🧠 El Software No Ha Muerto — El Desarrollador como Project Manager de Agentes
Tesis central
La IA no eliminó el desarrollo de software: movió el trabajo de escribir cada línea a supervisar, arquitectar y resolver problemas complejos. El desarrollador que solo monta un CRUD básico está en riesgo; el que entiende sistemas complejos y dirige agentes vale más que antes.
Resumen en una frase: programar se volvió más accesible, pero construir software serio sigue siendo un trabajo humano de criterio y responsabilidad.
Fuente
Resumen estructurado de un video. La URL original queda por confirmar; el contenido se conserva tal como fue expuesto, sin validación externa de sus afirmaciones.
1️⃣ Del desarrollo tradicional al nuevo ecosistema
El modelo clásico: Frontend, Backend y Bases de datos. Roles rígidos (o Fullstack) y trabajo manual de escribir, probar, validar y mantener cada línea.
El escenario actual: el ecosistema se amplió y volvió interdisciplinario:
- Agentes autónomos
- MCP (Model Context Protocol)
- Herramientas CLI avanzadas
- Bases de datos vectoriales
- Decenas de modelos de lenguaje
El miedo es real, pero el diagnóstico es otro
Hay resistencia y miedo a quedar obsoleto o sin empleo. Es comprensible, pero el software no murió: cambiaron las responsabilidades.
2️⃣ La realidad del Vibe Coding
El vibe coding —programar en lenguaje natural y pedirle a un modelo que construya la app— no es una moda ni una promesa: es una realidad cotidiana.
| Lo que sí logra | Lo que no |
|---|---|
| Democratiza apps sencillas: paneles internos, sitios interactivos, CRUDs. | Escalar sistemas. |
| Permite a personas sin formación técnica formal entregar software funcional y cobrar por ello. | Resolver casos borde. |
| Excelente para prototipos y software estándar. | Integrarse en producción crítica. |
El techo del vibe coding
Programar “a ciegas” funciona hasta que el software necesita escala, casos borde o producción crítica. Ahí se acaba el atajo.
3️⃣ Modelos frontera vs. modelos abiertos (locales)
Supremacía de los modelos frontera
En trabajo real y desarrollo complejo, los modelos de frontera en la nube —con Claude (Anthropic), Sonnet y Opus a la cabeza— superan con creces a cualquier modelo local.
La inversión económica
Pagar $100–200 USD/mes no es un gasto: es inversión de negocio para un desarrollador profesional. El costo se traslada al presupuesto del proyecto y multiplica la velocidad.
El papel de los modelos open source
Modelos locales como Qwen o DeepSeek son excelentes para:
- Estudiar y experimentar
- Tareas pequeñas del día a día: resumir, redactar correos, apoyo puntual
Pero no son viables hoy para:
- Monorepositorios gigantescos
- Bases de datos complejas en producción
- Razonamiento arquitectónico de alto nivel
4️⃣ ¿Por qué el software NO ha muerto?
Aunque una IA escriba el código base, las empresas siguen necesitando developers por dos razones:
a) Experiencia y criterio arquitectónico
La IA genera rápido, pero no siempre estructura pensando en:
- Escalabilidad
- Seguridad
- Concurrencia
- Costes de infraestructura a largo plazo
Hace falta un humano que tome decisiones de alto nivel.
b) Responsabilidad legal y operativa
Las empresas de IA (Anthropic, OpenAI) se deslindan de cualquier daño en sus términos de uso. Si un agente borra registros en producción o deja una brecha de seguridad, la culpa no recae en el modelo.
El argumento decisivo
Las empresas necesitan alguien que dé la cara: que revise el código, garantice que funciona y responda cuando algo falla. Ese alguien es el desarrollador.
5️⃣ La complejidad real del software corporativo
Cuando la app deja de ser un CRUD y pasa a escala empresarial:
| Frente | Qué aparece |
|---|---|
| Legado / ERP | Software cerrado o antiguo sin APIs modernas: web scraping, tareas programadas, protocolos propietarios. |
| Protocolos avanzados | WebSockets, GraphQL, gRPC y SOAP, además de REST. |
| Bases de datos | Consultas mal optimizadas, relaciones complejas, migraciones masivas entre nubes, sobrecostos de servidores. |
| Backend con IA | Gateways para IA, protocolos Agent-to-Agent (A2A), MCPs, bases de datos vectoriales. |
| Frontend con IA | Interfaces más allá de la web (escritorio en Rust, móvil nativo) y nuevo SEO: que los agentes de IA indexen y recomienden tu app o negocio. |
6️⃣ El nuevo rol: Project Manager de Agentes
Antes, un líder técnico dividía el proyecto y delegaba en developers humanos. Hoy, ese mismo developer actúa como Project Manager que delega tareas a agentes de IA.
| Ventaja | Efecto |
|---|---|
| No descansan | Trabajan 24/7. |
| Reducen costes | Radicalmente. |
| Aceleran entregas | Proyectos de un equipo durante 3 meses pueden resolverse con un developer + sus agentes en un par de semanas. |
Los agentes no solo escriben código:
- Navegan por la web
- Ejecutan tests
- Reproducen bugs
- Gestionan issues
Ejemplo del video: Herdr
Al reportar un fallo en el repositorio open source Herdr, la interacción ocurre casi de inmediato entre bots y agentes que procesan y analizan el problema automáticamente.
7️⃣ El ejemplo de ArtCraft
ArtCraft es un proyecto open source creado con IA que clona en Rust herramientas populares de Adobe y Microsoft: PhotoCraft, FilmCraft y otras.
- Es sorprendente crear suites completas en poco tiempo.
- Pero un proyecto no termina al compilar la v1.0.
A partir de ahí llegan:
- Reportes de fallos de usuarios
- Mantenimiento continuo
- Revisión de pull requests
- Costes de infraestructura
- Búsqueda de monetización o patrocinio
La cruda realidad
Todo lo posterior al lanzamiento sigue exigiendo criterio técnico y dedicación humana. La IA acelera la construcción; no absorbe la operación.
8️⃣ Conclusiones y consejos
No te limites a lo básico
El developer que solo sabe montar un Frontend simple + Backend + base de datos relacional para páginas informativas o landing pages corre peligro: la IA ya automatiza ese nivel por completo.
Para estudiantes
Lo que enseña la universidad sigue siendo 100% útil:
- Estructuras de datos
- Modelado de bases de datos
- Metodologías como TDD
La diferencia: ya no escribes cada línea tú solo; le indicas al agente cómo implementarlo bajo esos principios.
Aprender sistemas complejos
- Sistemas en tiempo real
- Arquitecturas multi-tenant
- Streaming de datos
- Optimización de consultas
- Interacción con agentes e interfaces avanzadas
Calma frente al FOMO
No hay que aprender cada librería o herramienta de IA que sale cada semana. Lo esencial:
- Dominar cómo se comunican los modelos.
- Entender cómo se estructuran las arquitecturas.
- Mantener visión crítica sobre el código generado.
Cierre
El software no ha muerto. Programar se volvió más accesible y el trabajo del desarrollador evolucionó hacia la supervisión, la arquitectura y la resolución de problemas complejos.
🔗 Enlaces relacionados
- 🔍 Open Code Review — revisión de código con IA, precisión sobre ruido.
- 📊 CodeGraph — contexto de repositorio para agentes en monorepos.
- 🤖 Multica — workspace para orquestar agentes.
- 🧩 Claude Plugins Official — plugins y skills para Claude Code.
- 🎬 Concat — ejemplo de app nativa en Rust con MCP, cercana al caso ArtCraft.
- 📥 Vault Ingest — cómo se guardó esta nota.