Las leyes del desarrollador en la era de la IA

 (bvp.com)
28 puntos por GN⁺ 2025-10-27 | 1 comentarios | Compartir por WhatsApp
  • Refleja un nuevo entorno de software en el que los agentes de IA y los desarrolladores humanos son al mismo tiempo usuarios y colaboradores, y reformula para el paradigma de IA las leyes de plataforma para desarrolladores publicadas hace 12 años
  • En 2025 surge el paradigma de desarrollo agéntico (agentic development), marcando la transición hacia un entorno en el que los agentes de IA colaboran con los desarrolladores para diseñar, construir, desplegar y mantener software
  • A partir de insights directos de líderes clave de plataformas para desarrolladores como Anthropic, Cursor y Port, se derivan 8 leyes fundamentales
  • Aborda cambios estructurales en el mercado de herramientas para desarrolladores, como el equilibrio entre experiencia del agente (AX) y experiencia del desarrollador (DX), documentación amigable para modelos, nuevas estrategias de precios y la evolución del rol del platform engineer
  • En medio de la ola de innovación de software impulsada por la IA, las plataformas para desarrolladores lideran la nueva infraestructura, y la evolución continua y el control de la plataforma emergen como la clave de la capacidad de defensa

Contexto: la evolución de las leyes del desarrollador

  • La versión original de las "8 leyes de las plataformas para desarrolladores" publicada por Bessemer Venture Partners en 2013, y su revisión de 2019, siguieron el auge de DevOps, el open source, la arquitectura cloud-native y el ecosistema API-first
  • En 2025 aparece un nuevo paradigma llamado desarrollo agéntico
    • Los agentes de IA colaboran con desarrolladores para diseñar, construir, desplegar y mantener software a gran escala
  • Refleja insights directos de líderes del sector como Anthropic, Cursor, Port, Fal AI, Fern, Render, Appwrite, Netlify, Recall, Vapi, Resolve AI, Graphite, Marimo y Resend

Las 8 leyes de las plataformas de desarrollo para IA

Ley #1: la experiencia del agente (AX) es tan importante como la experiencia del desarrollador (DX)

  • Se necesita la misma atención para la experiencia del agente (AX) y la experiencia del desarrollador (DX)
    • La DX complementa y mejora directamente la AX
    • La amplitud de la documentación, la superficie del API y los esquemas fáciles de entender son útiles tanto para humanos como para agentes
    • Las inversiones de los últimos 5 a 10 años en especificaciones OpenAPI, API REST y SDK han ayudado a ambos lados
  • Testimonio del CEO de Resend: optimizar el flujo de onboarding para mejorar la DX también marcó una gran diferencia en el uso de Resend por parte de los agentes

  • Funciones diferenciadas para humanos y agentes

    • Los desarrolladores humanos pueden interpretar documentación ambigua y adaptarse a APIs inconsistentes
    • Los agentes necesitan interfaces estructuradas y predecibles
      • Esquemas OpenAPI con manejo integral de errores
      • Persistencia de sesión para flujos de trabajo de varios pasos
      • Mecanismos de retroalimentación en tiempo real como streams de WebSocket
      • El agente de despliegue de Netlify mantiene el estado a lo largo de todo el pipeline de CI/CD y entrega feedback inmediato de compilación

  • La aparición de Model Context Protocol (MCP)

    • MCP representa un cambio fundamental en la forma en que las herramientas para desarrolladores atienden a los usuarios
    • Muchas empresas alojan sus propios servidores MCP con soluciones como FastMCP de Prefect
      • Porque los desarrolladores trabajan en Cursor y Claude Code
      • Dentro del IDE, los desarrolladores potencian a los agentes para acceder directamente a datos en vivo de la plataforma y ejecutar tareas

  • Integración entre dashboards y API

    • Hoy los humanos inician sesión directamente en los dashboards como ventana central para recopilar información
    • Equipos como Recall están haciendo que toda la funcionalidad del dashboard sea accesible vía API, para que los agentes también contribuyan a resolver problemas
    • Sigue habiendo preguntas sin resolver sobre cómo reducir o eliminar el cambio de contexto de los agentes (control de versiones, integraciones, uso de API, despliegue a producción)
      • Los servidores MCP permiten que los agentes obtengan información en tiempo real y ejecuten comandos sin cambiar de contexto hacia un dashboard o una CLI

Ley #2: la documentación debe servir tanto a modelos como a humanos

  • La documentación dentro de los equipos de ingeniería suele escribirse con buena intención, pero no siempre se mantiene bien
    • No refleja cambios en tiempo real y ofrece guías desactualizadas
    • Los desarrolladores muestran cierto nivel de tolerancia ante documentación incompleta o imperfecta

