Programación agéntica: cuando la IA ya no sugiere, ejecuta
La programación agéntica (agentic coding) es una forma de programar en la que un agente de IA se encarga de una tarea completa: explora el repositorio, edita varios archivos, ejecuta las pruebas y corrige sus errores hasta obtener un resultado. El desarrollador fija el objetivo, supervisa y valida.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Nivel | Avanzado |
|---|
Definición
Dicho de forma sencilla: en lugar de pedir «escríbeme esta función», usted dice «corrige este error» y la IA se encarga, paso a paso. La programación agéntica se apoya en un agente de IA: un modelo de lenguaje que dispone de herramientas (leer un archivo, escribirlo, ejecutar un comando) gracias a la llamada a herramientas, y que alterna acción y observación hasta cumplir el objetivo.
Anthropic, por ejemplo, presenta Claude Code como una herramienta de programación agéntica que lee su base de código, edita archivos y ejecuta comandos, integrada con las herramientas de desarrollo en la terminal, el editor, una aplicación de escritorio o el navegador. Otras herramientas siguen la misma lógica, como GitHub Copilot, cuyo agente de código analiza un repositorio, planifica cambios y los implementa en segundo plano.
Un ejemplo concreto
Una prueba empieza a fallar tras actualizar una dependencia. El desarrollador escribe: «La prueba de facturación falla desde la actualización, encuentra la causa y corrígela». El agente:
- busca los archivos implicados y lee el mensaje de error;
- formula una hipótesis y modifica dos archivos;
- vuelve a ejecutar las pruebas, detecta un nuevo fallo y ajusta;
- presenta el diff final y un mensaje de commit.
El desarrollador revisa, pide un retoque y aprueba. El trabajo humano se desplaza: menos tecleo, más definición de la tarea y revisión.
Por qué importa
La calidad depende tanto del entorno como del modelo. El artículo SWE-agent, publicado en arXiv en mayo de 2024, mostró que unas «interfaces agente-ordenador» bien diseñadas (comandos adaptados para navegar y editar código) mejoran claramente los resultados. De ahí la importancia de la ingeniería de contexto: archivos de instrucciones del proyecto, convenciones, herramientas disponibles. Los avances se miden con pruebas como SWE-bench.
Ideas falsas y precauciones
- «El agente sustituye al desarrollador.» Ejecuta; la responsabilidad del diseño, la seguridad y la validación sigue siendo humana.
- «Más autonomía siempre es mejor.» Una tarea vaga genera cambios extensos y difíciles de revisar. Las peticiones breves y verificables funcionan mejor.
- «Si compila, está bien.» Un agente puede esquivar una prueba en lugar de corregir la causa. La revisión sigue siendo imprescindible.
- Aísle la ejecución: un entorno aislado (sandbox) y permisos mínimos limitan el daño de un comando erróneo o de una instrucción maliciosa escondida en un archivo.
Términos relacionados: agente de IA, llamada a herramientas, Terminal-Bench, ingeniería de contexto.
Términos relacionados
- Agente de IA · IA que no solo responde: planifica y encadena acciones con herramientas para alcanzar un objetivo que usted le fija.
- Llamada a herramientas (function calling) · Capacidad de un modelo de IA para pedir que se ejecute una función externa con argumentos precisos y luego usar el resultado.
- SWE-bench · Benchmark que pide a una IA resolver incidencias reales de GitHub en proyectos Python; cada corrección se valida con los tests del proyecto.
- Terminal-Bench · Benchmark que mide si un agente de IA es capaz de completar por sí solo tareas reales y difíciles en una terminal de línea de comandos.
- Sandbox (entorno aislado) · Aislamiento de un agente de IA en un entorno cerrado con archivos, red y comandos limitados, para contener posibles daños.
- Ingeniería de contexto · Práctica de decidir qué entra en la ventana de contexto de un modelo en cada paso: instrucciones, herramientas, documentos, memoria e historial.
Para probar
Todo el glosario
Preguntas frecuentes
¿En qué se diferencia del autocompletado de código?
El autocompletado propone el resto de una línea o función, y usted decide todo. En la programación agéntica, el agente encadena por sí mismo varias acciones (buscar, editar, ejecutar comandos, relanzar pruebas) antes de devolverle el control.
¿Hace falta saber programar?
No es imprescindible para obtener un resultado, pero sí muy recomendable para verificarlo. Sin revisión, pueden pasar desapercibidos errores de seguridad o de lógica.
¿Es arriesgado dejar que un agente ejecute comandos?
Sí, si no está acotado. Las buenas prácticas son limitar sus permisos, ejecutarlo en un entorno aislado, exigir aprobación para las acciones destructivas y revisar cada cambio antes de fusionarlo.
¿Cómo se mide la calidad de un agente de código?
Con benchmarks que le plantean problemas reales en repositorios reales, como SWE-bench, o tareas de línea de comandos, como Terminal-Bench. Las puntuaciones cambian rápido de una versión a otra.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.