Por qué el desarrollo con agentes no está siendo eficiente

La inteligencia artificial no crea, por sí sola, una empresa ordenada ni una empresa rota. Es un potenciador: saca a la luz el orden y el desorden que ya estaban. Si hay oficio, reglas y un producto que evoluciona, el agente acelera eso. Si hay pedidos sueltos, roles sin proceso y diez tableros del mismo problema, el agente los multiplica —más rápido, más caros, más visibles.

Por eso importa la gobernanza. No como freno. Como visibilidad en dos direcciones: cómo se debe usar la herramienta, y cómo se está usando de verdad. Sin lo primero, cada persona inventa el método. Sin lo segundo, la empresa paga asientos y tokens sobre un portfolio que nadie ve.

Cursor, Cloud Code, Antigravity y herramientas parecidas prometen lo mismo: un agente que escribe, corrige y entrega. Las empresas compraron asientos. Los equipos los abrieron. El resultado, en la mayoría de los casos, no está siendo eficiente. No porque el modelo no sepa programar. Porque se lo usa sin criterio, sobre un desorden que ahora se factura.

Este texto no es solo para quien codea. Es para quien paga la suscripción, quien lidera el equipo y quien, seis meses después, hereda el sistema. Un agente es software que toma un pedido en lenguaje natural y ejecuta trabajo. No es magia. Es un operador rápido al que hay que darle oficio —un arnés, en ingeniería harness: contexto, reglas, una tarea a la vez y alguien que firma. Sin eso se practica un prompting indiscriminado. Sale código. Sale ambiguo. Sale un producto sin base.

Se abre el agente. Se pega el ticket. Se pide «hacé el feature». Se acepta el diff. Se pide otro. Se pide que arregle lo que rompió el anterior. La sesión dura horas. El chat crece. La sensación es de avance. Eso que se ve no es solo un mal hábito individual: es el desorden del pedido —sin alcance, sin dueño, sin criterio de listo— puesto a velocidad de modelo.

No hay criterio de qué tocar. No hay contrato de qué no tocar. No hay una base que el agente tenga que respetar: arquitectura, dominio, tests, límites del negocio. El output se siente productivo: hay archivos nuevos, hay commits. No hay oficio. El producto queda armado de parches que no se sostienen entre sí.

El mismo patrón aparece fuera del código. Se intenta «automatizar el rol» —facturación, soporte, operaciones— pegando la descripción del puesto y esperando que el proceso aparezca. Si la disciplina no está escrita, el agente inventa una. Queda un flujo a medias: parece que alguien trabaja; nadie puede explicar la regla. La IA no inventó ese vacío. Lo hizo imposible de ignorar.

Para quien no lee diffs, la pregunta útil es otra: ¿el caso siguiente se resuelve sobre lo ya hecho, o hay que volver a pedir todo de cero? Si es lo segundo, no hubo entrega. Hubo movimiento. El desorden se volvió visible —y se pagó en tokens.

Un arnés no es otra suscripción. No se compra: se diseña. Es la forma visible de usar el agente. Las mismas piezas sirven a quien codea y a quien dueña un proceso:

• Contexto acotado. El agente ve lo que necesita para esa tarea —archivos, reglas, datos— y no el universo entero del producto o de la empresa.

• Reglas visibles. Cómo se debe usar: qué no tocar, qué convención respetar, cuándo parar y preguntar. Si no está escrito, el modelo completa con lo más probable, no con lo correcto.

• Una tarea. Un problema, un alcance, un criterio de listo. «Hacé el feature» no es una tarea: es un deseo.

• Alguien que firma. Ownership humano. El cambio tiene dueño. El agente propone; una persona responde por el sistema.

• Visibilidad de uso. Cómo se está usando de verdad: qué se construyó, con qué asiento, qué se consolidó y qué se retiró. Sin ese mapa, la gobernanza es un documento. Con él, se ve el orden —o el sprawl— a tiempo.

Adentro de ese marco, el agente no inventa el sistema en cada prompt. Opera sobre una base que ya existe —o que se está construyendo con intención. Es la diferencia entre un junior con onboarding, checklist y revisor, y uno al que se le tira la llave del depósito.

Sin eso, Cursor, Cloud Code o Antigravity hacen lo que les pedís. El problema es que les pedís cualquier cosa, en cualquier orden, sobre un producto —o un proceso— que todavía no tiene piso. El arnés no hace más listo al modelo. Hace visible el método. Lo que distingue un trabajo profesional de uno amateur no es el agente. Es usarlo con arnés, o sin él.

