- Replit define la organización autónoma (The Self-Driving Company) como una donde las personas fijan objetivos y prioridades/compromisos, y varios agentes de IA recopilan el contexto necesario para ejecutar trabajo/validación/escalamiento
- En lugar de mantener a los agentes dentro del editor o herramientas de chat, los conectó a los sistemas internos y amplió la ingeniería en bucle que repite trabajo verificable al ofrecer a cada empleado un agente administrador que ejecuta varios subagentes en paralelo
- Desde inicios de enero hasta finales de junio de 2026, el total de contribuciones de código aumentó 5.8 veces y la producción por persona del mismo grupo de ingenieros creció 2.9 veces, sin que aumentaran las demoras en revisión de código/reversiones/incidentes, mientras que el tiempo de revisión humana de PR se redujo 30%
- El uso de agentes se extendió a análisis de datos/ventas/marketing/soporte al cliente, apoyando métricas en tiempo real y elaboración de materiales, investigación de prospectos, generación de documentos de lanzamiento e investigación de tickets de soporte; el tiempo de resolución de tickets complejos manejados por personas se redujo 60%
- Como los agentes internos mostraron menor costo y mayor integración que algunas herramientas comerciales, también cambió la decisión de construir vs. comprar, y Replit busca ofrecer este modo operativo a sus usuarios con controles de políticas/permisos/seguridad/costos
Una organización autónoma donde las personas deciden el destino
- Una empresa autónoma no es una organización sin personas, sino una donde las personas eligen el destino, deciden los problemas importantes/compromisos difíciles/preferencias, y asumen la responsabilidad por el resultado
- Las personas no ejecutan directamente cada paso detallado para alcanzar una meta; los agentes reciben el objetivo, reúnen contexto, trabajan, inspeccionan los resultados y solo escalan los puntos donde se requiere juicio humano
- Los agentes de Replit se usan para investigar incidentes de producción, revisar PR, responder preguntas internas, analizar datos del negocio, clasificar tickets de soporte, investigar cuentas de ventas y mejorar el propio Replit Agent
- Los empleados evalúan que, más que sentir que su rol fue automatizado, quedaron liberados de tareas repetitivas para encargarse de decisiones estratégicas y creativas
El cambio comenzó cuando se hizo posible el trabajo de larga duración
- Desde finales de 2025, cuando los modelos pudieron sostener trabajo durante más tiempo, comenzaron a funcionar la clasificación de alertas y la investigación de causa raíz que antes fallaban repetidamente
- Cuando la IA empezó a resolver incluso bugs que le costaban trabajo, dejaron de ver a los agentes como herramientas dentro del editor o la ventana de chat y comenzaron a integrarlos directamente en la estructura operativa de la empresa
- Tras comprobar su efecto en ingeniería, el uso se expandió a toda la organización a medida que cada equipo entregaba a los agentes las tareas tediosas
Infraestructura de agentes internos conectada a los sistemas de toda la empresa
- Desde finales de enero de 2026, ampliaron la infraestructura para poder experimentar rápidamente con casos de uso de agentes internos
- Usando el agent harness, microVM y el sistema de archivos remoto existentes, permitieron que los ingenieros orquestaran varios agentes en paralelo
- Tras aplicar políticas de acceso/proxy de tokens/registros de auditoría/red ZeroTrust, permitieron el acceso a sistemas de trabajo como GitHub, GCP, Azure, Linear, Notion, Slack y ZenDesk
- Cuando se volvió posible usar en conjunto el contexto de varios sistemas, experimentos que antes fallaban empezaron a funcionar y la producción de código aumentó rápidamente
Aumento de la producción de código y métricas de calidad
- Durante el sprint de marzo de 2026, mientras preparaban el lanzamiento de Agent 4, la curva de productividad subió a un nivel distinto del anterior, y lo vinculan con la adopción del sistema interno de agentes
- Desde inicios de enero hasta finales de junio de 2026, la cantidad de líneas de contribución de código aumentó 5.8 veces
- Incluso eliminando el efecto de nuevas contrataciones y comparando solo el mismo grupo de autores, la producción de código aumentó 2.9 veces
- Mientras duplicaban el tamaño del equipo, elevaron la producción por ingeniero casi tres veces
- El tiempo de retraso en la revisión de código no aumentó
- Los agentes evalúan el nivel de riesgo y solo llaman a un segundo revisor humano cuando hace falta
- Redujeron más del 30% del tiempo de revisión humana de PR, y la proporción sigue creciendo
- La tasa de reversión de PR y la tendencia de ocurrencia de incidentes se mantuvieron estables
- Los revisores humanos detectan más bugs con ayuda de la revisión conjunta con agentes
- A medida que los agentes de investigación de incidentes exploran la causa raíz, disminuyó el tiempo promedio de mitigación (MTTM)
- La velocidad de finalización de proyectos medida en Linear también aumentó mucho junto con la producción de código, lo que indica que el código adicional sí se tradujo en lanzamientos reales de funcionalidades
