Desde que escribimos sobre agentes de ingenier¨ªa de software hace seis meses, la industria a¨²n carece de una definici¨®n compartida del t¨¦rminoagente. Sin embargo, ha surgido un desarrollo importante, no en agentes de codificaci¨®n completamente aut¨®nomos (que siguen sin ser convincentes), sino en modos de agentes supervisados dentro del IDE. Estos modos permiten a los desarrolladores dirigir la implementaci¨®n a trav¨¦s de chat, con herramientas que no solo modifican el c¨®digo en m¨²ltiples archivos, sino que tambi¨¦n ejecutan comandos, realizan pruebas y responden a la retroalimentaci¨®n del IDE, como errores de estilo o compilaci¨®n.
Este enfoque, a veces llamadoprogramaci¨®n orientada por chat (CHOP por sus siglas en ingl¨¦s) oprompt-to-code (indicaci¨®n a c¨®digo), mantiene el control en los desarrolladores mientras se transfiere m¨¢s responsabilidad a la IA que los asistentes de codificaci¨®n tradicionales, como las sugerencias autom¨¢ticas. Las herramientas l¨ªderes en este espacio incluyen Cursor, Cline y Windsurf, con GitHub Copilot ligeramente rezagado pero alcanzando a los otros r¨¢pidamente. La utilidad de estos modos de agentes depende tanto del modelo utilizado (con Claude's Sonnet series siendo actualmente la referencia) como qu¨¦ tan bien se integra con el IDE para proporcionar una buena experiencia de desarrollo.
Hemos encontrado estos flujos de trabajo interesantes y prometedores, con un notable aumento en la velocidad de codificaci¨®n. Sin embargo, mantener peque?os los alcances de los problemas ayuda a los desarrolladores a revisar mejor los cambios generados por la IA. Esto funciona mejor con indicaciones de baja abstracci¨®n y bases de c¨®digo amigables con la IA que est¨¦n bien estructuradas y debidamente probadas. A medida que estos modos mejoren, tambi¨¦n aumentar¨¢n el riesgo de complacencia con el c¨®digo generado por la IA. Para mitigar esto, recomendamos la programaci¨®n en pareja y otras pr¨¢cticas de revisi¨®n disciplinadas, especialmente para el c¨®digo de producci¨®n.
Uno de los temas m¨¢s interesantes en este momento en el espacio GenAI es el concepto de Asistente de Ingenier¨ªa de Software. Estas herramientas de asistencia al c¨®digo hacen m¨¢s que simplemente ayudar a los ingenieros con fragmentos de c¨®digo aqu¨ª y all¨¢; amplifica el tama?o del problema que pueden resolver, idealmente de forma aut¨®noma y con m¨ªnima intervenci¨®n humana. La idea es que estas herramientas puedan tomar una incidencia de GitHub o un ticket de Jira y proponer un plan y cambios en el c¨®digo para implementarlo, o incluso crear una revisi¨®n de c¨®digo para que una persona lo revise. Si bien ¨¦ste es el siguiente paso l¨®gico para aumentar el impacto de la asistencia al c¨®digo con IA, el publicitado objetivo de asistentes gen¨¦ricos que puedan cubrir una amplia gama de tareas de programaci¨®n es muy ambicioso, y el estado actual de las herramientas a¨²n no lo demuestra de manera convincente. Sin embargo, podemos ver que esto funcionar¨¢ m¨¢s pronto que tarde para un alcance m¨¢s limitado de tareas sencillas, lo que liberar¨¢ tiempo de los desarrolladores para trabajar en problemas m¨¢s complejos. Las herramientas que est¨¢n lanzando y comercializando versiones beta de agentes incluyen , , de Tabnine o . La referente enumera m¨¢s herramientas en ese espacio, pero recomendamos tomar los benchmark en el espacio de la IA con cautela.
