Durante los últimos dos años, la conversación sobre inteligencia artificial en el desarrollo de software ha pasado de "GitHub Copilot me autocompleta funciones" a algo mucho más incómodo: agentes que leen un issue, diseñan un plan, modifican archivos, corren tests, revierten cuando se equivocan y abren un PR con su propio resumen. En ITSense lo vemos en vivo en cada sprint, y la experiencia nos ha obligado a reescribir cómo hablamos de ingeniería con nuestros clientes B2B en Colombia.
Este artículo es un corte horizontal de lo que hemos aprendido trabajando con agentes como ciudadanos de primera clase en proyectos reales para banca, cooperativas, aviación y sector público.
1. De asistentes a ejecutores
La diferencia entre un asistente y un agente parece semántica hasta que la vives. Un asistente responde preguntas; un agente descompone la tarea, ejecuta, observa el resultado y decide el siguiente paso. En nuestros equipos, un agente típico hace todo esto sin intervención humana mientras un ingeniero senior revisa en paralelo.
La consecuencia operativa es concreta: el ingeniero deja de escribir código rutinario y se convierte en director de orquestación. Define el contrato, elige el modelo correcto para la tarea, revisa el diff, aprueba el merge. Ese rol nuevo es el que nos referimos cuando decimos Método ITSense: la IA actúa, los humanos deciden.
2. Multi-modelo no es un lujo, es higiene
Casarse con un solo proveedor de IA en 2026 es la misma mala decisión que casarse con un solo cloud en 2016. Diferentes modelos tienen diferentes fortalezas:
- Claude destaca en razonamiento complejo, refactors grandes y adherencia a instrucciones extensas.
- GPT-4/5 brilla en tareas exploratorias y generación creativa.
- Gemini ofrece multimodalidad amplia y contexto largo a costo bajo.
- Cohere es un estándar en empresas con restricciones de datos en inglés y español.
- Meta Llama y los open-weights permiten correr inferencia on-premise cuando el dato no puede salir.
En un cliente bancario del top-5 de Colombia, ejecutamos el ciclo completo de desarrollo de una feature con tres modelos distintos seleccionados por subtarea: uno para diseño arquitectónico, otro para escribir código transaccional crítico, un tercero para tests. El ahorro de tiempo bruto vs. el baseline anterior con un solo modelo fue de 41%.
"Elegimos el mejor modelo para cada tarea. No el que venda mejor." — Principio operativo del stack ITSense.
3. Dónde los agentes sí y dónde no
Hemos iterado mucho sobre dónde los agentes entregan valor real. Resumen:
Sí, con alto ROI
- Migraciones masivas de stack (ej. Rails 5 → 7, .NET Framework → .NET 8).
- Generación inicial de suites de tests (unitarios, integración, E2E).
- Refactors de nomenclatura o patrones en monorepos grandes.
- Documentación técnica (ADRs, READMEs, runbooks) a partir del código real.
- Triage de bugs con contexto completo del repo.
Aún con supervisión humana estricta
- Lógica financiera de alto riesgo (cobros, interés, garantías).
- Cambios al schema de base de datos en producción.
- Integraciones con reguladores (Superfinanciera, DIAN, MinTIC).
- Cualquier cosa que toque credenciales, secretos o PII.
No porque el agente no pueda, sino porque el costo del error en esas zonas es asimétrico. Un bug en una migración de naming se detecta en tests; un bug en cálculo de intereses impacta balances de cierre y puede terminar frente al regulador.
4. Qué significa esto para los clientes B2B en Colombia
Los clientes B2B colombianos que mejor están aprovechando esta ola tienen tres cosas en común:
- Suben el listón del backlog. Si antes el backlog tenía 40 issues pequeños por trimestre, ahora tiene 12 iniciativas grandes, porque los 40 chicos los hace el agente en la mitad del tiempo.
- Invierten en contexto persistente. El cuello de botella ya no es el modelo; es la calidad del contexto que le damos. Documentación viva, ADRs bien mantenidos y un substrate unificado por proyecto multiplican el output del agente.
- Revisan con lupa el IP y el vendor lock. Contratos con cláusulas claras sobre datos de entrenamiento, residencia de datos y portabilidad del código generado. Ver nuestro artículo AI-first vs. AI-enabled para el checklist completo.
5. El siguiente paso: agentes con memoria de cliente
Estamos pilotando algo que cambia el juego otra vez: agentes con memoria persistente a nivel de cliente. El agente recuerda cada decisión arquitectónica, cada incidente, cada tradeoff que se tomó en los últimos sprints. Cuando el equipo humano rota, el conocimiento no se va.
En dos clientes de cooperativa esto ha reducido el tiempo de onboarding de un ingeniero nuevo de tres semanas a cuatro días.
Cierre
Los agentes no van a reemplazar a los ingenieros en Colombia. Van a reemplazar a los ingenieros que no aprenden a dirigir agentes. En ITSense cada persona del equipo está pareada con al menos un agente IA como parte del trabajo diario. No es marketing — es cómo construimos software desde hace dos años.
Si te interesa ver cómo funcionaría esto en tu organización, conversemos. Un Discovery de dos semanas es la forma más rápida de ver la diferencia sin comprometer un proyecto grande.