El Nuevo Trabajo del Engineer es Diseñar el Entorno Donde el Agente Puede Trabajar
Durante años pensamos que el objetivo de la ingeniería de software era escribir mejor código.
Aprender nuevos lenguajes.
Dominar frameworks.
Diseñar arquitecturas más limpias.
Optimizar sistemas.
Y por supuesto, seguir escribiendo.
Pero OpenAI acaba de publicar uno de los documentos más interesantes que he leído este año porque plantea una posibilidad incómoda:
¿Qué pasa cuando escribir código deja de ser la actividad principal del engineer?
No porque el código desaparezca.
Porque alguien más lo está escribiendo.
El experimento de OpenAI
OpenAI publicó un análisis interno sobre cómo construyó un producto utilizando Codex.
Los números son difíciles de ignorar.
Aproximadamente:
-
1 millón de líneas de código generadas
-
1.500 pull requests
-
un equipo relativamente pequeño supervisando el proceso
-
prácticamente cero líneas escritas manualmente
La conclusión oficial no fue:
“Los agentes reemplazan a los engineers.”
Fue algo mucho más interesante.
Los engineers empezaron a dedicar menos tiempo a escribir código y más tiempo a diseñar el entorno donde los agentes podían producir buen código.
OpenAI llama a esto:
Harness Engineering.
El código dejó de ser el producto principal
Cuando un agente genera miles de líneas por día, aparece un problema nuevo.
La velocidad deja de ser el cuello de botella.
La calidad del entorno pasa a serlo.
Si un agente tiene mal contexto:
produce mal código.
Si la documentación está desactualizada:
produce mal código.
Si la arquitectura es inconsistente:
produce mal código.
Si las reglas no están claras:
produce mal código.
El problema ya no es la capacidad de generar.
Es la capacidad de orientar.
El agente solo ve lo que puede ver
Esta fue probablemente la observación más importante del documento.
Los humanos operamos con conocimiento implícito.
Los agentes no.
Los humanos pueden inferir.
Los agentes dependen del contexto disponible.
Desde la perspectiva del agente:
Lo que no está documentado no existe.
Eso obliga a repensar muchas prácticas tradicionales.
Durante años toleramos repositorios donde el conocimiento vivía en:
-
Slack
-
conversaciones informales
-
documentación dispersa
-
conocimiento tribal
-
memoria de los seniors
Los agentes exponen inmediatamente esas debilidades.
AGENTS.md podría convertirse en el nuevo README
Uno de los patrones descritos por OpenAI es la utilización de archivos explícitos para explicar cómo funciona un sistema.
No solo qué hace.
Cómo pensar sobre él.
Qué componentes existen.
Qué restricciones deben respetarse.
Qué convenciones seguir.
Qué errores evitar.
En esencia:
Un manual operativo para agentes.
Algo que se parece mucho más a un sistema operativo que a documentación tradicional.
La nueva habilidad es la legibilidad
Durante décadas optimizamos código para humanos.
Ahora debemos optimizar sistemas para humanos y agentes simultáneamente.
Eso significa:
Arquitecturas más explícitas.
Nombres más consistentes.
Interfaces más predecibles.
Dependencias más claras.
Documentación más cercana al código.
No porque los humanos lo necesiten.
Porque los agentes lo necesitan.
Y curiosamente, eso suele beneficiar también a los humanos.
Los mejores engineers empiezan a parecer arquitectos de contexto
Esto cambia la naturaleza del trabajo.
Cuando observamos a los engineers más efectivos trabajando con agentes hoy, vemos menos tiempo dedicado a implementación directa y más tiempo dedicado a:
-
definir restricciones
-
estructurar repositorios
-
diseñar workflows
-
mejorar documentación
-
construir herramientas internas
-
crear feedback loops
-
mejorar observabilidad
El trabajo se parece cada vez más a diseñar un entorno de producción para inteligencia artificial.
Observabilidad para agentes
Otro hallazgo interesante es que los agentes generan una enorme cantidad de actividad.
Mucha más que un desarrollador individual.
Eso hace que la observabilidad se vuelva crítica.
Necesitamos entender:
-
qué decisiones tomó el agente
-
por qué las tomó
-
qué contexto utilizó
-
qué herramientas ejecutó
-
qué falló
-
qué funcionó
La trazabilidad deja de ser un lujo.
Se convierte en infraestructura básica.
Los tests cambian de función
Tradicionalmente los tests validaban código.
Ahora también validan agentes.
Un test exitoso ya no significa únicamente:
“La funcionalidad funciona.”
También significa:
“El agente entendió correctamente el problema.”
La suite de testing empieza a actuar como un mecanismo de corrección de comportamiento.
Es un cambio sutil pero importante.
La deuda técnica se genera más rápido
Hay otra consecuencia poco discutida.
Los agentes producen muchísimo código.
Y cualquier sistema que produzca código rápidamente también puede producir deuda técnica rápidamente.
OpenAI describe algo que muchas organizaciones empezarán a descubrir durante los próximos años:
La velocidad de creación aumentó.
Pero la velocidad de mantenimiento no necesariamente aumentó en la misma proporción.
Por eso aparece una nueva responsabilidad.
No solo construir.
También eliminar.
Refactorizar.
Simplificar.
Comprimir complejidad.
Hacer garbage collection de decisiones anteriores.
Harness Engineering se parece sorprendentemente a DevOps
Mientras leía el documento me recordó algo que ocurrió hace más de una década.
Cuando apareció DevOps, mucha gente creyó que se trataba de automatización.
En realidad se trataba de sistemas.
Pipelines.
Observabilidad.
Procesos.
Feedback loops.
Harness Engineering parece seguir la misma trayectoria.
No es una disciplina centrada en modelos.
Es una disciplina centrada en sistemas.
El modelo es solo uno de los componentes.
La pregunta equivocada
La industria sigue obsesionada con una pregunta:
¿Los agentes van a reemplazar a los desarrolladores?
OpenAI está sugiriendo algo diferente.
La pregunta correcta podría ser:
¿Qué nuevas responsabilidades aparecen cuando el código deja de ser el recurso escaso?
Porque si generar software se vuelve barato, entonces otras cosas se vuelven valiosas.
Contexto.
Arquitectura.
Restricciones.
Documentación.
Observabilidad.
Gobernanza.
Legibilidad.
La verdadera señal
Muchos interpretarán el documento de OpenAI como evidencia de que los agentes están reemplazando programación humana.
Yo creo que la señal importante es otra.
La ingeniería está moviéndose hacia un nivel de abstracción superior.
Los mejores engineers seguirán construyendo sistemas.
La diferencia es que cada vez escribirán menos líneas de código y dedicarán más tiempo a diseñar el entorno donde otros sistemas — agentes incluidos — puedan trabajar correctamente.
Si DevOps convirtió infraestructura en software, Harness Engineering podría terminar convirtiendo la ingeniería de software en ingeniería de contexto.
Y esa es una transformación mucho más profunda de lo que parece a primera vista.