Puntos clave
- Los investigadores argumentan que los agentes de IA no volverán obsoletos a los desarrolladores. En cambio, expanden la ingeniería de software con lo que el equipo denomina "artefactos semi-ejecutables": prompts, flujos de trabajo y rutinas de decisión.
- Para organizarlo, proponen una "pila semi-ejecutable" de seis anillos, desde el código tradicional en el centro hasta factores sociales como el Reglamento de IA de la UE en el borde exterior.
- El estudio sugiere que el trabajo central de un desarrollador se aleja de simplemente escribir código. El foco se desplaza hacia decidir qué construir, cómo validarlo y cómo mantenerlo en funcionamiento.
La narrativa popular sostiene que los agentes de IA están absorbiendo cada vez más trabajo de programación y que los desarrolladores se dirigen a la obsolescencia. Un nuevo paper de investigadores de la Universidad de Chalmers de Tecnología y el Grupo Volvo argumenta que esa visión se pierde el punto.
Los investigadores ofrecen una lectura distinta: los sistemas de IA basados en agentes expanden la ingeniería de software con lo que denominan "artefactos semi-ejecutables". Estos incluyen prompts, flujos de trabajo, políticas, reglas de escalamiento y rutinas de decisión. Moldean el comportamiento del sistema con la misma directividad que el código, pero dependen de interpretación humana o probabilística para ejecutarse realmente.
Seis anillos en vez de solo código
En el centro del paper está la "Pila Semi-Ejecutable", un modelo diagnóstico construido con seis anillos. En el núcleo se sitúa el código clásico como anillo 1, seguido de los prompts y especificaciones en lenguaje natural como anillo 2, y los flujos de trabajo orquestados de agentes como anillo 3. El anillo 4 abarca los sistemas de control como guardrails y monitoreo. El anillo 5 representa la lógica organizacional operacional, como las rutinas de toma de decisiones. El anillo 6 captura el encaje social e institucional, incluyendo marcos como el Reglamento de IA de la UE.
Los autores señalan que la ingeniería de software se ha concentrado históricamente en los anillos 1 y 2. Ahora, los anillos 2 a 5 se están convirtiendo en objetos de ingeniería prioritarios, y el anillo 6 decide cada vez más qué funciona realmente en la práctica.
La brecha más grande, según los investigadores, se encuentra en los anillos exteriores 5 y 6. Los métodos de ingeniería para código existen desde hace décadas, pero los equivalentes para rutinas de decisión, gobernanza y encaje institucional todavía no existen. La mayor parte de la investigación sigue concentrada en generación de código, corrección de errores, pruebas y benchmarks en los anillos 1 al 3.
Los investigadores respaldan su argumento con tres observaciones: primero, la IA no necesita igualar al mejor ingeniero para cambiar cómo trabajan los equipos; basta con que sea suficientemente buena. Segundo, la escala importa más que el rendimiento de pico. Muchos despliegues pequeños y cotidianos de IA entregan más valor a una organización que el acceso esporádico a un experto de primer nivel. Tercero, a medida que más expertos de dominio construyen sus propios sistemas en lenguaje natural, la necesidad de prácticas de ingeniería limpias crece en vez de menguar.
Las objeciones comunes se convierten en problemas de ingeniería
En lugar de desestimar las críticas habituales sobre confiabilidad y código desordenado, los investigadores las reencuadran como tareas de ingeniería. Cuando los agentes alucinan, los tests y el monitoreo se vuelven más importantes, no menos. Cuando la IA genera código más rápido, los costos de mantenimiento suben a la par. Por ejemplo, el "prompt drift": alguien ajusta un prompt, el sistema empieza a comportarse de forma distinta y nadie puede explicar por qué después.
Cuando las organizaciones luchan con este cambio, la transición misma se convierte en un desafío de ingeniería. Y el hecho de que el juicio matizado sea difícil de automatizar es precisamente por qué se vuelve más valioso, no menos, a medida que las tareas de bajo nivel se abaratan y automatizan, escriben los investigadores.
Para los profesionales, el paper deja una idea clara: "La habilidad escasa se desplaza de construir más rápido a decidir qué vale la pena construir o cambiar, qué anillo se está cambiando realmente, cómo se validará ese cambio, cómo se gobernará y cómo se mantendrá a lo largo del tiempo." Los equipos que traten la IA solo como herramienta de eficiencia para los anillos 1 y 2 podrán ver ganancias locales de productividad, pero se perderán la pregunta más grande sobre el rediseño organizacional.
El paper acompaña una ponencia de Robert Feldt en el Agentic Engineering 2026 Workshop en Río de Janeiro y se nutre en parte de trabajo industrial en el sector automotriz con socios de Volvo.
