Seis niveles de autonomía de la fábrica, las metas que los separan y nuestro pronóstico de hasta dónde llega 2026. Lo escribimos ahora para que puedas calificarnos después.
Las predicciones sobre la IA son baratas porque nadie las comprueba. Esta página es una rúbrica, no una intuición: cada meta de abajo es verdadera o falsa para un equipo real que publica software real. La actualizamos a medida que se abren metas, y no movemos la portería.
Tomada de cómo se califican los coches autónomos y aplicada a cómo se construye el software. El salto interesante es de F3 a F4: de agentes en los que delegas a una fábrica que diriges.
Fig. 1 · Human share of the effort behind a merged changeSchematic, by autonomy level. Hover for values.
F3 · you are here
F0
Manual
Casi toda la historia del software
Las personas escriben cada línea. Las herramientas compilan, analizan y se quejan. El teclado es la fábrica.
Metas
▸Ninguna. Este es el punto de partida.
F1
Asistido
De 2021 a 2023
El autocompletado mejora. Un modelo sugiere los siguientes tokens, pero nada se publica sin que una persona escriba la mayor parte.
Metas
▸El código sugerido por el modelo aparece en la mayoría de los archivos nuevos.
▸Nadie revisa de forma distinta por ello.
F2
Supervisado
2024
Un agente escribe funciones y archivos enteros mientras una persona observa cada paso y aprueba cada comando. Un agente, una persona. Más rápido, pero aún en serie.
Metas
▸Un agente completa cambios en varios archivos de principio a fin.
▸La persona lee cada línea antes de que se fusione.
▸Una persona dirige como máximo un agente a la vez.
F3
Delegado
De 2025 a hoyDonde están los equipos serios
El agente se encarga de una tarea desde el ticket hasta el diff. La persona revisa el resultado, no las pulsaciones. La atención pasa de escribir código a especificar el trabajo y juzgarlo. Un ingeniero ejecuta varios agentes a la vez en espacios de trabajo aislados.
Flotas de agentes planifican, implementan, revisan y prueban el trabajo de los demás. Las personas marcan el rumbo, arbitran las excepciones y aportan el criterio. La unidad de atención humana ya no es la pull request. Es la decisión.
Entra un resultado, sale software. Las personas especifican la intención, las restricciones y el presupuesto. La fábrica se planifica sola, publica de forma continua, vigila lo que publicó y se revierte sola. La mayoría de los cambios se fusionan sin intervención humana, y la tasa de incidentes no sube.
Metas
○La mayoría de los cambios en producción se fusionan sin que ninguna persona lea el diff.
○Tasa de fallos por cambio igual o inferior a la de referencia de la era humana durante dos trimestres seguidos.
○La fábrica revierte sus propios despliegues fallidos más rápido de lo que lo hacía una persona de guardia.
○Las personas en el circuito están para tomar decisiones de criterio, no para dar rendimiento.
El pronóstico
Cómo se desarrolla 2026
En parte registro, en parte apuesta. Las dos primeras entradas ya están ocurriendo. El resto está formulado con la concreción suficiente como para equivocarnos.
Fig. 2 · Merged changes written by agents, zero human editsIndustry median, our estimate. Dashed is forecast. The first F4 teams cross the gate earlier.
Principios de 2026
Principios de 2026
La revisión se convierte en el cuello de botella
Ocurrió
Escribir código ya no es donde se van las horas de ingeniería. Leerlo, sí. Los equipos que adoptaron agentes en paralelo en 2025 chocaron antes contra el muro: diez agentes producen más diffs antes de comer de los que un equipo puede revisar con honestidad para el viernes.
La respuesta: los agentes revisan a los agentes, y las personas hacen muestreos en lugar de leerlo todo. La confianza se gana de forma estadística, no diff a diff.
Lo que tiene que cumplirse
Los agentes revisores detectan regresiones plantadas al mismo nivel que los revisores humanos medios en pruebas ciegas.
Mediados de 2026
Mediados de 2026
Aparece el despachador
En marcha
La descripción del puesto cambia. Los ingenieros dejan de ser mecanógrafos con criterio y pasan a ser despachadores con criterio: descomponen el trabajo, lo enrutan a flotas y arbitran conflictos entre agentes que tocaron el mismo módulo.
