Saltar al contenido principal
onext technology
IA 20 noviembre 2026 - 7 min de lectura

Piloto de agentes: por qué tu equipo elige el proyecto fácil

Si el piloto se hace en un proyecto nuevo y con voluntarios, tu equipo aprende poco de cómo irá el agente en su código de cada día.

Bernat López
Fundador y CEO de onext
Dos desarrolladores en una oficina abierta revisan código en un monitor: uno, de perfil, señala la pantalla y el otro, de espaldas, se lleva la mano a la barbilla; detrás, un compañero con una taza mira una pizarra con diagramas

«Hagamos el piloto en el servicio nuevo, que ahí no hay código antiguo.» Suena sensato. El servicio es pequeño y lo llevan dos personas que ya usaban un agente de código por su cuenta. En un mes habrá una demo para el comité de dirección. El piloto sale bien. Después, el agente llega al producto principal, el que mantiene el resto del equipo, y nadie sabe qué esperar.

Propongo llamarlo piloto de escaparate: el piloto que se diseña para que salga bien y que, por eso mismo, sirve de poco para decidir. Mide lo que hace el agente en el terreno donde menos falta hace, con código nuevo y personas convencidas, y deja sin probar el código que el equipo mantiene cada semana.

La tesis

No digo que un piloto en un proyecto nuevo no sirva; digo que no sirve para decidir si el agente funcionará en el resto de tu código. Las ganancias más grandes que se publican salen de tareas nuevas y cortas, y se encogen cuando el código es antiguo y complejo. Un piloto útil se hace sobre un evolutivo real del producto, un cambio que el negocio ya ha pedido, en el código que lo sostiene, con sus reglas y sus pruebas. Y deja escrito antes de empezar qué resultado haría seguir y cuál haría parar.

En Track M el piloto se hace sobre un evolutivo real, para medir la mejora contra una línea base. Y lo hacemos en dos tiempos: primero lo hacemos nosotros, con el equipo mirando, y después lo hace el equipo, con nosotros mirando. Así nos aseguramos de que el proceso se traspasa de forma correcta.

El piloto de escaparate responde a otra pregunta: si la herramienta funciona en buenas condiciones. Esa pregunta casi siempre tiene un sí por respuesta, y por eso enseña tan poco a quien tiene que decidir.

Lo que dicen los datos

La cifra que más se repite en las presentaciones y la de los estudios posteriores miden cosas distintas. La diferencia está en el tipo de tarea.

  • Sida Peng, Eirini Kalliamvakou, Peter Cihon y Mert Demirer (GitHub, MIT y Microsoft Research, 2023) pidieron a 95 programadores profesionales que implementaran un servidor HTTP en JavaScript lo más rápido posible. Quienes tenían el asistente terminaron un 55,8 % más rápido. Era una tarea nueva, sin código anterior.
  • Elise Paradis y su equipo de Google (2024) hicieron un ensayo controlado con 96 ingenieros a tiempo completo sobre una tarea compleja de nivel empresarial. Su mejor estimación es de un 21 % menos de tiempo, con un intervalo de confianza amplio.
  • Kevin Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng y Tobias Salz estudiaron tres experimentos en Microsoft, Accenture y una gran empresa de electrónica. De media, las tareas completadas a la semana subieron un 26 %. En las personas recién llegadas y con menos experiencia, la subida fue de entre un 27 y un 39 %, y en las más sénior, de entre un 8 y un 13 %. Al cabo de un año, la adopción media era de un 60 %. Lo cuenta MIT Sloan en noviembre de 2024.
  • Yegor Denisov-Blanch, investigador de Stanford, presentó en 2025 una matriz con datos de 136 equipos de 27 empresas: ganancias orientativas del 30 al 40 % en código nuevo y sencillo, y del 0 al 10 % en código antiguo y complejo.

Peng y Cui firman con coautores de Microsoft o GitHub, y el ensayo de Paradis lo hace Google con sus propias herramientas. La matriz de Denisov-Blanch sale de una charla, sin artículo ni método publicados, y él mismo la presenta como orientativa. Aun así, Peng, Paradis y esa matriz apuntan en la misma dirección: la ganancia medida baja cuanto más se parece la tarea al trabajo diario de un equipo con código propio.

Cómo se ve en el equipo

  • El piloto va en el microservicio que salió el mes pasado y que todavía no usa ningún cliente.
  • Las dos personas del piloto ya usaban un agente en casa y se ofrecieron el primer día.
  • La demo enseña una funcionalidad hecha en una tarde, y nadie pregunta cuánto llevó revisarla.

Por qué es comprensible

Quien organiza el piloto se juega algo. Ha convencido al comité para tener presupuesto y necesita volver con un resultado que enseñar. Elegir el terreno fácil reduce el riesgo de un fracaso visible.

La dirección tiene su parte. Si pide resultados en un mes y castiga el piloto que sale regular, el equipo aprende a elegir el proyecto que no puede salir mal.

