Estoy haciendo un curso sobre creación de agentes de IA. El profesor explica una arquitectura, muestra cómo organizar el proyecto, cómo separar responsabilidades, cómo conectar herramientas, cómo estructurar el flujo de trabajo y cómo hacer que el agente pueda resolver una tarea concreta.
Mientras lo veía, tuve una sensación extraña. Pensé: si le pido a Codex que implemente exactamente lo que está explicando el profesor, probablemente me genere casi todo el proyecto siguiendo buenas prácticas. Entonces, ¿para qué sirve hacer el curso?
La pregunta parece incómoda, pero creo que es una de las preguntas más importantes que puede hacerse hoy cualquier persona que trabaje en desarrollo de software. La respuesta no es que el curso no sirva. La respuesta es que el valor ha cambiado de sitio.
Durante muchos años, gran parte del valor de un programador estaba en saber escribir código. Conocer un lenguaje, dominar un framework, construir una API, entender una base de datos, crear una interfaz o desplegar una aplicación. Todo eso sigue siendo importante, pero ya no es suficiente.
La IA puede escribir una parte muy importante del código. Puede generar estructuras completas, crear endpoints, preparar tests, refactorizar, documentar, sugerir mejoras y acelerar tareas que antes ocupaban horas o días. Eso no significa que el trabajo del ingeniero desaparezca. Significa que el trabajo del ingeniero está cambiando.
La IA puede escribir código, pero no sabe qué sistema necesita tu empresa
Cuando usamos herramientas como Codex, la sensación inicial puede ser sorprendente. Le describes una funcionalidad y en pocos segundos tienes una implementación razonable. Pero crear software empresarial no consiste solo en generar código.
El código es una parte del sistema. A veces, incluso, es la parte menos difícil. Lo realmente complejo es decidir qué hay que construir, cómo debe comportarse, qué riesgos existen, qué sistemas debe consultar, qué permisos necesita, qué datos puede utilizar, cómo se evalúa si funciona bien, qué ocurre cuando falla, cuánto cuesta operar el sistema y quién mantiene el control.
Eso es especialmente evidente cuando hablamos de una arquitectura de agentes de IA empresarial. Un agente de IA no es simplemente un chatbot. Tampoco es una llamada a un LLM con un prompt largo. Un agente empresarial puede tener memoria, herramientas, acceso a APIs, recuperación de información, workflows, reglas de negocio, permisos, observabilidad, evaluación automática, límites de coste y supervisión humana.
Ahí es donde empieza el trabajo importante. La IA puede ayudarte a escribir miles de líneas de código. Pero alguien tiene que decidir qué arquitectura tiene sentido.
Antes el valor estaba en saber programar. Ahora está en saber diseñar sistemas inteligentes
Hace unos años, una empresa necesitaba principalmente personas capaces de desarrollar aplicaciones. Hoy sigue necesitándolas, pero el valor diferencial se está desplazando.
Ya no basta con saber escribir código en un lenguaje concreto. El mercado se está moviendo hacia perfiles capaces de entender sistemas completos.
Cuando hablamos de agentes de IA, el valor está en comprender arquitectura de agentes, contexto, memoria, herramientas, MCP, RAG, APIs, observabilidad, seguridad, permisos, evaluación, costes, escalabilidad, supervisión humana, calidad e integración con sistemas empresariales.
Estos conceptos no son adornos técnicos. Son lo que separa una demo interesante de una solución útil en producción. Una cosa es construir un prototipo que responde bien en una presentación. Otra muy distinta es diseñar un sistema que una empresa pueda usar todos los días con datos reales, usuarios reales, errores reales, costes reales y decisiones reales.
El problema no es si la IA sabe programar
Muchas conversaciones sobre IA y desarrollo de software se están planteando mal. La pregunta no debería ser si la IA va a sustituir a los programadores. Esa pregunta lleva a respuestas simplistas.
La pregunta más útil es: si la IA ya puede escribir una parte importante del código, ¿dónde queda ahora el valor del ingeniero?
