Hay una definición que Simon Willison publicó esta semana y que vale la pena fijar: ingeniería agentiva es desarrollar software con la asistencia de agentes de código. No es vibe coding. No es prompting avanzado. Es una disciplina nueva donde el agente escribe y ejecuta código en un bucle, y el ingeniero humano hace algo completamente diferente: define el problema.
Es una distinción que parece pequeña pero lo cambia todo. Claude Code, OpenAI Codex, Gemini CLI — todos son agentes de código. Y si los usas, ya estás haciendo ingeniería agentiva, aunque no lo llames así.
¿Qué hace exactamente un agente de código?
Un agente es un sistema que ejecuta herramientas en un bucle para alcanzar un objetivo. En el contexto del software, eso significa: el agente toma el objetivo que le das, escribe código, lo ejecuta, observa el resultado, corrige lo que no funciona, y repite hasta que el resultado es el correcto — o hasta que te pide orientación.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀La pieza clave no es la capacidad de escribir código. Los LLMs llevan años haciendo eso. La pieza clave es la ejecución directa: el agente puede correr su propio código, ver si falla, y ajustar. Sin esa capacidad, cualquier output de un LLM es básicamente texto esperando que alguien lo valide. Con ella, el agente puede iterar hasta que algo funcione de verdad.
Ese ciclo — escribir, ejecutar, observar, corregir — es lo que hace que los resultados de Claude Code o Codex sean cualitativamente distintos a un modelo que solo genera texto.
¿Qué queda para el ingeniero humano?
La pregunta que aparece siempre: si el agente escribe el código, ¿qué hago yo?
Willison tiene una respuesta directa: so much stuff. Y tiene razón. Escribir código nunca fue el núcleo del trabajo de un ingeniero. El núcleo siempre fue entender qué código había que escribir. Cada problema tiene docenas de soluciones posibles con tradeoffs diferentes. El ingeniero navega ese espacio.
Con agentes, eso se vuelve más importante, no menos. El agente puede implementar, pero necesita instrucciones precisas, herramientas adecuadas, y alguien que verifique que el resultado realmente resuelve el problema. Los LLMs no aprenden de sus errores anteriores — pero los ingenieros sí pueden actualizar las instrucciones y los contextos para que el agente evite los mismos errores la próxima vez.
El rol humano pasa de escribir código a orquestar, verificar, y refinar el entorno donde el agente trabaja. Es un cambio real. No es el fin del ingeniero — es el inicio de un tipo de trabajo distinto.
Por qué importa nombrarlo
En descubre.ai hemos cubierto bastante cómo los agentes ya trabajan solos hasta 45 minutos en sesiones largas, cómo los agentes liquidan la deuda técnica que se postergaba, y cómo Claude Code acelera el trabajo pero crea nuevas dependencias. Lo que faltaba era el marco conceptual que unifica todo eso.
“Ingeniería agentiva” es ese marco. Nombrarlo importa porque ayuda a distinguir qué prácticas funcionan, qué habilidades cultivar, y qué errores evitar. No es lo mismo usar un LLM para generar un fragmento de código que construir un entorno donde un agente puede iterar con herramientas reales en un problema complejo.
La guía de Willison — aún en desarrollo — busca exactamente eso: identificar patrones que funcionan y que no se vuelven obsoletos rápidamente conforme las herramientas evolucionan. En un campo donde cada semana hay algo nuevo, eso es más valioso de lo que parece.
Qué cambia en la práctica
Si trabajas con software y usas alguno de estos agentes, hay tres cosas que cambian inmediatamente:
- La especificidad del problema importa más. Un agente mal orientado puede iterar hacia la solución incorrecta con mucha eficiencia. Saber describir bien el problema — con contexto, restricciones, y criterios de éxito — es ahora una habilidad técnica de primera categoría.
- La verificación es el trabajo. El agente escribe. Tú verificas. Si no tienes una forma sistemática de validar que el resultado es correcto, estás asumiendo riesgo a ciegas. Tests, revisión de outputs, staging — todo eso gana peso.
- El entorno que construyes para el agente define sus límites. Qué herramientas tiene disponibles, qué instrucciones base, qué contexto — el agente trabaja dentro de lo que le das. Invertir en eso es invertir en multiplicar tu propio rendimiento.
La ingeniería agentiva ya está pasando. La pregunta es si la estás haciendo de forma deliberada o improvisando sobre la marcha.