Cuando falta el arnés, el desorden deja de ser cultural y se vuelve factura. Se ve en el producto, en el backlog y en el consumo.

• Productos deficientes. Corren en la demo y se caen cuando el negocio pide el caso siguiente. El primer happy path estaba en el prompt; el resto, no.

• Nada escala. Cada feature nueva pelea con la anterior. No hay base: hay acumulación. El código crece hacia afuera porque es más fácil pedir «agregá esto» que tocar lo que ya existe.

• Más tokens para refinar. El primer prompt fue barato; el décimo para «arreglar esto» ya no. Se paga dos veces el mismo trabajo. Un token es la unidad que factura el proveedor: el costo de un pedido que no estaba escrito.

• Uso desmedido. El asiento queda abierto todo el día, como una segunda cabeza que genera ruido. No hay entrega: hay sesión. Y nadie, a nivel empresa, puede decir qué se hizo con esa sesión.

Eso es lo que las empresas miden mal. Ven movimiento —commits, líneas, chats—. No ven retrabajo ni el mapa de uso. GitClear documentó el síntoma en código: menos refactor, más copy/paste. Stanford, en productividad: la ganancia aparente se parte cuando se cuenta lo que hay que rehacer. El potenciador hizo visible lo que el tablero de «asientos activos» escondía.

Hay un gasto que no aparece en el primer prompt. Es el doble esfuerzo. Es el desorden organizacional puesto en paralelo: dos equipos resolviendo el mismo problema porque cada uno puede «hacerlo rápido».

Como el agente es ágil y «fácil», la tentación es abrir una mini app, un dashboard, un tablero que «resuelve» lo de esa persona o de ese equipo. En una semana hay un demo. En un mes hay tres demos que hacen casi lo mismo. Ventas tiene el suyo. Operaciones, otro. Alguien del backoffice consolidó sus tareas en un cuarto. Ninguno evoluciona: no hay dueño de producto, no hay base compartida, no hay el caso siguiente. Hay un prototipo que ya se mostró. La IA no inventó la competencia por lucirse. Le bajó el costo y la dejó a la vista.

McKinsey describe el mismo patrón en agentes: un sprawl como el de la RPA. Low-code, no-code y ahora el agente hacen que cualquiera pueda crear. El riesgo es una nueva shadow IT: agentes y apps que se multiplican, duplican esfuerzos u operan sin supervisión. La pregunta correcta es de visibilidad: ¿quién decide qué se construye y qué se retira? Menos del 30% de las empresas, según el mismo informe, tienen al CEO patrocinando la agenda de IA. El resultado son microiniciativas desconectadas: inversión sin mapa.

Microsoft y LinkedIn midieron la grieta. El 75% de los knowledge workers ya usa IA en el trabajo; el 78% de esos usuarios trae su propia herramienta (BYOAI). El 60% de los líderes dice que su empresa no tiene visión ni plan. El 59% no sabe cómo cuantificar el ROI. Sin cómo usarla y sin cómo se está usando, las personas no esperan: demuestran valor por su cuenta. En la carrera por mostrar que «su idea es la que funciona», se pagan dos veces el mismo problema —en horas y en tokens— sobre proyectos que no tienen futuro.

MIT Project NANDA lo llama la economía shadow AI: en más del 90% de las empresas relevadas los empleados usan herramientas personales; solo el 40% compró una suscripción oficial de LLM. Las iniciativas formales se quedan en piloto. De las tools a medida, el 60% se evalúa, el 20% llega a piloto y apenas el 5% a producción con impacto. Gartner encontró que el 69% de las organizaciones sospecha o tiene evidencia de GenAI pública prohibida, y prevé que para 2030 más del 40% tendrá un incidente ligado a esa shadow AI. El costo no es solo el leak: es un portfolio invisible. Eso es falta de visibilidad, no falta de modelo.

La salida no es prohibir el experimento. Es gobernarlo y hacerlo visible. Cómo se debe usar: un arnés, un producto o un proceso con dueño, criterio de retiro. Cómo se está usando: qué mini app existe, quién la sostiene, si se consolida o se apaga. Quien tiene una idea buena la aporta a la base que evoluciona; no abre otro repositorio para ganar la semana. Sin esa dirección, el consumo desmedido no viene del modelo: viene de diez versiones del mismo tablero que nadie va a mantener.

No hay un ensayo clínico que diga «arnés organizacional = +X% en toda la empresa». Lo que sí hay, en fuentes públicas, son porcentajes de mismo modelo, distinto marco y de volumen versus lo que llega a producción.

• En Claw-SWE-Bench (2026), cambiar solo el harness —mismo modelo, mismas issues— mueve el Pass@1 hasta 27,4 puntos (38,6% con un andamiaje genérico frente a 66,0% con uno diseñado). Cambiar el modelo, con el mismo harness, mueve 29,4. El marco pesa como el modelo.

• SWE-agent (Princeton, NeurIPS 2024): el mismo GPT-4 Turbo pasa de 1,31% de issues resueltas en modo RAG a 12,47% con una interfaz hecha para el agente. El chat suelto no es el mismo sistema.

• METR (RCT, 2025): desarrolladores seniors en su propio repo, con herramientas frontier, tardaron 19% más que sin IA. Creían ir 24% más rápido. Sin elicitation ni scaffolding, el asiento no garantiza ganancia.

• Stanford / Denisov-Blanch (~100.000 ingenieros): volumen aparente +30–40%; neto tras retrabajo +15–20%. En brownfield complejo, 0–10%. El gasto en tokens no predice el ROI.

• NBER w35275: de autocomplete a agentes, los commits pueden subir hasta +180% acumulado; las releases, +30%. Actividad no es shipping.

• Gartner estima que más del 40% de proyectos agentic se cancelarán hacia fin de 2027 —costos, valor poco claro o controles insuficientes—. Sin datos listos para IA, habla de abandono del 60% hasta 2026.

• McKinsey: menos del 30% de las empresas tiene patrocinio directo del CEO sobre la agenda de IA; eso produce microiniciativas desconectadas. El sprawl de agentes —como la RPA— duplica esfuerzos si no hay quién construye y quién retira.

• Microsoft Work Trend Index 2024: 75% de los knowledge workers usa IA; 78% trae su propia herramienta. El 60% de los líderes no tiene plan. MIT NANDA: más del 90% de las empresas tiene uso personal de IA; solo el 40% compró el asiento oficial; el 5% de las tools a medida llega a producción con impacto.

Leídos juntos, no venden un producto. Dicen otra cosa: el beneficio aparece cuando hay marco, review y un proceso que el agente no tiene que inventar. Sin eso, se infla el movimiento y se paga el retrabajo.

Usar bien un agente es más lento al principio y más barato después. No hace falta un departamento nuevo. Hace falta disciplina visible: cómo se debe usar, y cómo se está usando.

• Un problema por sesión. Qué hay que cambiar, dónde, y cómo se sabe que está listo. Si no se puede decir en cuatro líneas, el agente va a rellenar el vacío.

• Contexto antes que conversación. Reglas del repo, del proceso o del dato —las que importan para esa tarea— adelante. No un chat infinito que «ya se acuerda».

• El agente no abre el día. Se usa cuando hay un pedido con dueño. Dejarlo prendido como copiloto permanente es la forma más cara de no decidir.

• Quien firma, revisa. No se acepta el diff porque «compila» o porque la demo respira. Se acepta porque alguien puede sostener el caso siguiente.

• No se automatiza un rol: se automatiza un proceso escrito. Si no hay disciplina —pasos, excepciones, datos, quién escala— el agente produce un proceso deficiente. Primero el oficio; después la integración.

• Medir retrabajo, no tokens sueltos. La pregunta no es cuántos asientos están activos. Es cuántas veces se volvió a pedir lo mismo y cuánto del cambio quedó en producción.

• Un producto, no diez demos. Antes de abrir otra mini app o dashboard, preguntar si el problema ya vive en un sistema de la empresa. Si no existe, se abre un proyecto con dueño, base y criterio de retiro —no un prototipo para demostrar que la idea propia es mejor. Consolidar esfuerzo es más lento de mostrar y más barato de mantener.

• Visibilidad en dos direcciones. Publicar cómo se debe usar —reglas, bases, qué no se construye de nuevo— y ver cómo se está usando: asientos, prototipos, tokens, qué se retiró. Gartner habla de puntos ciegos; Microsoft, de empresas sin plan. Si no hay mapa, la IA solo ilumina el desorden para quien paga la factura, cuando ya es tarde.

Ahí Cursor, Cloud Code o Antigravity rinden. Donde no hay arnés, rinden las horas del que después tiene que entender el desastre —y la factura del proveedor, que no distingue ruido de entrega.

