La adopción de IA agéntica sube — y también el trabajo de limpieza

La IA agéntica hace el trabajo más rápido, pero también crece el tiempo que las personas dedican a comprobar y corregir sus resultados.

Las empresas están incorporando la IA agéntica —con agentes de IA (programas que realizan por su cuenta tareas de varios pasos para el usuario)— al trabajo diario más rápido que antes. Un reportaje del Guardian del 13 de octubre y varias encuestas apuntan la misma advertencia: si se adopta sin preparación, la gente acaba corrigiendo resultados de baja calidad y errores, y el tiempo de comprobar y reescribir puede superar el tiempo ahorrado.

Para los desarrolladores, las preguntas habituales son dos: ¿Se reducen los empleos? y ¿Se endurece el trabajo? Lo que muestran las pruebas hasta ahora es menos «la profesión desapareció de un día para otro» y más un crecimiento más lento de la contratación y el empleo, con quienes se quedan asumiendo más revisión y limpieza.

La adopción sube; la autonomía plena sigue siendo rara

El 2026 AI Adoption Report de Wharton y GBK Collective dice que alrededor de dos tercios (67 %) de los departamentos encuestados usan agentes de IA de alguna forma.
Solo el 17 % deja que un agente termine una tarea sin que una persona apruebe cada paso. La mayoría aprueba paso a paso, o toma borradores y sugerencias y mantiene la decisión final humana.
En una encuesta Gartner de enero de 2025 a 3.412 asistentes a un webinar, el 19 % dijo que su organización había hecho inversiones significativas en IA agéntica y el 42 % inversiones conservadoras. Muchos del resto esperaban o no estaban seguros.
En junio de 2025, Gartner pronosticó que más del 40 % de los proyectos de IA agéntica podrían cancelarse a finales de 2027 por costes crecientes, valor de negocio poco claro o controles de riesgo débiles. Es un pronóstico, no una tasa de fracaso medida.
Gartner también advirtió del agent washing: etiquetar chatbots o RPA (automatización con scripts que repite tareas fijas) como agentes. Estimó que solo unos 130 de los miles de proveedores «agénticos» son el producto real.

El tiempo ahorrado vuelve como comprobación y limpieza

El Work AI Institute de Glean encuestó a 6.000 trabajadores digitales a tiempo completo en Estados Unidos, Reino Unido y Australia entre diciembre de 2025 y enero de 2026 para su Work AI Index. Los números muestran la paradoja.

El 87 % de los trabajadores digitales usa IA en el trabajo y dice que la automatización sola les ahorra unas 11 horas a la semana.
Solo el 13 % dice que el rendimiento de su empresa ha mejorado de forma significativa.
Entremedias, la gente dedica de media 6,4 horas a la semana al botsitting: dar contexto a la IA, comprobar salidas, depurar errores, limpiar trabajo hecho por IA y cambiar entre herramientas. El informe llama a esto el trabajo oculto que hace usable la IA.
Cuando la comprobación abruma, la gente la omite. El 69 % de los usuarios de IA admitió haber hecho botshitting: entregar trabajo de IA que no habían revisado o no entendían del todo. El 41 % dijo haber entregado trabajo que no podían explicar si se lo pedían.
Según la cobertura de CIO, Glean dice que quienes usan varios agentes de IA son más propensos a saltarse las comprobaciones, porque los agentes pueden ejecutar muchos pasos a la vez y el error puede aparecer solo después.

Una encuesta Adaptavist a 2.500 trabajadores del conocimiento (según el Guardian y CIO) halló que el 42 % dedica más tiempo a verificar la salida de la IA del que ahorra usándola.

Más código, revisión humana más difícil

En los equipos de ingeniería, esa limpieza aparece como un cuello de botella de revisión de código: el volumen de cambios escritos por agentes listos para producción supera el tiempo que la gente tiene para leerlos y juzgarlos.