Para mí, la respuesta está en el diseño del sistema. Alguien tiene que decidir cuándo usar un modelo grande y cuándo uno más pequeño. Cuándo hace falta razonamiento y cuándo no. Cuándo conviene usar memoria y cuándo puede generar más problemas que beneficios. Cuándo tiene sentido una base vectorial y cuándo es mejor una búsqueda estructurada. Cuándo dividir el sistema en varios agentes y cuándo mantener una arquitectura más simple.
También hay que decidir cómo evaluar los resultados, cómo controlar costes, cómo monitorizar errores, cómo gestionar permisos, cómo auditar decisiones, cómo evitar que el sistema actúe fuera de su ámbito y cómo mantener siempre un nivel adecuado de control humano.
Nada de eso se resuelve simplemente pidiendo a una IA que escriba código. De hecho, cuanto más capaz sea la IA escribiendo código, más importante será saber pedirle el sistema correcto.
Crear un chatbot es fácil. Crear una arquitectura empresarial no lo es
Muchas empresas están empezando su camino con IA pidiendo algo parecido a esto: queremos un chatbot. Es comprensible. Es la interfaz más visible. Todos hemos usado asistentes conversacionales. Es fácil imaginar un chat conectado a documentos internos o a una base de conocimiento.
Pero si una empresa se queda ahí, probablemente obtendrá poco valor. El verdadero potencial aparece cuando la IA se integra con los procesos reales de la compañía: consultar un CRM, revisar incidencias, analizar logs, preparar informes, comparar datos, generar propuestas, revisar documentación, coordinar workflows, conectar APIs o ayudar a equipos técnicos, comerciales, operativos o administrativos.
En ese punto ya no hablamos de un chatbot. Hablamos de software con IA. Hablamos de automatización empresarial. Hablamos de workflows inteligentes. Hablamos de una arquitectura de agentes de IA empresarial integrada con los sistemas existentes.
El nuevo programador será diseñador de sistemas inteligentes
No creo que el programador desaparezca. Creo que el programador que solo sabe transformar una especificación en código va a tener cada vez menos ventaja.
En cambio, el ingeniero capaz de entender negocio, arquitectura, datos, procesos, seguridad, integración y operación va a ser más valioso que nunca. Su trabajo será menos mecánico y más estratégico.
Tendrá que saber usar IA para desarrollar más rápido, pero también tendrá que saber cuándo no usarla. Tendrá que revisar, validar, evaluar, medir y corregir. Tendrá que entender que un sistema inteligente no se define solo por el modelo que utiliza, sino por toda la arquitectura que lo rodea.
El valor estará en saber convertir una necesidad empresarial en un sistema fiable. No en escribir cada línea manualmente. Eso cambia también la forma en que las empresas deberían elegir a sus partners tecnológicos.
El modelo importa, pero la arquitectura importa más
Hoy se habla mucho de modelos: OpenAI, Anthropic, Google, Meta, Huawei, modelos open source, modelos privados. Cada pocas semanas aparece una mejora, una nueva capacidad o una nueva comparación.
Pero en un entorno empresarial, elegir un modelo es solo una parte de la decisión. Una buena arquitectura debe ser agnóstica al modelo siempre que sea posible. No porque todos los modelos sean iguales, sino porque cada tarea puede necesitar algo diferente.
Algunas tareas requieren razonamiento avanzado. Otras necesitan bajo coste. Otras necesitan velocidad. Otras necesitan privacidad. Otras pueden resolverse mejor con modelos pequeños o especializados.
La pregunta no es qué modelo está de moda. La pregunta es qué combinación de arquitectura, datos, herramientas y modelos resuelve mejor este proceso de negocio. Ahí aparece la diferencia entre usar IA y construir software empresarial con IA.
La IA en producción exige más que prompts
Una solución de IA en producción no puede depender únicamente de buenos prompts. Los prompts importan, pero una arquitectura seria necesita bastante más: control de acceso, gestión de contexto, trazabilidad, evaluación, observabilidad, límites de coste, fallback cuando algo falla, control humano, versionado, pruebas, integración con herramientas internas, seguridad y monitorización continua.
