Los agentes de código son el verdadero salto de la IA

Cada pocas semanas aparece un nuevo modelo de inteligencia artificial. Primero fue ChatGPT, después Gemini, luego Claude y, probablemente, dentro de unos meses volveremos a tener una nueva referencia.

Con cada lanzamiento suele repetirse la misma conversación: cuál programa mejor, cuál razona mejor, cuál entiende más contexto o cuál genera mejores respuestas.

Sin embargo, cada vez estoy más convencido de que ese debate está dejando de ser el importante.

El verdadero salto no consiste en cambiar de modelo, sino en cambiar la forma en la que trabajamos con ellos. Durante los últimos años hemos interactuado con la inteligencia artificial a través de chats. Han demostrado ser extraordinariamente útiles para responder preguntas, redactar textos o ayudarnos a resolver problemas puntuales. Pero ese paradigma empieza a quedarse corto.

La siguiente evolución no pasa por un chat más inteligente, sino por utilizar agentes de código.

Y, aunque el nombre pueda sugerir lo contrario, creo que esta será una herramienta cada vez más relevante para cualquier perfil profesional, no únicamente para desarrolladores.

De responder preguntas a ejecutar trabajo

La diferencia entre un asistente conversacional y un agente parece pequeña sobre el papel, pero cambia por completo la experiencia de uso.

Cuando utilizamos un chat solemos plantear preguntas o pedir tareas muy concretas: resumir un documento, redactar un correo, traducir un texto o explicar un concepto. El modelo responde y la conversación continúa.

Con un agente el planteamiento cambia. En lugar de pedir una acción aislada, le damos un objetivo y dejamos que decida cómo alcanzarlo.

Eso significa que puede explorar un proyecto, modificar archivos, ejecutar programas, consultar documentación, llamar a APIs, utilizar herramientas externas, comprobar si el resultado es correcto y repetir el proceso tantas veces como sea necesario hasta obtener una solución satisfactoria.

En otras palabras, deja de limitarse a conversar para empezar a trabajar.

Este cambio ya ha comenzado

La industria lleva meses avanzando claramente en esta dirección.

Claude Code fue uno de los primeros productos en demostrar que un modelo podía trabajar de forma autónoma durante largos periodos sobre un mismo objetivo, recorriendo un proyecto, ejecutando comandos, corrigiendo errores e iterando hasta completar una tarea.

Después han aparecido propuestas como Claude Cowork, OpenAI Codex o los modos agénticos disponibles desde Google AI Studio. Aunque cada una sigue una aproximación diferente, todas comparten la misma filosofía: combinar la capacidad de razonamiento del modelo con herramientas que le permitan actuar sobre el mundo real.

No se trata únicamente de responder mejor.

Se trata de hacer más cosas.

El modelo ya no es lo más importante

Durante mucho tiempo hemos comparado modelos de lenguaje como si fueran el elemento central de cualquier solución basada en IA.

Sin embargo, cuando empiezas a trabajar con agentes descubres que el modelo es solo una parte del sistema.

Lo realmente interesante es todo aquello con lo que puede interactuar.

Un agente puede conectarse directamente a APIs de proveedores especializados como Google AI Studio, Replicate, Fal.ai o Runway. Puede utilizar herramientas de línea de comandos instaladas en nuestro ordenador, ejecutar scripts internos, consultar bases de datos, interactuar con aplicaciones de escritorio, automatizar navegadores, acceder a infraestructura cloud o utilizar servicios propios de la empresa.

El modelo deja entonces de ser quien realiza cada tarea y pasa a convertirse en el coordinador de un conjunto de herramientas especializadas.

Es un cambio parecido al que vivimos hace años en el desarrollo de software. Rara vez una aplicación resuelve todo por sí sola; normalmente orquesta bases de datos, servicios externos, APIs y librerías especializadas. Con los agentes ocurre exactamente lo mismo.

La diferencia está en la capacidad de actuar

Un modelo de lenguaje, por sí solo, únicamente genera texto.

Un agente añade una capacidad fundamental: decidir cuándo necesita utilizar una herramienta para seguir avanzando.

Puede interpretar una petición, determinar que necesita consultar una API, ejecutar un comando, abrir un navegador, generar una imagen, lanzar un proceso de renderizado o analizar un archivo. Después incorpora ese resultado a su contexto y continúa trabajando.

La diferencia puede parecer técnica, pero en realidad cambia completamente los casos de uso que pasan a ser posibles.

Ya no hablamos únicamente de generación de contenido.

Hablamos de ejecución de tareas.