Un estudio de las personas de investigación de Harvard Fiona Chen y James Stratton, con analítica de ingeniería Jellyfish en más de 700 empresas de software (2021 a marzo de 2026) y reportado por Ars Technica en octubre de 2026, halló que tras introducir agentes de coding con IA, de media:

Las líneas de código subieron alrededor del 30 %, los commits alrededor del 20 % y las pull requests (PR — solicitudes de cambio antes de fusionar en la línea principal) alrededor del 23 %.
Las medidas de salida de software terminado, como tasas de cierre de issues y epics, no subieron de forma clara y estadísticamente significativa.
El tiempo de revisión medio desde abrir la PR hasta fusionarla subió un 49 %. La proporción de PR con peticiones de cambio casi se duplicó, y los comentarios por PR subieron alrededor del 35 %.
La proporción de trabajadores que hacen revisión de código subió alrededor del 14 %. Las personas investigadoras dijeron que no podían atribuir con claridad recortes de empleo a la IA en estos datos. Un coding más rápido desplazó el trabajo hacia la verificación humana.
En marzo de 2026 alrededor del 80 % de las empresas medidas usaba alguna revisión de código con IA, pero la IA solo representaba alrededor del 23 % de los comentarios de revisión y alrededor del 11 % de las PR. Las personas seguían haciendo la mayor parte.

Los recortes de plantilla empeoran el cuello de botella. El informe de junio de Challenger, Gray & Christmas contó 101.743 anuncios de despidos en EE. UU. que citaban la IA entre enero y junio de 2026, cerca del 23 % de todos los recortes anunciados. Cuenta los motivos que dieron las empresas, que pueden diferir de las causas reales. Los despidos no demuestran productividad de la IA. Un estudio de la University of Pittsburgh citado por el Guardian concluyó que la productividad no subió tras invertir las empresas en IA y recortar personal.

Meta muestra la tensión. Reuters informó de que un plan interno llamado Project OT exploró recortar algunos equipos hasta un 60 % y sustituir el trabajo diario por agentes, y de que se descartó otra oleada de recortes tras la reestructuración de mayo. Publicaciones internas citadas en la cobertura decían que los cambios de código habían subido un 220 % mientras las mejoras de funciones que llegaban a usuarios solo un 36 %, y que el tiempo dedicado a combatir incidentes técnicos y de seguridad había subido hasta un 70 %. La generación creció; las personas y el tiempo para leer el código y frenar incidentes no siguieron el ritmo.

El informe de ingeniería Faros 2026 (datos de proveedor de unos 22.000 desarrolladores en su plataforma) dijo que el tiempo de revisión mediano subió 5 veces y las PR fusionadas sin revisión subieron un 31 %. Son datos de proveedor, no un estudio independiente, pero la dirección —más generación, capacidad humana de revisión más justa— encaja con los hallazgos de Jellyfish y la cobertura de Meta.

Lo que costaron a Meta y Microsoft los despliegues precipitados

El Guardian (13 oct.) reunió casos de empresas que encendieron la IA deprisa y luego limitaron el uso o aumentaron la formación por errores, trabajo de baja calidad, riesgo de seguridad y costes.

Meta: El Project OT y las cifras de código e incidentes de arriba se apoyan en Reuters (26 ago. 2026) y Ars Technica. Publicaciones internas también advirtieron de que los agentes de IA tomaron «acciones a gran escala, disruptivas, que los humanos es poco probable que ejecuten», y de que los incidentes técnicos y de seguridad mayores subieron un 40 % interanual. Meta declinó comentar esas cifras internas. La cobertura dice que Mark Zuckerberg indicó en un town hall de julio que el progreso agéntico no se había acelerado como se esperaba.
Microsoft: Según el Guardian, Kathleen Hogan dijo que desplegar herramientas, formar y empujar el uso no bastó para cambiar la forma de trabajar; había que rediseñar el propio proceso. Ryan Roslansky advirtió en público contra un «doom loop» en el que la IA escribe un documento, la IA lo resume y no queda pensamiento nuevo (solo el Guardian; original sin comprobar).

¿Se reducen los empleos y el trabajo es más duro?

Empleos. Un working paper de la Federal Reserve de marzo de 2026 halla que tras el lanzamiento de ChatGPT en noviembre de 2022, el crecimiento del empleo de coder (ocupaciones con mucho peso de programación) se ralentizó con fuerza. Tras controlar choques sectoriales, el crecimiento anual fue unos 3 puntos porcentuales menor que antes. El mismo documento dice que el empleo de coder sigue creciendo. Eso está más cerca de «no crece tan rápido como antes» que de «desaparecieron los empleos».

Otra investigación presentada en el NBER sobre la adopción de GitHub Copilot halló señales de alrededor de un 36 % de caída en la contratación técnica en las empresas adoptantes, con el golpe concentrado en menos contrataciones nuevas más que en despidos masivos de plantilla existente. El estudio Jellyfish no halló una caída clara de empleo justo después de los agentes en su muestra de empresas.