Si un agente puede consultar datos internos, ejecutar acciones o recomendar decisiones, la empresa necesita saber qué ha hecho, por qué lo ha hecho, con qué información, bajo qué permisos y con qué nivel de confianza.
Sin eso, la IA puede convertirse en una caja negra. Y ninguna empresa seria debería construir procesos críticos sobre una caja negra.
El curso sí sirve, pero por una razón distinta
Vuelvo a la pregunta inicial. Si Codex puede implementar gran parte de lo que explica un profesor en un curso sobre agentes de IA, ¿para qué sirve hacer el curso?
Sirve para entender. Sirve para desarrollar criterio. Sirve para saber si lo que genera la IA tiene sentido o no. Sirve para distinguir una buena arquitectura de una mala. Para detectar riesgos. Para no aceptar una implementación solo porque compila. Para hacer mejores preguntas. Para diseñar sistemas más robustos.
En realidad, cuanto más código sea capaz de escribir la IA, más importante será el criterio de quien la dirige. La IA puede acelerar la ejecución. Pero el criterio sigue siendo humano.
Qué significa esto para Kometasoft
En Kometasoft estamos viviendo esta transición de forma directa. Venimos de más de 15 años desarrollando software a medida, integraciones, plataformas web, sistemas internos, APIs, cloud y soluciones empresariales en producción. Esa experiencia sigue siendo la base.
Pero ahora estamos evolucionando hacia una nueva etapa: arquitecturas de agentes de IA empresariales, automatización inteligente e integración de sistemas existentes mediante IA.
No se trata de añadir IA como una funcionalidad decorativa. Se trata de diseñar sistemas capaces de entender objetivos, consultar herramientas, recuperar contexto, automatizar workflows y ayudar a equipos reales bajo supervisión humana.
Cuando trabajamos una solución de IA empresarial, no pensamos solo en el modelo. Pensamos en integración con APIs, agentes especializados, workflows inteligentes, seguridad, permisos, evaluación, observabilidad, costes, escalabilidad, control humano, despliegue empresarial y arquitectura agnóstica al LLM.
La ventaja competitiva estará en la arquitectura
Muchas empresas podrán crear demos con IA. Muchas podrán conectar un chatbot a una documentación. Pero pocas conseguirán convertir esa demo en una ventaja competitiva real.
La diferencia estará en la arquitectura: cómo se conecta la IA con los sistemas existentes, cómo se controla el contexto, cómo se evalúan los resultados, cómo se reducen errores, cómo se integran permisos, cómo se mide el coste, cómo se mantiene el control humano y cómo se adapta el sistema cuando cambian los modelos, las herramientas o los procesos internos.
Las empresas que entiendan esto antes tendrán una ventaja importante. No porque tengan un chatbot, sino porque tendrán software capaz de trabajar junto a sus equipos.
Una nueva etapa para el desarrollo de software
Creo que estamos entrando en el mayor cambio que ha vivido el desarrollo de software. No porque el código deje de importar, sino porque escribir código dejará de ser el centro de todo.
El centro será diseñar sistemas inteligentes. Integrados. Observables. Seguros. Evaluables. Escalables. Preparados para producción. Y, sobre todo, diseñados para ayudar a las personas a trabajar mejor.
El futuro del desarrollo de software no consiste en elegir entre humanos o IA. Consiste en aprender a diseñar la colaboración entre ambos. Y esa colaboración no se improvisa. Se diseña.
En Kometasoft estamos trabajando precisamente en esa dirección: ayudar a empresas que ya tienen software, datos, procesos y herramientas internas a evolucionar hacia arquitecturas de agentes de IA empresariales que aporten valor real sin perder control.
Si tu empresa está empezando a pensar en cómo llevar la IA más allá de una demo, quizá la pregunta no sea qué chatbot construir. Quizá la pregunta sea qué sistema inteligente necesita realmente.
Contacta con Kometasoft si quieres explorar cómo diseñar una arquitectura de agentes de IA empresarial integrada con tus sistemas reales.