:02:10Team AI Labs asistirá al Web Summit 2026 que se celebra en Doha, Catar. Si vas a asistir
00:02:16o estás cerca, es tu oportunidad de conocer al equipo, conectar con nosotros y aprender. ¡Los esperamos!
00:02:20Hemos evolucionado de agentes individuales a sistemas multiagente. Ya mencionamos
00:02:26en nuestro video anterior que Claude Code ha implementado una arquitectura multiagente
00:02:31dentro de su producto. Antes, la estructura manejaba el desarrollo con un solo
00:02:36agente con una única ventana de contexto que gestionaba todas las tareas por sí mismo. El problema era que
00:02:41esa ventana de contexto se saturaba rápido porque había demasiada información en su memoria de trabajo,
00:02:46haciendo que perdiera el enfoque. Ahora hay un agente orquestador que actúa como un gerente de proyecto y
00:02:51delega tareas a agentes especialistas. Cada agente tiene su propia ventana de contexto y luego
00:02:56integra el resultado para producir el producto final. Aunque Claude gestiona la creación y
00:03:00manejo de agentes por su cuenta, nosotros creamos nuestros propios agentes para tareas especializadas.
00:03:06Usamos estos agentes porque fueron diseñados según nuestras preferencias usando diferentes modelos de Claude según la dificultad
00:03:10de la tarea y con instrucciones para guiar al agente. Los subagentes han mejorado porque
00:03:15ahora puedes dejarlos ejecutándose en segundo plano, manejando diferentes aspectos de la aplicación
00:03:18simultáneamente, acelerando todo el proceso. Los agentes de ejecución prolongada serán cada vez más capaces.
00:03:24Los agentes han pasado de construir funcionalidad por funcionalidad a ser capaces de crear sistemas completos
00:03:28por sí mismos. Esto empezó a surgir a finales de 2025, tras el lanzamiento de modelos como Opus 4.5 y GPT 5.2.
00:03:35En 2026, los agentes podrán trabajar durante días seguidos con mínima intervención humana. Antes,
00:03:41los agentes manejaban partes pequeñas de una aplicación. Ahora construyen y prueban aplicaciones
00:03:46y sistemas enteros, verificando que el sistema funcione antes de pasar a la siguiente
00:03:50función. Dedicamos un video explicando cómo hacer más eficaces estos sistemas de ejecución prolongada,
00:03:55el cual pueden ver en el canal. Con las herramientas y flujos adecuados, los agentes pueden planificar,
00:04:00iterar y recuperarse de errores a escala. Esto cambia la economía del desarrollo. En las grandes
00:04:04empresas, el software acumula años de deuda técnica que nadie tenía tiempo de resolver. Ahora los agentes
00:04:10pueden trabajar activamente en ese rezago. Esto también abre un camino para los emprendedores. Antes,
00:04:15el principal obstáculo era la brecha de habilidades y el tiempo. La gente tenía ideas pero no recursos para construirlas. Con
00:04:20agentes autónomos, las startups ahora pueden crear y lanzar productos en días. Nosotros también usamos
00:04:25agentes de ejecución prolongada. Nuestro flujo para tareas largas usa un archivo Claude.md con instrucciones.
00:04:31Guiamos a Claude para que realice pruebas tras cada implementación. Para que una función se considere terminada, Claude necesita
00:04:36una forma de verificar que funcione. Probamos internamente con agentes, y para pruebas visuales usamos Claude
00:04:41Chrome. Una vez completadas las pruebas desde la perspectiva del agente y la verificación visual,
00:04:46subimos los cambios a Git con mensajes descriptivos. Esto es importante porque los agentes tienden a
00:04:50modificar código y pruebas que no pedimos. Git nos permite revertir cambios fácilmente. Siempre le pedimos a Claude
00:04:56que documente las decisiones tomadas, para que los commits estén limpios y listos para producción. Para maximizar el tiempo,
00:05:01le pedimos a Claude que divida las tareas en unidades pequeñas e independientes y asigne agentes para trabajar en
00:05:06ellas simultáneamente. Si quieren este Claude.md y los agentes para usarlos en sus
00:05:11propios proyectos, pueden encontrarlos en AI Labs Pro. Para quienes no lo sepan, es nuestra comunidad
00:05:16recién lanzada donde obtienen plantillas listas para usar, prompts, todos los comandos y habilidades
00:05:21que pueden integrar directamente en sus proyectos para este y todos los videos anteriores. Si
00:05:25valoran lo que hacemos y quieren apoyar al canal, esta es la mejor forma. Enlaces en la descripción.
00:05:30La supervisión humana está escalando mediante la colaboración inteligente. A medida que los agentes mejoran,
00:05:35pueden revisar resultados mucho más rápido que nosotros. No podemos revisar la enorme cantidad de resultados
00:05:40que los modelos producen a la misma velocidad que los agentes, así que confiamos en ellos para todo tipo
00:05:45de revisiones como vulnerabilidades de seguridad, consistencia de arquitectura y problemas de calidad.