Lo que cuesta un piloto que no decide

El primer coste es la decisión. Con el resultado de ese piloto, la empresa compra licencias para todo el departamento o lleva el agente al producto principal, y descubre en el código antiguo lo que el piloto no probó. Llevar la práctica de un equipo a todo el departamento ya es difícil cuando el primer equipo funciona de verdad. Si el punto de partida es un resultado inflado, se empieza con la expectativa equivocada.

El segundo coste es lo que no se aprende. El trabajo difícil de llevar agentes al código de cada día es preparar el terreno: escribir las reglas del equipo, explicar el producto en el contexto del repositorio y tener pruebas que avisen cuando algo se rompe. Un proyecto nuevo y pequeño casi no necesita nada de eso, así que el piloto termina sin que nadie lo haya hecho.

Qué hacer

Quien hace el trabajo (el equipo que va a usar el agente):

  • Elige para el piloto un evolutivo real del producto que toque código con más de un año de historia.
  • Apunta desde el primer día, con una línea por tarea, si el agente ayudó y cuánto tiempo llevó revisar lo que entregó.
  • Antes de la primera tarea, deja en el repositorio las reglas del equipo y la red de pruebas que tiene que pasar cada cambio.

Quien dirige:

  • Escribe antes de empezar qué resultado haría seguir y cuál haría parar, con una cifra y una fecha.
  • Incluye al menos un equipo que no se haya ofrecido voluntario y que mantenga código antiguo.
  • Cuenta como hecho solo el cambio que pasa las comprobaciones automáticas del repositorio, y mide lo mismo que medirás después en todo el departamento: por ejemplo, el tiempo desde que se pide un cambio hasta que llega a producción y cuántos cambios hay que rehacer.

Antes de elegir el proyecto

En nuestros talleres he visto y escuchado muchas veces la misma pregunta: si usar IA generativa es más fácil en proyectos nuevos. Yo opino lo contrario: aporta muchísimo más valor y mejora en proyectos avanzados. En código antiguo los agentes son especialmente buenos, y eso es así porque a un humano le cuesta mucho más seguir un código espagueti que a una IA. Para mí, lo primero para lo que la IA generativa estaba lista era ayudar con el código legacy. En el radar de Thoughtworks, «Using GenAI to understand legacy codebases» pasó a Adopt en noviembre de 2025, para entender ese código.

Los estudios miden menos ganancia de velocidad en código antiguo, pero ahí está el trabajo de cada día y lo que más cuesta entender: por eso el piloto tiene que estar ahí.

Un piloto de escaparate te dice que el agente funciona donde ya sabías que iba a funcionar. El piloto que vale la pena se hace en el código que tu equipo mantiene cada semana, con el resultado que haría parar escrito antes de empezar.

Preguntas frecuentes

¿Qué es un piloto de escaparate?

Es un piloto de agentes de código que se diseña para que salga bien, en un proyecto nuevo y con personas voluntarias. Enseña que la herramienta funciona en buenas condiciones y deja sin probar el código que el equipo mantiene cada semana.

¿Por qué un piloto en un proyecto nuevo da mejores resultados?

Porque las tareas nuevas y cortas son las que más ganan con un asistente de código. En un ensayo de 2023 con una tarea así, el grupo con asistente terminó un 55,8 % más rápido. En un ensayo de Google de 2024 con una tarea compleja de empresa, la mejor estimación fue un 21 % menos de tiempo.

¿Dónde conviene hacer el piloto?

En un evolutivo real del producto: un cambio que el negocio ya ha pedido, hecho en el código que lo sostiene, con sus reglas y sus pruebas.

¿Conviene hacer el piloto con voluntarios?

Pueden formar parte, pero conviene incluir al menos un equipo que no se haya ofrecido. En los experimentos de Cui y sus coautores, la adopción media era de un 60 % al cabo de un año, y un piloto solo con voluntarios esconde esa parte.

¿Qué hay que decidir antes de empezar el piloto?

Qué resultado haría seguir y cuál haría parar, con una cifra y una fecha, y qué se va a medir. Ayuda medir lo mismo que se medirá después en todo el departamento, como el tiempo desde que se pide un cambio hasta que llega a producción.

¿Cuánto mejora la productividad con agentes en código antiguo?

Hay pocas cifras y ninguna sirve para todos los equipos. La matriz que presentó Yegor Denisov-Blanch (Stanford) en 2025 habla de ganancias orientativas del 0 al 10 % en código antiguo y complejo, y viene de una charla sin artículo publicado. Por eso conviene medirlo en tu propio código.

Fuentes

Bernat López
Escrito por
Bernat López
Fundador y CEO de onext

Bernat López es fundador y CEO de onext, boutique de IA. Acompaña a equipos de desarrollo y de producto a trabajar con IA con método —especificación antes de programar, controles automáticos y Spec-Driven Development— y aplica a su propia empresa lo que propone: onext funciona con su propio sistema agéntico.

LinkedIn →

¿En qué código vas a probar el agente?

Hablamos de tu próximo piloto y de cómo plantearlo para que te sirva para decidir.

Ver el taller online gratuito

Lo que construimos se queda en tu equipo.