Las herramientas que tratan a los agentes como una flota, y no como una ventana de chat, se convierten en la interfaz por defecto del código.
Lo que tiene que cumplirse
Una sola persona mantiene 10 o más líneas de trabajo simultáneas, y la resolución de conflictos de fusión entre ramas de agentes también está casi toda automatizada.
Finales de 2026
Finales de 2026
El turno de noche
Pronóstico
La fiabilidad a largo plazo cruza un umbral. El trabajo asignado a las 18:00 se puede fusionar a las 9:00 con la frecuencia suficiente como para que no programar el turno de noche se sienta como dejar una fábrica parada.
La preparación del entorno, las pruebas inestables y la gestión de credenciales, los aburridos modos de fallo que arruinaron las ejecuciones desatendidas en 2025, se resuelven sobre todo con ingeniería, no con modelos.
Lo que tiene que cumplirse
Las ejecuciones desatendidas de 8 horas o más salen bien en la mayoría de los tickets rutinarios sin que nadie las desbloquee.
2027
2027
Los primeros equipos F4
Pronóstico
Los primeros equipos, pequeños, publican código mayoritariamente escrito por agentes sin leer cada línea, y sus tasas de defectos se mantienen. No hay nada místico detrás: capas de revisión, despliegues canary, reversión rápida y el hábito de escribir especificaciones en lugar de código.
Todo el mundo discute si esto se generaliza. Esa discusión es la señal de que se alcanzó el nivel.
Lo que tiene que cumplirse
Al menos un equipo al que podamos nombrar, incluido el nuestro, supera todas las metas de F4 durante un trimestre completo y publica las cifras.
Más allá: F5 no es una afirmación a corto plazo
No pronosticamos autonomía total en 2026 ni en 2027. Las incógnitas honestas: si la revisión por agentes aguanta frente a una complejidad adversaria, si la especificación puede sustituir a la lectura de código como ancla de confianza a gran escala, y si la economía del cómputo mantiene el turno de noche más barato que las personas a las que asiste. F5 es una entrada de la rúbrica para reconocerlo cuando lo veamos, no una promesa.
El cuadro de resultados
Dónde está el sector, con honestidad
Nuestra lectura a agosto de 2026, basada en nuestro propio equipo y en los equipos que seguimos de cerca. F3 está casi todo abierto. F4 está casi todo cerrado. Ese hueco es el trabajo.
● 2 abiertas◐ 3 parciales○ 3 cerradasde 8 metas de F3 y F4
F3
Tickets rutinarios sin intervención a mitad de la tarea
Habitual en trabajo bien acotado dentro de espacios de trabajo aislados.
●Abierta
F3
3 o más líneas de trabajo simultáneas por ingeniero
Práctica diaria en nuestro equipo y entre nuestros usuarios más intensivos.
●Abierta
F3
Mayoría sin ediciones en las pull requests de agentes fusionadas
Cierto para el trabajo rutinario, todavía no para las refactorizaciones espinosas.
◐Parcial
F4
La mitad de los cambios fusionados son código de agentes sin ediciones
Las personas siguen editando o guiando mucho la mayoría de los diffs fusionados.
○Cerrada
F4
Revisión por agentes al nivel de la revisión humana
La revisión por agentes detecta errores reales, pero todavía no se confía en ella a solas.
○Cerrada
F4
10 o más líneas de trabajo simultáneas sin perder el hilo
Posible en un buen día. El coste de supervisión aún crece demasiado rápido.
◐Parcial
F4
Ejecuciones nocturnas desatendidas, fusionables por la mañana
Funciona cuando los entornos están limpios. Los entornos rara vez lo están.
◐Parcial
F4
Del ticket a producción en menos de un día, en la mediana
Las colas de revisión y de CI se comen las ganancias que crean los agentes.
○Cerrada
La fábrica necesita una planta
Superset es el banco de trabajo para la transición de F3 a F4: agentes en paralelo en espacios de trabajo aislados, flotas que puedes supervisar de verdad y una superficie de revisión para código que no escribiste.