  • La especificidad de la documentación para LLM

    • Para los LLM, convertir páginas HTML complejas con navegación, publicidad y JavaScript en texto plano amigable para LLM es difícil e inexacto
    • Los agentes se benefician enormemente de información concisa y de nivel experto reunida en un único lugar accesible
      • Esto es especialmente importante en casos de uso como entornos de desarrollo, donde los LLM necesitan acceso rápido a documentación de programación y APIs
    • Los LLM necesitan referencias de API estructuradas y actualizadas y registros de auditoría que rastreen el trabajo de humanos y agentes
      • Esto exige repensar de forma fundamental la arquitectura de la información

  • Generative Engine Optimization (GEO)

    • Así como el SEO garantiza la encontrabilidad en motores de búsqueda, GEO garantiza que los modelos puedan parsear y mostrar respuestas correctas rápidamente dentro de la documentación
    • Ayuda a que los desarrolladores mantengan el flujo sin interrupciones por búsquedas con cambio de contexto

  • Documentación técnica de doble propósito

    • Con la expansión de los agentes de programación, la documentación técnica se convierte en un activo de producto de doble propósito
    • Sirve de manera efectiva tanto a la audiencia de agentes como a la de desarrolladores humanos
      • Versionado adecuado, gestión de cambios y capacidad de búsqueda para los agentes
      • Sin dejar de ser útil para desarrolladores humanos
    • Observación del cofundador de Fern: "Los desarrolladores quieren un sitio de documentación pulido, y los agentes necesitan Markdown limpio para parsear. Los equipos están migrando a un enfoque de docs-as-code: primero escriben la documentación en Markdown y luego la publican como un sitio web amigable para desarrolladores y como archivos legibles por máquina como llms.txt"

Ley #3: la estrategia de precios debe enfocarse en reducir la fricción del onboarding

  • La fijación de precios debe considerar tanto la estructura de costos como la entrega de valor
  • Esto es especialmente importante en aplicaciones AI-native
    • En el SaaS tradicional, el costo marginal de atender a un usuario tendía a cero; ahora pasa a ser una partida relevante por los costos de inferencia

  • Tres rutas de pricing que las empresas orientadas a desarrolladores están probando

    • 1. Precios basados en uso y expansión de cuentas de grandes clientes
      • Escalamiento impulsado por la utilidad sorprendente del producto
      • Todas las plataformas se están reintegrando con IA y, como en cada ola anterior, los desarrolladores van al frente impulsando el gasto en infraestructura y herramientas
      • El uso y la monetización crecen junto con el cliente (hoy es el patrón de precios más común)
    • 2. Preferencia empresarial por la previsibilidad del gasto
      • Los vendors integran la IA no como un add-on, sino como parte central de la experiencia del producto por asiento
      • A menudo acompañado de cargos excedentes basados en uso
    • 3. Precios basados en resultados o agrupación de actividades
      • Agrupar actividades en procesos de negocio significativos y cobrar según workflows completados

  • Diferencias en los disparadores de upsell

    • Los datos iniciales sugieren que los disparadores de upsell pueden diferir entre desarrolladores tradicionales y vibe coders
    • Las limitaciones para construir y entregar influyen en cuánto están dispuestos a pagar los creadores de software
      • Ejemplo: funciones de CI/CD para vibe coders frente a desarrolladores tradicionales

  • Reducir la fricción del onboarding sigue siendo la prioridad máxima

    • Sin importar qué ruta se elija, todas las plataformas siguen sumamente enfocadas en reducir la fricción del onboarding
      • Mantener un free tier atractivo
      • Excelente documentación
      • Una comunidad sólida de desarrolladores (que reduce la fricción de onboarding de forma escalable)
    • Opinión del CEO de Resolve: "No forzamos el viejo modelo SaaS sobre productos nuevos. El valor debe mapearse a resultados... cuando los agentes realizan trabajo real de ingeniería y el sistema entrega valor medible, como reducir downtime, mantener la estabilidad del sistema o acelerar la entrega, entonces el precio tiene sentido"

Ley #4: El gasto en herramientas de desarrollo con IA se sale de los presupuestos tradicionales

  • Está aumentando el número de empresas que crean un presupuesto dedicado a IA, dando lugar a una nueva categoría de gasto
    • Al principio, pasa por el CIO hacia todas las áreas de la organización
  • Muchas empresas ya están haciendo el trade-off entre gastar en herramientas de IA y contratar ingenieros adicionales
    • Se preguntan continuamente si pueden alcanzar sus objetivos con agentes en lugar de sumar personal