00:05:50Analizar una base de código que uno no escribió es agotador. Ahora los agentes se encargan de eso. Los agentes también
00:05:55están aprendiendo a pedir ayuda. En lugar de intentar tareas a ciegas, saben cuándo se requiere intervención
00:06:00humana y hacen preguntas como parte del equipo. Nuestro equipo ya ha notado este patrón en Claude.
00:06:05Cuando dijimos que el resultado no se veía bien, hizo preguntas aclaratorias sobre qué no cumplía
00:06:10nuestras expectativas y cómo podía mejorar. La supervisión está pasando de revisarlo todo a revisar
00:06:15lo que importa. Solo necesitamos revisar los casos excepcionales donde podrían surgir problemas. Esto también
00:06:20responde a la duda de si la IA reemplazará a los desarrolladores. Aunque las capacidades de la IA crecen, el papel
00:06:26del humano sigue siendo central. El cambio principal es pasar de escribir código a revisar código y
00:06:30guiar los resultados de la IA. Uno de los ingenieros de Anthropic dijo que la mejor práctica al trabajar con IA es
00:06:36usarla cuando ya sabes cómo debería ser la respuesta correcta. Quienes conocen la respuesta son aquellos
00:06:41con experiencia real en ingeniería de software que han aprendido conceptos de programación con esfuerzo. ¿Y cómo
00:06:46sabes la respuesta correcta? Cuando sabes qué método usar para cada propósito. Por ejemplo,
00:06:50para las pruebas necesitas enfoques específicos. Ya les hemos mostrado cómo usar el enfoque de desarrollo guiado por pruebas,
00:06:56pruebas de caja blanca y de caja negra. También hemos cubierto pruebas visuales usando herramientas como
00:07:01la extensión Claude Chrome y Puppeteer MCP. Además, si disfrutan nuestro contenido, consideren
00:07:06presionar el botón de apoyo porque nos ayuda a crear más contenido como este y llegar a más personas.
00:07:12La programación agéntica se está expandiendo a nuevos servicios y usuarios nunca antes vistos. A principios de
00:07:172025, la IA para programar era efectiva sobre todo en frameworks populares y solía tener problemas con sistemas
00:07:23que usaban lenguajes antiguos o frameworks poco comunes. Por eso, las aplicaciones que mejor
00:07:28funcionaban estaban basadas en React, ya que eran los frameworks en los que el modelo fue entrenado principalmente.
00:07:32Para 2026, la programación agéntica llegará a contextos que las herramientas tradicionales no podían alcanzar,
00:07:38incluyendo soporte para lenguajes legados como COBOL, FORTRAN y otros lenguajes de dominio específico. Esto
00:07:44facilitará el mantenimiento de sistemas antiguos al eliminar la necesidad de navegar por
00:07:48documentación vieja. La IA ha hecho el desarrollo accesible para personas que no son desarrolladores, abriendo
00:07:53oportunidades a perfiles no tradicionales en campos como ciberseguridad, operaciones y ciencia de
00:07:58datos. El lanzamiento de co-work ya señala progresos en esta dirección. Las barreras que separan a
00:08:03quienes programan de quienes no, se vuelven cada vez más invisibles a medida que la IA avanza.
00:08:08Por ejemplo, alguien de un equipo de seguridad puede usar IA para entender código desconocido
00:08:13y así encontrar fallos. Equipos de investigación la han estado usando para crear visualizaciones de
00:08:18sus datos, y empleados no técnicos ya usan IA en áreas que no dominan, como redes y analítica de datos.
00:08:24Esto es algo que nuestro equipo ya ha estado haciendo. Uno de nuestros miembros no estaba
00:08:28familiarizado con Golang pero tenía que hacer el back-end de un chat. Activó el
00:08:33modo de planificación y creó todo el plan respondiendo preguntas sobre la app. Claude construyó todo el
00:08:38servidor de una vez, funcionando exactamente como se esperaba. Esto eliminó la pérdida de tiempo de aprender
00:08:43un nuevo lenguaje para una sola tarea. Las mejoras en productividad remodelarán la economía del desarrollo.
00:08:48Ya mencionamos cómo se han reducido los tiempos porque los agentes se encargan de las partes difíciles.
00:08:53Tres factores se refuerzan entre sí: las capacidades de los agentes, las mejoras en orquestación y la experiencia
00:08:58humana. Juntos comprimen los cronogramas y cambian lo que es viable construir. Proyectos que antes
00:09:03se consideraban demasiado difíciles ahora son viables, permitiendo que los productos lleguen al mercado más rápido.
00:09:08Los agentes ayudan a los equipos a trabajar con menos personas. Los plazos de los proyectos son más cortos, lo que permite lograr
00:09:12retornos de inversión más rápidos. Funciones que solían tardar mucho más ahora pueden construirse en menos tiempo.
00:09:17Pero antes de seguir, unas palabras de nuestro patrocinador, Luma AI. Si han
00:09:22experimentado con video por IA, conocen la frustración. Suele sentirse como una máquina tragamonedas.
00:09:26Pero el nuevo modelo Ray3Modify de Luma AI realmente cambia las reglas del juego al darnos la capacidad de modificación
00:09:33que los desarrolladores esperábamos. En lugar de solo escribir un prompt y rezar, ahora puedes tomar un
00:09:37video y cambiarle el estilo por completo, variando entornos o iluminación mientras mantienes
00:09:42el movimiento y la física originales intactos. Respeta tus datos de entrada. No genera
00:09:47ruido al azar. Es video a video que mantiene la integridad estructural. Además, con la referencia de personajes,
00:09:52por fin puedes mantener la consistencia del sujeto en diferentes tomas, lo cual solía ser imposible.
00:09:57Es la primera vez que un video por IA se siente como una herramienta controlable y no solo un juguete.
00:10:01Haz que las producciones pequeñas parezcan enormes. Escanea el código QR en pantalla o usa el enlace en el comentario
00:10:07fijado y prueba Ray3 en Dream Machine hoy mismo. Hay un aumento en los casos de uso no técnicos
00:10:12en todas las organizaciones. Los equipos de ventas, marketing, legal y operaciones ya pueden usar la programación por IA para
00:10:18automatizar flujos y crear herramientas sin apoyo del equipo de ingeniería. Los agentes de IA pueden operar
00:10:24directamente bajo su guía y desarrollar sistemas. Personas con experiencia en su dominio y un profundo conocimiento
00:10:29de sus problemas usan agentes para iniciar soluciones por sí mismos. Por ejemplo, alguien que trabaja
00:10:34en contabilidad u otros departamentos entiende sus propios problemas mejor que nadie.
00:10:39Pueden instruir a los agentes y tener una solución funcional sin esperar al equipo de desarrollo. Nuestro equipo ya
00:10:44está usando Claude en su flujo de trabajo. Automatizamos el aburrido trabajo no técnico como la documentación,
00:10:49la ideación y la investigación usando Claude code, permitiéndonos enfocarnos en la parte creativa e interesante
00:10:55de nuestro trabajo. La programación agéntica mejora las defensas de seguridad y los usos ofensivos.
00:11:00La seguridad y la IA son un arma de doble filo. La misma IA que puede navegar por tu base de código y ayudar con
00:11:06la inducción también es capaz de explotar sus vulnerabilidades. El conocimiento en seguridad ya no se limita a expertos.
00:11:10Cualquier ingeniero puede actuar como revisor de seguridad, encargándose del blindaje y monitoreo de sistemas.
00:11:15Como los ingenieros de seguridad son especialistas, aún deben ser consultados. Pero combinando la
00:11:20IA con su conocimiento, se vuelve más fácil construir y asegurar aplicaciones. Mientras
00:11:25los ingenieros de seguridad defienden las aplicaciones, también habrá casos de uso ofensivo. El año pasado,
00:11:30vimos un ataque coordinado realizado usando Claude code y sus herramientas. Esto significa que las capacidades
00:11:35agénticas evolucionarán los tipos de ataques, haciéndolos más inteligentes y dañinos
00:11:39que nunca. Asegurar los sistemas será cada vez más crucial y los ingenieros tendrán que
00:11:44centrarse en la seguridad desde el principio. Los agentes de IA jugarán un papel creciente en los sistemas de ciberdefensa,
00:11:49permitiendo respuestas que igualen la velocidad de los ataques ofensivos. Debemos prepararnos antes de
00:11:53que ocurran los ataques. También esperamos un aumento en ataques de día cero, lo que hace que la preparación proactiva sea aún más
00:11:58importante. Cuando nuestro equipo crea una app, usamos agentes especializados en seguridad. Estos agentes
00:12:03se encargan de la revisión de código, pruebas y seguridad del servidor, la capa donde controlamos el acceso.
00:12:08Asegurar aplicaciones puede hacerse usando diferentes combinaciones según la aplicación,
00:12:12ya sean habilidades integradas, comandos reutilizables para construcción o herramientas de MCP externos.
00:12:18Es mejor usar una herramienta externa como CodeRabbit porque están diseñadas para detectar patrones de vulnerabilidad
00:12:22conocidos de forma temprana. Esto nos lleva al final del video. Si quieren apoyar
00:12:26al canal y ayudarnos a seguir haciendo videos como este, pueden hacerlo uniéndose a AI Labs Pro.
00:12:31Como siempre, gracias por vernos y los veré en el próximo video.