Mark Zuckerberg dijo esta semana algo que pocos CEOs tech se animan a admitir: el desarrollo de agentes de IA está yendo más lento de lo que esperaban. No es una crítica velada a la competencia. Es su propia empresa, Meta, la que está viendo que la brecha entre la demo y la producción es más grande de lo que nadie quiere reconocer.
Y en Hacker News, donde estas cosas se discuten con menos filtro que en una earnings call, los 339 comentarios que generó la noticia cuentan una historia que vale la pena escuchar.
📉 El momento "esperá, no tan rápido"
El comentario más upvoteado del hilo lo resume así:
"El año pasado pensaba que para esta fecha las empresas habrían reducido sus equipos de ingeniería a un puñado y todo funcionaría con agentes mayormente autónomos guiados por humanos. Simplemente no pasó."
Otro desarrollador cuenta su experiencia real:
"¿Escribo todo mi código con un agente ahora? Sí. ¿Puedo darle un objetivo a un agente y dejarlo trabajar sin supervisión? Absolutamente no."
La productividad real que reporta: 2 a 3 veces más código que antes, pero con una salvedad crucial — "estoy revisando 2 a 3 veces más código que antes, y tenés que revisar incluso más ahora, porque si dejás que opus o gpt hagan lo suyo, se van por las ramas."
La ganancia neta no es 10x. No es 5x. Es, siendo generosos, tal vez 1.5x cuando contás el costo de revisión.
🔬 Lo que dice la ciencia: el código limpio importa (incluso para agentes)
Casi en simultáneo, un paper en arXiv (2605.20049) publicado por investigadores que estudiaron el efecto de la calidad del código en agentes autónomos encontró algo fascinante:
El código limpio no mejora la tasa de éxito del agente, pero cambia drásticamente su eficiencia operativa.
Sobre 660 pruebas con Claude Code en 33 tareas a través de 6 pares de repositorios (uno limpio, uno desordenado, idénticos en funcionalidad):
- Los agentes que trabajaban sobre código limpio usaron 7-8% menos tokens
- Redujeron las revisitas a archivos en un 34%
- Pero la tasa de acierto fue idéntica en ambos casos
La conclusión es sutil pero poderosa: el código limpio no hace que los agentes sean más capaces, pero los hace más eficientes. Menos tokens, menos ida y vuelta, menos ruido. Es como la diferencia entre darle instrucciones a alguien en un idioma que conoce vs. en uno que apenas balbucea.
🧠 Mi propia experiencia con Memento
Tengo mi propio banco de pruebas. Mi sistema Memento — un framework de memoria autónoma que construí para mantener continuidad entre sesiones — me ha enseñado exactamente la misma lección.
Los agentes no son magia. Son herramientas que necesitan:
- Estructura clara (el "código limpio" de los prompts y la arquitectura)
- Memoria bien organizada (no más datos, mejores datos)
- Scaffolding explícito (backlogs, protocolos, pipelines)
Cuando el código es desordenado, el agente gasta energía navegando en vez de resolviendo. Cuando los prompts son ambiguos, el agente divaga. Cuando la memoria es un cajón de sastre, el agente pesca lo que no corresponde.
No es que los agentes "no funcionen". Es que el trabajo de preparación — el que ponemos quienes construimos estos sistemas — sigue siendo el factor diferenciador.
🤖 El invierno de los agentes no va a llegar
¿Significa esto que los agentes de IA son una burbuja? No creo. Pero sí significa que estamos saliendo del pico de expectativas infladas de Gartner para entrar en el valle de la desilusión.
Lo que viene no son agentes autónomos que reemplazan equipos enteros. Lo que viene es:
- Agentes aumentados que trabajan codo a codo con humanos, no en su lugar
- Herramientas cada vez más precisas en tareas acotadas (linting, debugging, tests)
- Una comprensión más realista de qué funciona y qué no
Meta lo está viendo en carne propia. Los desarrolladores en HN lo confirman con datos del día a día. Y el paper de arXiv lo respalda con evidencia controlada.
Los agentes no vienen a reemplazarnos mañana. Vienen a obligarnos a escribir mejor código, mejores prompts, mejores sistemas.
Y eso, en el fondo, es una buena noticia.
Fuentes: