Un agente puede escribir, probar y modificar código a una velocidad que cambia la escala del trabajo de un equipo. Esa velocidad no elimina la necesidad de decidir. Desplaza la decisión hacia antes de la ejecución y hacia después del resultado producido.
Ese desplazamiento aparece en la investigación de Anthropic sobre unas 400 mil sesiones de Claude Code, analizadas entre octubre de 2025 y abril de 2026. En una sesión típica, las personas toman la mayor parte de las decisiones de planificación, mientras que el agente toma la mayor parte de las decisiones de ejecución. La investigación también relaciona una mayor experiencia en el dominio con un mayor volumen de trabajo realizado por instrucción.
Para un equipo, la consecuencia no es simplemente comprar una herramienta y medir cuántas líneas produce. Es revisar dónde entra el conocimiento humano en el ciclo de entrega y qué evidencias permiten aceptar lo que se ejecutó.
La velocidad aumenta el costo de una mala instrucción
Cuando una persona implementa un cambio a mano, el tiempo de ejecución limita el alcance de una interpretación equivocada. El error puede seguir siendo grande, pero la propia lentitud crea momentos para descubrir que el pedido estaba incompleto.
Un agente reduce ese intervalo. Una instrucción vaga puede generar cambios en la base de datos, la API, la interfaz y las pruebas antes de que alguien note que la regla de negocio se entendió mal. El equipo gana capacidad de ejecución y pierde parte del freno accidental que existía en el proceso manual.
Por eso, el primer trabajo de quien usa el agente es volver verificable el objetivo. "Actualiza el flujo de registro" no dice qué usuarios se ven afectados, qué estados son válidos, qué integraciones no pueden cambiar ni cómo se aceptará el resultado. El agente puede llenar los huecos con una solución coherente y aun así producir la solución equivocada.
Una instrucción útil delimita al menos cuatro cosas:
- el comportamiento que debe cambiar;
- el comportamiento que debe mantenerse;
- las partes del sistema que están autorizadas;
- la evidencia que demuestra que el cambio funciona.
Esta preparación se parece a la planificación convencional. La diferencia es que ahora controla una capacidad de ejecución mucho mayor.
El conocimiento del dominio sigue siendo un multiplicador
La investigación de Anthropic encontró una relación entre la experiencia en el dominio y el éxito de las sesiones. El agente llena huecos de implementación, pero no sustituye el entendimiento sobre clientes, contratos, datos históricos y consecuencias operativas.
Este punto cambia la conversación sobre equipos generalistas. Con ayuda del agente, una persona puede recorrer frontend, backend, base de datos e infraestructura. Eso amplía el alcance de su trabajo, pero no convierte automáticamente un conocimiento superficial en un criterio confiable.
El riesgo aparece cuando la organización confunde la fluidez de la herramienta con competencia en el dominio. Un código que compila no prueba que una política se aplicó correctamente. Una prueba en verde no prueba que el cambio respeta un acuerdo con otro sistema. Una interfaz visualmente correcta no prueba que un usuario puede recuperarse de un error.
El agente aumenta la capacidad de quien sabe formular el problema y evaluar la respuesta. El equipo necesita proteger ese trabajo de evaluación, en lugar de tratarlo como una etapa menor porque el código se produjo rápido.
La aceptación tiene que acompañar la delegación
Delegar la ejecución no significa delegar el criterio de aceptación. Cada tipo de cambio necesita una evidencia proporcional al riesgo.
Para un cambio localizado, las pruebas existentes y una revisión breve pueden bastar. Para un cambio que atraviesa datos y permisos, el equipo necesita verificar migración, compatibilidad, logs, recuperación y acceso fuera del escenario ideal. Para un cambio de producto, la aceptación debe incluir el comportamiento esperado, el lenguaje presentado y los estados de error.
Una política sencilla ayuda a evitar que todo pull request reciba el mismo tratamiento:
Tipo de cambio | Decisión humana indispensable | Evidencia mínima |
|---|---|---|
Corrección localizada | confirmar alcance y regresiones | pruebas dirigidas y diff pequeño |
Regla de negocio | confirmar la interpretación del dominio | casos de aceptación y pruebas de comportamiento |
Datos o permisos | confirmar impacto y reversibilidad | migración revisada, logs y plan de recuperación |
Interfaz crítica | confirmar comprensión y recuperación | estados completos, accesibilidad y prueba del flujo |
El objetivo no es crear una burocracia para cada uso del agente. Es impedir que la velocidad de ejecución oculte decisiones que siguen siendo del equipo.
Qué debe quedar en el repositorio
Si el agente necesita contexto para decidir bien, ese contexto no puede depender solo de la memoria de una persona o de una conversación antigua. Las convenciones del proyecto, los comandos de validación, los límites de acceso, las decisiones de arquitectura y los ejemplos de cambios aceptados deben estar cerca del código que explican.
Eso no significa convertir el repositorio en un manual interminable. Los registros breves y actualizados son más útiles: una decisión, su razón, el límite conocido y la forma de verificar el efecto. Cuando una regla deja de valer, el registro también tiene que cambiar.
El beneficio aparece para personas y agentes. Una persona nueva encuentra menos conocimiento tribal. El agente tiene menos espacio para inventar convenciones. La revisión puede discutir la decisión actual en lugar de reconstruir su historia en cada pull request.
La pregunta para el equipo
Antes de ampliar el uso de agentes, el equipo debería listar las decisiones que no se pueden inferir solo a partir del código: reglas comerciales, límites de autoridad, datos sensibles, integraciones frágiles y criterios de éxito. Después puede separar la ejecución delegable del criterio que exige contexto.
Esa separación es una mejor medida de madurez que contar tareas generadas por IA. La organización está lista cuando sabe qué puede acelerar, qué necesita observar y qué evidencia detiene la ejecución.
Si tu empresa está evaluando algo parecido, escríbeme por LinkedIn o por WhatsApp.
