IA que programa: como usar coding agents sin crear deuda tecnica
Los coding agents ya pueden trabajar en segundo plano, abrir pull requests y resolver tareas de software. Pero sin revision, tests, limites y buenas tareas pueden multiplicar deuda tecnica en lugar de reducirla.
Los asistentes de codigo han evolucionado rapido. Primero completaban lineas. Luego escribian funciones. Ahora los coding agents pueden recibir una tarea, analizar un repositorio, modificar archivos, abrir una pull request y esperar revision.
GitHub presento en mayo de 2025 el coding agent de Copilot como un agente asincrono integrado en GitHub y accesible desde VS Code. La documentacion de GitHub permite asignar issues a Copilot o pedirle que cree pull requests. Gartner, por su parte, incluye las plataformas de desarrollo AI-native entre sus tendencias estrategicas de 2026.
Esto cambia la forma de construir software, pero no elimina la ingenieria. De hecho, si se usa mal, la IA puede producir codigo rapido y deuda tecnica mas rapido todavia.
Que tareas encajan bien
Un coding agent funciona mejor cuando la tarea esta acotada y el repositorio tiene patrones claros.
Buenos casos:
- Corregir bugs reproducibles
- Crear tests para comportamiento existente
- Refactorizar una funcion pequena
- Actualizar dependencias con cambios simples
- Implementar una pantalla siguiendo componentes existentes
- Anadir validaciones
- Mejorar documentacion tecnica
- Crear scripts internos
Malos casos:
- Redisenar arquitectura sin criterio
- Cambiar reglas de negocio ambiguas
- Tocar seguridad critica sin supervision
- Migraciones grandes sin plan
- Optimizar rendimiento sin datos
- Crear abstracciones generales sin necesidad
La regla es sencilla: si no puedes explicar la tarea en un issue claro, probablemente no deberias delegarla a un agente.
El riesgo real: codigo que compila pero no encaja
La IA suele producir codigo que parece correcto. El problema es si encaja con:
- Arquitectura existente
- Estilo del equipo
- Reglas de negocio
- Seguridad
- Rendimiento
- Accesibilidad
- Tests
- Mantenimiento futuro
Un humano junior tambien puede cometer estos errores. La diferencia es que un agente puede generar mucho mas volumen en menos tiempo. Si no hay revision, el problema escala.
Define reglas de trabajo para agentes
Antes de usar coding agents en serio, documenta como deben trabajar.
Incluye:
- Comandos de instalacion, test y build
- Estilo de componentes
- Convenciones de carpetas
- Politicas de seguridad
- Que archivos no debe tocar
- Como nombrar ramas y pull requests
- Criterios de aceptacion
- Requisitos de tests
Formatos como AGENTS.md, instrucciones de repo o documentacion interna ayudan a que el agente tenga contexto. Si tu equipo ya centraliza documentacion de procesos en herramientas como Polp, puedes usar ese conocimiento para convertir buenas practicas repetidas en instrucciones claras para desarrollo.
Revisa como si fuera una pull request normal
El peor error es asumir que "lo ha hecho la IA" significa que se puede mergear mas rapido. Debe ser al contrario: al principio conviene revisar con mas cuidado.
Checklist de revision:
- La tarea resuelta coincide con el issue?
- Hay cambios fuera de alcance?
- Se han modificado archivos innecesarios?
- Los tests cubren el caso?
- Hay regresiones visuales o funcionales?
- Hay riesgos de seguridad?
- Se mantiene el estilo del proyecto?
- El codigo es mas simple o mas complejo que antes?
La IA no debe saltarse el proceso de calidad. Debe trabajar dentro de el.
Tests: la barrera minima
Los coding agents son mucho mas utiles en repositorios con buenos tests. Sin tests, el agente opera casi a ciegas y el revisor humano tiene que validar demasiado manualmente.
Prioriza:
- Tests unitarios para logica
- Tests de integracion para APIs
- Tests de componentes criticos
- Checks de lint y tipos
- Build obligatorio antes de merge
- Capturas o pruebas visuales en frontend cuando aplique
Un buen flujo es pedir primero al agente que escriba un test que falle, revisar si captura bien el problema y despues pedir la implementacion.
Seguridad y secretos
Un agente de codigo puede leer mucho contexto. Por tanto:
- No expongas secretos en el repositorio
- Usa variables de entorno correctamente
- Limita permisos de tokens
- Revisa dependencias nuevas
- Evita que el agente cambie configuraciones de CI/CD sin revision
- Protege ramas principales
Los agentes no deben tener permisos de escritura directa a produccion. Deben pasar por pull request, checks y revision.
Coste por tarea, no coste por token
En desarrollo, el coste relevante no es solo cuanto cobra el modelo. Es cuanto cuesta resolver una tarea completa.
Incluye:
- Tiempo de preparacion del issue
- Tokens consumidos
- Tiempo de revision
- Fallos de CI
- Rework
- Bugs posteriores
Un agente barato que genera PRs mediocres puede salir caro. Uno mas caro que resuelve tareas acotadas con buena calidad puede ahorrar horas reales.
Donde aporta mas a una PYME
Para una PYME, los coding agents son especialmente utiles en:
- Mantenimiento de software interno
- Automatizaciones operativas
- Paneles de administracion
- Integraciones con APIs
- Tests que nunca se escribieron
- Documentacion de proyectos
- Migraciones pequenas
No sustituyen a un equipo tecnico. Ayudan a que el equipo entregue mas, siempre que alguien con criterio tecnico marque direccion y revise.
Como podemos ayudarte
En Navel Digital usamos IA en desarrollo con disciplina: issues claros, repositorios preparados, tests, revision humana y despliegues controlados. Tambien ayudamos a empresas a crear software a medida y automatizaciones donde la IA acelera el trabajo sin convertir el codigo en una caja negra.
La IA que programa no elimina la deuda tecnica. La acelera o la reduce segun el sistema de trabajo que tengas alrededor.