  • Complemento y reemplazo de ingenieros junior

    • Tal como se observó históricamente en otras empresas de software vertical que venden a industrias centradas en servicios
    • La delegación a agentes de codificación y los flujos de trabajo empiezan a complementar y reemplazar a los ingenieros junior
    • El enfoque no está solo en aumentar la productividad y reducir costos, sino también en maximizar las habilidades
    • Las personas adquieren capacidades completamente nuevas y reducen su dependencia de otros

  • Un entorno de compra con múltiples stakeholders

    • Aparece un entorno de compra con múltiples stakeholders donde el origen del presupuesto es más complejo
    • El GTM liderado por desarrolladores sigue siendo rey en un entorno competitivo ruidoso
    • Dentro de la empresa, el CIO, los líderes de ingeniería, los equipos de producto y los desarrolladores individuales influyen en la decisión de compra de manera distinta a la generación anterior de herramientas para desarrolladores, debido al nivel de guardrails necesarios para una integración de sistemas no determinista

  • Cambio en las métricas de éxito

    • Cambio hacia expectativas de nivel consumidor de valor inmediato y experiencias casi mágicas
    • Las métricas tradicionales de productividad en herramientas para desarrolladores se complementan con mediciones basadas en resultados
      • Tiempo desde la idea hasta un prototipo funcional
      • Reducción del ciclo completo de desarrollo
      • Mejora de la productividad de los usuarios de negocio
    • El análisis de Cursor hace seguimiento de métricas granulares
      • Número de sugerencias mostradas, sugerencias aceptadas, líneas de código generadas con asistencia de IA y tasa de aceptación de sugerencias generadas por IA

Ley #5: La definición de desarrollador se expande dramáticamente

  • La IA hace que crear software sea más accesible para más personas y amplía de forma fundamental la definición de "desarrollador"
    • Esta tendencia se viene observando desde la inversión semilla en Zapier hace 10 años
  • La amplia expansión del vibe coding y del desarrollo asistido por IA crea una nueva categoría de builders que hacen software personalizado sin escribir código directamente o sin preocuparse por él

  • Características de una nueva cohorte de usuarios

    • Plataformas como Lovable, Bolt, Create y v0 están llevando usuarios a plataformas para desarrolladores que tradicionalmente solo atendían a usuarios técnicos
    • Esta cohorte se puede identificar fácilmente por el tipo de preguntas que hace
      • Aún no tiene capacidad de resolución de problemas, de leer códigos de error, ni de entender qué significa separar un servidor de base de datos de un servidor web o qué es un load balancer
    • Estos usuarios suelen atascarse en la etapa entre el prototipado y producción
      • Las empresas clasifican este uso más como marketing eficiente que como ingresos de calidad
      • Se espera que eso cambie con el tiempo a medida que los desarrolladores empiecen a trabajar en niveles más altos de abstracción

  • Expansión del rol de los miembros no técnicos del equipo

    • Los miembros no técnicos ayudan a liberar tiempo valioso de los desarrolladores para tareas de codificación y de ingeniería fuera del producto principal de la empresa
    • Si se les dan las herramientas correctas:
      • Un AE puede crear demos personalizadas para productos técnicos
      • Un marketer puede crear apps de ejemplo para compartir en X
      • Un content marketer puede redactar publicaciones de blog técnico

  • Redefinición de las habilidades valiosas

    • La experiencia en dominio y la comunicación con clientes son más importantes que la capacidad de programar en todos los roles
    • El pensamiento sistémico se vuelve aún más importante a medida que el trabajo evoluciona de la implementación de bajo nivel hacia la orquestación y la estrategia
    • Tienen éxito las personas y equipos que entienden cómo se conectan las piezas complejas, saben dónde confiar en la automatización y reconocen cuándo la intervención humana es indispensable
    • Entregar software nunca había sido tan rápido y fácil, pero el cambio en la definición de desarrollador restablece la importancia de los principios básicos de un negocio sostenible
    • CEO de Netlify: "Hoy hay 17 millones de desarrolladores de JavaScript, y esos son desarrolladores tradicionales. Pero en los próximos 10 años se espera que ese número llegue a 100 millones"

Ley #6: Fuertes efectos de red impulsan el posicionamiento temprano en el ecosistema

  • Las empresas tradicionales para desarrolladores han fomentado efectos de red mediante open source, aportes de la comunidad, integraciones y plugins
  • Ahora, los efectos de red están siendo redefinidos y reimaginados por la expansión del desarrollo agentic