Eficiencia, en este oficio, no es más prompts. Es menos ventanas, menos «hacé todo» y más arnés: qué problema, qué archivo o qué regla, quién revisa. Y es gobernanza: que la empresa sepa cómo usar la IA y cómo se está usando. El potenciador no perdona. Donde hay orden, lo escala. Donde hay desorden, lo factura.

draweb construye sistemas de gestión con esa misma lógica: oficio primero, agentes con el equipo, ownership humano. Si la herramienta no trabaja con criterio —y sin visibilidad—, no es un acelerador. Es gasto que revela lo que no se quería ver.

Este artículo se apoya en investigación pública reciente. No es un inventario exhaustivo: son las lecturas que sostienen los puntos de arriba —retrabajo, calidad, tokens, sprawl, visibilidad de uso y el efecto del arnés.

Productividad y retrabajo

Does AI Actually Boost Developer Productivity? (100k Devs Study) — Yegor Denisov-Blanch, Stanford / AI Engineer, 2025. Más de 100.000 ingenieros y 600 empresas: la ganancia aparente de 30–40% cae a 15–20% cuando se cuenta el retrabajo.

The Hidden Costs of Coding with Generative AI — MIT Initiative on the Digital Economy, 2026. La IA acelera en tareas aisladas; en sistemas brownfield, usada sin criterio, puede dañar escalabilidad.

Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — METR, 2025. RCT: seniors con herramientas frontier tardaron 19% más; creían ir más rápido.

Writing code versus shipping code (NBER w35275) — Demirer et al., 2026. Commits acumulados hasta +180%; releases +30%. El cuello de botella humano atenúa la ganancia.

El arnés como variable (mismo modelo, distinto marco)

Claw-SWE-Bench: Evaluating OpenClaw-style Agent Harnesses — 2026. Con el modelo fijo, el harness mueve el Pass@1 hasta 27,4 puntos.

SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering — Yang et al., Princeton / NeurIPS 2024. GPT-4 Turbo: 1,31% en RAG frente a 12,47% con interfaz diseñada para el agente.

Calidad y base del producto

The Maintainability Gap: 2026 AI Code Quality Research — GitClear, 2026. El refactor baja ~70% y el copy/paste sube: el código crece hacia afuera y la base se deja de tocar.

AI Copilot Code Quality: 2025 Research — GitClear, 2025. Por primera vez el copy/paste supera al código movido (reuso). Más clones, más churn a dos semanas.

Costo, tokens y proyectos que se caen

Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 — Gartner, 2025. Costos que escalan, valor de negocio poco claro o controles de riesgo insuficientes.

Why Half of GenAI Projects Fail — Gartner, 2025. El costo por token parece menor hasta que se multiplica por asientos y casos de uso. El TCO mata el PoC.

Enterprise AI Coding Agents: 2026 Market Guide — Gartner, 2026. El pricing pasa a consumo. Sin modelo operativo, hay más costo sin valor proporcional.

State of Software 2026 — Software Improvement Group, 2026. Tareas agénticas pueden consumir hasta 1.000 veces más tokens que un chat de código. El código de IA es menos mantenible.

Shadow AI, sprawl y visibilidad

Seizing the agentic AI advantage — McKinsey / QuantumBlack, 2025. Sprawl de agentes (como la RPA): proliferación redundante, esfuerzos duplicados. Quién decide qué se construye y qué se retira. Menos del 30% con patrocinio CEO.

AI at Work Is Here. Now Comes the Hard Part — Microsoft / LinkedIn Work Trend Index, 2024. 75% usa IA; 78% BYOAI; 60% de líderes sin visión ni plan; 59% no sabe medir el ROI.

Microsoft and LinkedIn release the 2024 Work Trend Index — Microsoft Source, 2024. El BYOAI escala el impacto individual y deja afuera el uso estratégico.

The GenAI Divide: State of AI in Business 2025 — MIT Project NANDA, 2025. Economía shadow AI: +90% con uso personal vs. 40% con suscripción oficial. 5% de tools a medida llega a producción con impacto.

Critical GenAI Blind Spots That CIOs Must Urgently Address — Gartner, 2025. 69% de las orgs sospecha o tiene evidencia de GenAI pública prohibida. Para 2030, más del 40% con incidente ligado a shadow AI.

Gobernanza, datos y procesos

Seizing the agentic AI advantage — McKinsey / QuantumBlack, 2025. El riesgo no es solo técnico: hay que gobernar la autonomía y evitar el sprawl de agentes sin oficio ni dueño.

Lack of AI-Ready Data Puts AI Projects at Risk — Gartner, 2025. Sin práctica de datos lista para IA, Gartner estima abandono de 60% de proyectos hasta 2026.