¿Cómo cambiará la IA al software en 2026?

1. Con una arquitectura agent-native, los agentes de IA podrán operar apps al mismo nivel que los usuarios e incluso realizar cambios al nivel de un desarrollador
2. Los diseñadores empezarán a crear sus propias herramientas sin necesidad de programar, aunque la barrera de entrada de los editores de código sigue siendo un desafío
3. Surgirá un nuevo tipo de desarrollador llamado ingeniero agéntico, cuyo rol pasará de programar directamente a dirigir y coordinar agentes de IA
4. El entrenamiento de IA evolucionará hacia la autonomía (independence), y será necesario avanzar hacia un modelo que permita a los agentes explorar por sí mismos y cometer errores

---

Predicción 1: software que trata a los agentes como ciudadanos de primera clase

• 2025 fue el año en que los agentes de código alcanzaron un nivel confiable; hace un año, salvo para desarrolladores expertos, era común chocar contra una pared de errores y bugs, pero modelos como Opus 4.5 de Anthropic superaron ese límite
• Se explica en tres etapas la arquitectura agent-native, que cambia tanto la forma de construir apps como quién las construye
  • Nivel 1: el agente puede hacer todo lo que puede hacer un usuario; la IA accede a todos los botones, configuraciones y funciones dentro de la app y opera el software del mismo modo que una persona.
    • Atlas de OpenAI puede realizar directamente tareas como agregar a alguien a un espacio de trabajo de Notion
  • Nivel 2: el agente puede hacer todo lo que puede hacer el código de la app; accede y aprovecha funciones de backend que no están expuestas al usuario.
    • Cora, el asistente de correo de Every, genera dos veces al día un "briefing" con el resumen de la bandeja de entrada
  • Nivel 3: el agente puede hacer todo lo que puede hacer un desarrollador; implementa directamente correcciones de bugs, agrega funciones y modifica cómo opera el software según la solicitud del usuario
    • Empresas como Anthropic y Notion están pensando en construir software que trate tanto a humanos como a agentes como ciudadanos de primera clase

Predicción 2: los diseñadores crearán sus propias herramientas

• Los diseñadores y creadores estaban limitados para construir experiencias completas por la falta de habilidades de programación, pero ahora eso está empezando a cambiar
• Incluso el creative lead de Every pasó de ser un diseñador tradicional a alguien que hace vibe coding de pequeñas apps para ayudar en su trabajo
• Aun así, el miedo al terminal de programación sigue existiendo, y para que editores de código con IA como Cursor se expandan hacia el segmento de diseñadores, será necesario abstraer el código y bajar la barrera de entrada

Predicción 3: un nuevo tipo de ingeniero de software que dirige agentes de IA

• Con la evolución de las capacidades de la IA, aparecen dos tipos de constructores de software
  • Ingenieros que usan la IA como un medio para acelerar procesos existentes, pero que aún leen y escriben código directamente
  • Vibe coders que producen resultados aunque no entiendan el funcionamiento interno
• Surge una tercera categoría: el ingeniero agéntico
  • Redefine el trabajo de desarrollo de software en torno a dirigir agentes de IA en lugar de escribir código
  • Delega la mayor parte de las tareas de programación y se concentra en trabajos de nivel superior como definir qué construir, descomponer problemas y coordinar agentes
  • A cambio de renunciar en parte a la sensibilidad tradicional para programar, elige conscientemente una nueva capacidad: la gestión de agentes

Predicción 4: la próxima ola del entrenamiento de IA apuntará a la autonomía (Independence)

• El desarrollo de los agentes de IA se parece al desarrollo infantil: al principio es como un bebé al que solo se puede dejar solo cinco minutos, pero gradualmente puede entretenerse por más tiempo sin supervisión
• Hace unos años los LLM solo podían procesar un turno a la vez, pero ahora pueden ejecutar tareas durante entre 20 minutos y casi 1 hora sin intervención; aun así, todavía estamos lejos de una ejecución indefinida
• Condiciones para lograr una verdadera autonomía
  • Aprendizaje continuo
  • Reconocimiento claro de objetivos
  • Capacidad de modificar objetivos de forma razonable con el paso del tiempo
• El actual entrenamiento de alineación está diseñado para volver a los agentes predecibles y obedientes, lo que se convierte en un obstáculo para alcanzar la autonomía
• Para lograr una autonomía real, los agentes necesitan libertad para explorar y equivocarse, pero por razones de seguridad se ha evitado permitirlo
  • Se necesita un método de aprendizaje que permita experimentar y fallar
• En 2026 aparecerán nuevos enfoques de entrenamiento y arquitecturas que relajarán estas restricciones y permitirán que los agentes actúen con mayor independencia

Ver el video - Four Predictions For How AI Will Change Software in 2026