  • Efectos de red entre agentes

    • Surgen efectos de red entre agentes, donde los agentes de IA se vuelven más útiles cuando pueden comunicarse y componerse con otros agentes
    • Ejemplo: un agente de IA de scheduling que puede agendar reuniones se vuelve más poderoso cuando puede comunicarse con el agente de viajes de otra persona, su agente de gestión de gastos y su agente de calendario
    • Esto es posible a través de protocolos como MCP

  • Amplificación de los efectos de red de datos

    • El contexto amplifica los efectos de red de datos
    • Cuanto más contexto tenga un agente de IA, más tareas deseadas podrá completar
    • Aumenta el valor de los productos que poseen ese contexto
    • Ejemplo de Product Intelligence de Linear
      • Tiene años de datos acumulados sobre cómo funcionan realmente miles de equipos de ingeniería
      • Puede sugerir asignación de trabajo, clasificar issues y simplificar operaciones de producto

  • Debilitamiento del lock-in por integración

    • Los efectos de red se debilitan donde el lock-in por integración tradicionalmente generaba costos de cambio
    • David Gu, CEO de Recall: "Ahora es más fácil que nunca cambiar entre distintas API, porque los agentes de IA ayudan sin necesidad de que humanos escriban manualmente el código de integración"
    • MCP reduce aún más el lock-in al permitir que los agentes de IA descubran e integren herramientas automáticamente
    • Los LLM, en general, facilitan para cualquiera investigar y sintetizar opciones durante el proceso de evaluación

  • La paradoja en un entorno de recomendaciones impulsado por IA

    • En un ecosistema donde la IA impulsa las decisiones de recomendación de herramientas para desarrolladores, el papel del feedback subjetivo humano plantea una paradoja
    • Los agentes de IA podrían ignorar preferencias subjetivas como la facilidad de uso y enfocarse solo en métricas objetivas de rendimiento, como desempeño y latencia
    • Por otro lado, los agentes de IA pueden depender más del feedback subjetivo humano a medida que aprenden con el tiempo
    • Esta paradoja implica que el producto de mayor calidad se beneficia en cualquier caso
      • El crecimiento liderado por desarrolladores, los lanzamientos de producto, la documentación, el contenido educativo, las conferencias, los foros comunitarios y las reseñas se vuelven mucho más importantes
      • La velocidad importa más que nunca y la ventaja del first mover actúa de forma compuesta

  • Distintas perspectivas de los líderes

    • Estas leyes siguen siendo un WIP y los líderes empresariales presentan otros puntos de vista
    • Nikhil Gupta, CTO de Vapi: "La IA debilita los efectos de red basados en factores no objetivos y fortalece los efectos de red objetivos. Por ejemplo, la gente puede pensar que la API de Stripe es la más fácil de usar frente a otras, pero a un agente de IA no le va a importar la facilidad de uso al comparar la API de Stripe con la API de Ayden. Sin embargo, si Stripe es más confiable, todos los agentes de IA la elegirán"
    • Spiros Xanthos, CEO de Resolve: "El GTM agent-first no se trata de hype, sino de pruebas. Si apareces en el entorno del cliente y entregas resultados importantes, la adopción aumenta de forma natural. Esa es la nueva evangelización"

Ley #7: El ingeniero de plataforma evoluciona hacia arquitecto de flujos autónomos

  • El rol de la ingeniería de plataforma se expande de la gestión de software a la creación de flujos de ingeniería autónomos
  • El ingeniero de plataforma es responsable de la experiencia de usuario de todos los equipos técnicos
  • Su importancia dentro de la organización se refleja cada vez más en la urgencia de contratación

  • Cambios en las áreas de responsabilidad

    • Los ingenieros de plataforma ahora necesitan las siguientes capacidades técnicas
      • Diseñar flujos agénticos con etapas claras de supervisión humana
      • Implementar guardrails sólidos para gestionar el riesgo de que los agentes realicen tareas incorrectas
      • Ser dueños de la arquitectura de sistemas e información, más allá de la disponibilidad y la confiabilidad
    • Los agentes manejan tareas rutinarias mientras se construye un centro de control de IA para las decisiones estratégicas más complejas

  • Cambio de rol del ingeniero de software

    • A medida que los agentes de IA se encargan de una mayor parte de la generación real de código, los ingenieros de software pasan de ser artesanos a propietarios del producto de sus propios sistemas
    • Este cambio fundamental significa que los ingenieros se enfocan cada vez más en los resultados, más que en los detalles de implementación