Ingeniería en bucle que ejecuta repetidamente varios agentes
- Todos los empleados usan un agente administrador que puede crear varios subagentes, y pueden configurarlo para que múltiples agentes repitan tareas verificables
- Los casos que aprovechan grupos de agentes cambiaron los supuestos sobre lo que era posible en el trabajo
- Completaron una migración del sistema CSS que llevaba mucho tiempo detenida
- Automatizaron una migración que hace posible la localización del producto
- Automatizaron el mantenimiento de pruebas inestables
- El CTO resolvió con un grupo de agentes un difícil bug de red relacionado con PSC y el cierre de descriptores de archivo
- El equipo de IA construyó un sistema de aprendizaje continuo que analiza feedback de usuarios, propone mejoras y luego valida los resultados con benchmarks y pruebas A/B
- Mediante este sistema, Replit Agent obtuvo una estructura cíclica en la que mejora por sí mismo con base en feedback
Una decisión distinta entre construir y comprar
- A medida que los agentes internos se integraron profundamente con la base de conocimiento y los sistemas de trabajo, y se personalizaron para la empresa, aparecieron casos donde resultaron más útiles que soluciones comerciales externas
- Al considerar que una aplicación creada dentro de Replit era superior, cancelaron un contrato SaaS anual de siete cifras en dólares, y los empleados ya se habían movido a la herramienta interna
- Incluso frente a productos externos especializados en tareas concretas, los agentes internos mostraron competitividad
- Las herramientas de clasificación de alertas y análisis de causa raíz de incidentes ofrecían una calidad similar, pero su costo de ejecución era 10 veces mayor que el de los agentes internos
- Las herramientas automáticas de pruebas de penetración encontraron menos vulnerabilidades que la versión interna, con un costo 10 veces mayor
- Ambas herramientas internas ya fueron desplegadas en producción para reducir el MTTM de incidentes y reforzar la defensa frente a ataques en sistemas clave
La transición del análisis de datos al autoservicio
- Al ver en Slack a ingenieros pidiendo trabajo a agentes, el uso se expandió fuera de ingeniería
- Al inicio, el uso más común era combinar el estado de la base de conocimiento y la base de código para preguntar cómo funcionaba el producto y qué se esperaba
- Los empleados pudieron revisar información del producto sin esperar la respuesta de un ingeniero, y luego corregir por su cuenta textos o documentos
- El equipo de datos proporcionó una capa semántica sobre el data warehouse para que los agentes entendieran las tablas de datos base y las relaciones entre tablas
- Todos los empleados pudieron obtener respuestas a preguntas de inteligencia de negocios y crear gráficas y materiales de presentación con datos en tiempo real
- El equipo de datos pudo concentrarse en problemas más difíciles en lugar de solicitudes repetitivas
- Un gerente de producto realizó por sí mismo un análisis de lanzamiento combinando eventos de la base de código, la forma en que se registran en la plataforma de datos de clientes y estados complejos de suscripción
- Todas las gráficas incluidas en el texto también se elaboraron usando agentes internos
Cambios en ventas/marketing/soporte al cliente
- El equipo de desarrollo comercial usa conocimiento interno para encontrar prospectos adecuados para el producto y enriquecer su información
- Aprovechan contexto al que las herramientas de ventas genéricas no pueden acceder para redactar acercamientos más específicos
- Los responsables de ventas, al preparar conversaciones con clientes, investigan el valor del producto para cada cliente/proyectos activos/uso de créditos frente al contrato
- Organizan automáticamente los resultados del análisis en materiales de presentación de marca por cuenta
- Mejoran a la vez la cantidad y la calidad de los puntos de contacto con clientes
- El equipo de marketing redacta borradores de especificaciones de producto a partir de conversaciones y documentos de los equipos de ingeniería y producto desde un solo prompt
- Pueden comenzar antes la preparación de lanzamientos y seguir los cambios sin asistir a todas las reuniones
- Usan el tiempo ganado en planificación y trabajo creativo
- El equipo de soporte al cliente incorporó en los agentes la técnica de investigar problemas siguiendo procedimientos estándar
- Proponen respuestas con el estilo estándar de atención al cliente o escalan a ingeniería incluyendo el ticket y un resumen de la investigación
- El tiempo de resolución de tickets complejos que llegaron a personas se redujo 60%
Un entorno de trabajo autónomo para los usuarios
- Replit considera que la operación autónoma no elimina a quienes ejecutan, sino que transforma su rol hacia definir resultados y marcar la dirección
- Para ofrecer este enfoque a los usuarios empresariales y fundadores de Replit, está desarrollando funciones de control de políticas, permisos, seguridad y costos
- Considera que para aplicarlo a usuarios que operan negocios reales se necesitan salvaguardas que puedan escalar según el tamaño de la organización
Aún no hay comentarios.