MCP y un ecosistema mucho más abierto

Otro de los motivos por los que este cambio está acelerándose es la aparición de estándares como MCP (Model Context Protocol).

Hasta hace poco, cada integración entre un asistente y una herramienta requería un desarrollo específico. Hoy empezamos a disponer de un protocolo común que permite exponer capacidades para que distintos agentes puedan utilizarlas sin necesidad de crear integraciones independientes para cada plataforma.

Es una evolución comparable a lo que supusieron las APIs REST para las aplicaciones web.

Cuantas más herramientas adopten este tipo de estándares, más sencillo será construir agentes capaces de combinar servicios completamente diferentes sin depender de un único proveedor.

Las skills democratizan todo este potencial

Hay otro concepto que probablemente tendrá tanto impacto como los propios agentes: las skills.

Una skill encapsula todo el conocimiento necesario para resolver una tarea concreta. Puede incluir instrucciones especializadas, prompts optimizados, scripts, llamadas a APIs, plantillas, herramientas o buenas prácticas.

La ventaja es evidente.

Quien utiliza el agente no necesita conocer todos esos detalles. Simplemente describe lo que quiere conseguir y el agente reutiliza ese conocimiento previamente preparado.

Esto abre la puerta a compartir experiencia entre personas y equipos de una forma mucho más sencilla. Igual que hoy reutilizamos librerías o componentes de software, mañana reutilizaremos skills capaces de resolver tareas completas.

La iteración deja de ser un proceso manual

Trabajar con un chat suele implicar un proceso muy repetitivo: escribimos un prompt, obtenemos una respuesta, corregimos el prompt y volvemos a intentarlo.

Con un agente esa iteración puede producirse de forma autónoma.

Puede generar una primera versión, comprobar si funciona, detectar errores, corregirlos, volver a ejecutar el proceso y repetirlo tantas veces como sea necesario antes de mostrarnos el resultado.

Eso reduce enormemente el tiempo necesario para completar tareas complejas y hace viables procesos que hasta hace poco requerían una intervención constante por parte del usuario.

Casos de uso que hace unos meses parecían impensables

Uno de los ámbitos donde mejor se aprecia este cambio es la creación de contenido multimedia.

Hoy un agente puede escribir un guion, generar narraciones, producir imágenes, crear clips de vídeo, generar música, grabar automáticamente una aplicación web mediante Playwright, capturar pantallas, montar un proyecto en HyperFrames o Remotion y renderizar el resultado final.

Lo realmente interesante no es que pueda hacerlo una vez.

Es que, si pedimos cambios, reutiliza los recursos existentes, genera únicamente aquello que necesita modificarse y vuelve a montar todo el proyecto automáticamente.

El mismo enfoque puede aplicarse a multitud de procesos empresariales.

Puede interactuar con aplicaciones web para descargar información, rellenar formularios, generar informes, actualizar datos o coordinar distintas herramientas SaaS sin depender de que exista una integración específica en la plataforma de chat.

Y, como cualquier empresa tiene procesos distintos, también podemos construir agentes que utilicen nuestras propias APIs, scripts o herramientas internas.

En ese momento dejan de ser asistentes genéricos para convertirse en herramientas realmente adaptadas al negocio.

¿Y si no sabes programar?

Esta es probablemente la objeción más habitual cuando se habla de agentes de código.

Pero también creo que será una de las primeras en desaparecer.

La mayoría de las personas nunca han necesitado entender cómo funciona un procesador de textos para escribir un documento. Del mismo modo, tampoco necesitarán conocer cómo se construye una skill o cómo se integra una API para beneficiarse de un agente.

Habrá perfiles especializados en construir esas capacidades, mientras que el resto simplemente las utilizará mediante lenguaje natural.

Con el tiempo, el término "agente de código" probablemente dejará de tener sentido. El código será solo una herramienta más dentro de un conjunto mucho mayor de capacidades.

El futuro no pertenece al mejor chat

Seguiremos hablando con la inteligencia artificial mediante lenguaje natural.

Eso no va a cambiar.

Lo que sí cambiará es lo que esperamos que ocurra después de escribir una instrucción.

En lugar de recibir únicamente una respuesta, cada vez será más habitual esperar que el agente actúe, coordine herramientas, reutilice conocimiento existente y complete una tarea de principio a fin.

Por eso creo que el futuro de la IA no estará determinado únicamente por quién tenga el mejor modelo.

Estará determinado por quién construya los agentes más útiles.

Y, cuando eso ocurra, probablemente dejaremos de preguntarnos cuál es el mejor chat para empezar a preguntarnos qué agente queremos que trabaje con nosotros.