  • Nuevos requisitos de flujo de trabajo

    • Las pruebas sólidas y el monitoreo se vuelven cruciales
    • La documentación debe explicar no solo la estructura del código, sino también el comportamiento del sistema
    • La revisión de código pasa de verificar sintaxis a validar la lógica de negocio y las decisiones de arquitectura

  • Implicaciones organizacionales

    • Las implicaciones se extienden más allá de la productividad individual
      • Los equipos necesitan nuevos procesos para la transferencia de conocimiento
      • Responder a incidentes se vuelve más difícil cuando los humanos no entienden por completo la lógica original de implementación
      • La deuda técnica se acumula de forma distinta cuando el código generado no puede ser leído por humanos
    • Cuando los ingenieros dejan de ser autores de su código y pasan a ser operadores, se requiere una gran inversión en observabilidad, pruebas automatizadas y gobernanza de arquitectura para mantener la confiabilidad del sistema

  • Cuello de botella de validación

    • A medida que la IA genera código a una velocidad sin precedentes, el principal cuello de botella pasa de escribir código a verificar su exactitud
    • Esto transforma de manera fundamental la velocidad de desarrollo
      • Los equipos pueden generar miles de líneas de código en minutos
      • Pero validar que funcionen como se pretende, que se integren adecuadamente con los sistemas existentes y que cumplan con los requisitos de seguridad y rendimiento toma mucho más tiempo
    • Las empresas que optimicen la velocidad de validación mediante mejores frameworks de testing, herramientas de validación en tiempo real y sistemas de verificación visual tendrán una ventaja significativa en los ciclos de desarrollo asistidos por IA

  • Perspectiva del CEO de Render

    • "El cambio continuo más importante en la gestión de plataformas es el paso de la gestión de infraestructura a la optimización del flujo de trabajo del desarrollador"
    • Los equipos de ingeniería ahora reconocen que construir y mantener plataformas internas personalizadas de desarrollo y despliegue suele ser trabajo no diferenciado que drena recursos del negocio principal
    • Al aprovechar plataformas administradas como Render para encargarse de la infraestructura subyacente, los ingenieros de plataforma pueden concentrarse en automatizaciones de mayor valor

Ley #8: La defensibilidad se trata de evolución continua y control de la plataforma

  • En esencia, convertirse en una plataforma significa crear infraestructura escalable sobre la que terceros puedan construir, y junto con la cual puedan construir
    • Esto activa un ecosistema que se vuelve más valioso cuanto más usuarios contribuyen y demuestran un verdadero aprecio por la comunidad

  • Continuidad con la era SaaS

    • Este concepto se ha mantenido consistente desde la era SaaS
    • La era de la IA eleva ciertos pilares específicos de la defensibilidad

  • Elementos clave de la defensibilidad

    • 1. Control del punto de entrada
      • Como la propiedad del repositorio de código en GitHub o el dominio de VS Code como editor de texto
      • Esto otorga a las plataformas el derecho estratégico de expandir funcionalidades sobre comportamientos de usuario ya establecidos
    • 2. Ventaja de datos
      • Surge a través de conjuntos de datos de producto propietarios y de contexto específico de cada empresa que permite capacidades que los competidores no pueden replicar

  • El cambio más fundamental: evolución continua

    • La evolución continua es lo más importante
    • Las mejores plataformas orquestan activamente múltiples modelos de IA, fuentes de datos y flujos de trabajo para ejecutar comportamientos autónomos
      • Tienden a poseer datos únicos provenientes de su ecosistema
      • Pueden aprovechar rápidamente esos datos para generar bucles de retroalimentación en tiempo real a partir de interacciones agénticas y con clientes

  • La importancia de la velocidad

    • La velocidad es clave, tanto para entregar funciones adicionales como para formular estrategia
    • Las empresas deben pensar en sus visiones de Act 2 y Act 3 mucho antes de lo que era necesario en la era SaaS
    • Será interesante ver cómo esto sigue evolucionando

  • Perspectiva del CEO de Port

    • "Es importante ser el primero en cambiar la forma en que se hace el trabajo. Desde la perspectiva del producto, se trata de construir algo que evolucione continuamente"
    • "Por ejemplo, una plataforma como un CRM: alguien la gestiona, la controla, tiene una opinión sobre ella y itera a partir de bloques de construcción centrales"

Lecturas adicionales recomendadas

Lecturas relacionadas

1 comentarios

 
progdesigner 2025-10-28

Así que todavía nadie sabe cómo debería hacerse
Parece una época en la que responder rápido y adaptarse al cambio
es la única estrategia de supervivencia