El recuento Challenger de despidos que citan la IA (101.743 anuncios hasta junio) y la reestructuración de Meta se sitúan junto a esa ralentización de la contratación y reorganización. Los ámbitos difieren, así que es pronto para condensarlo todo en «la IA sustituyó empleos de desarrollador».

Intensidad. Aquí las pruebas son más claras. 6,4 horas de botsitting, tiempo de revisión +49 %, limpieza de incidentes de Meta +70 % apuntan en la misma dirección. El tiempo de escribir código puede bajar mientras sube el de leer, corregir y asumir cambios hechos por agentes. Si se recorta plantilla o se congela la contratación mientras se escala la generación, los desarrolladores que quedan absorben la revisión y la limpieza. Para los desarrolladores hoy, la adopción de IA se parece menos a «tu plaza se ha ido» y más a «el mismo equipo debe verificar más cambios, y la puerta de la contratación puede ser más estrecha que antes».

Lo que no pudimos confirmar, o no debemos exagerar

«La adopción de IA agéntica dispara en todas partes» encaja con encuestas por departamento (Wharton 67 %) e intención de inversión (Gartner), no con una tasa medida de despliegue en producción en todo el mundo.
Las cifras de Meta de +40 % de incidentes, +70 % de tiempo de limpieza y +220 % de cambios de código vienen de publicaciones internas que Reuters revisó; Meta no las ha confirmado de forma oficial.
Jellyfish halló poca evidencia de que la IA recortara empleo. El recuento de Challenger de despidos por IA, la reestructuración de Meta y la ralentización Fed del crecimiento de coder son conjuntos de datos distintos, no el mismo hallazgo repetido.
Los «unos 3 puntos porcentuales» de la Fed son una ralentización de la tasa de crecimiento, no una caída del 3 % del total de plantilla. El −36 % de contratación Copilot se limita a una muestra concreta de adoptantes y un timing de contratos.
El «40 % cancelado para 2027» de Gartner es un pronóstico.
Las 5× de tiempo de revisión y +31 % de PR sin revisar de Faros son datos de proveedor.
No pudimos abrir el propio artículo del Guardian. Las declaraciones de la dirección de Microsoft y el estudio de la University of Pittsburgh proceden solo de la cobertura del Guardian; no pudimos cotejarlos con los originales. La cifra de Challenger procede del informe primario y la de Adaptavist, de la cobertura de la encuesta.

Qué podría cambiar para los desarrolladores

Lo que sigue es nuestra estimación y consejo a partir de los reportajes. No parece que todos los empleos de desarrollador vayan a desaparecer de un día para otro. La contratación puede ponerse más dura, y el día a día puede inclinarse más hacia la revisión y la limpieza.

Empezar pequeño con los permisos de agentes. Denegar por defecto acciones difíciles de deshacer en producción —fusionar, desplegar, acceso a datos de clientes, llamadas API salientes— y abrir listas de permitidos poco a poco.
Medir la revisión aprobada, no el tiempo tecleando. Si se juzga el éxito por las líneas de código o los documentos producidos, se puede obtener un crecimiento al estilo Meta en cambios y en incidentes. Seguir tasas de tests que pasan, rollbacks, problemas de seguridad y defectos captados en revisión.
No recortar la plantilla de revisión mientras se despliegan agentes. Los estudios muestran que más líneas y PR vienen con más tiempo de revisión. Recortar personas primero arriesga más fusiones sin revisar y más limpieza de incidentes.
Registrar los pasos intermedios. Cuando un agente encadena herramientas, perder el punto de fallo hace cara la limpieza. Mantener registros de acciones y registros paso a paso que se puedan reproducir.
Presupuestar tiempo de revisión humana. La cifra de 6,4 horas de botsitting no encaja en cada equipo, pero asumir que «la IA se ocupa» y recortar revisores puede crear una doble carga.
Solo escribir es una ventaja más fina. A medida que los agentes redactan más, partir requisitos, verificar resultados y prevenir incidentes importan más —sobre todo cuando la contratación se ralentiza.
No fiarse solo de la palabra «agente». Algunos productos son chatbots o RPA rebautizados. Preguntar si fijan objetivos, eligen herramientas y mantienen estado, o solo responden a un único prompt.

Qué vigilar a continuación

Las cifras de seguimiento de Wharton y Glean sobre uso autónomo de agentes y tiempo de botsitting, si las cancelaciones de proyectos agénticos suben como pronosticó Gartner, y cómo las grandes empresas convierten permisos de agentes, registros de auditoría y formación por rol en política formal.