
En este artículo (4)
Agentes de codificación con IA: análisis de la infraestructura de flujo de trabajo de JetBrains
Puntos Clave
- Trata a los agentes de codificación como infraestructura: define flujos de trabajo, límites de revisión y gobernanza antes de elegir una herramienta predeterminada.
- Mide los resultados, no el entusiasmo: haz seguimiento de la carga de revisión, los defectos, las pruebas y los hallazgos de seguridad después de los cambios asistidos por agentes.
- Preserva la elección de herramientas cuando sea útil, pero exige visibilidad compartida para que los equipos puedan comparar honestamente el rendimiento de los agentes.
Los datos de la encuesta de JetBrains sitúan a los agentes de codificación dentro del trabajo cotidiano, lo que convierte la medición y la gobernanza en la verdadera prueba de adopción.
Los datos de una encuesta de JetBrains sitúan a los agentes de programación dentro del trabajo cotidiano, lo que convierte la medición y la gobernanza en la verdadera prueba de adopción.
El agente de programación ha pasado discretamente de ser un duendecillo brillante de autocompletado a convertirse en la fontanería de la oficina. Menos glamuroso, sí, pero mucho más capaz de inundar tu sprint si nadie se hace cargo de las tuberías. JetBrains Research ha puesto una nueva estructura de encuesta alrededor de ese cambio con AI Coding Agents: Adoption Trends, basado en su Developer Ecosystem Survey 2026. Lo importante no es que los desarrolladores estén probando agentes. Es que los equipos ahora deben decidir si estas herramientas son pequeños aperitivos de productividad personal o infraestructura de ingeniería compartida.
Qué ocurrió: JetBrains pone una cifra al avance silencioso de los agentes
JetBrains Research dice que AI Coding Agents: Adoption Trends se basa en la Developer Ecosystem Survey 2026, la décima edición de su estudio a gran escala y representativo a nivel mundial, realizado por el equipo de Strategic Research and Market Intelligence. La empresa dice que la encuesta cubre a más de 15.000 desarrolladores profesionales de todo el mundo, lo cual es una muestra mejor que la de quien esté gritando en el chat de tu equipo después de instalar tres extensiones antes del almuerzo.
JetBrains también dice que esta publicación sigue a un informe de abril de 2026 sobre la adopción de las principales herramientas de programación con IA. En otras palabras, la medición ha pasado de la curiosidad al seguimiento de una categoría. La cifra principal es la que todo líder de ingeniería tendrá la tentación de capturar en pantalla: según JetBrains Research, entre mayo y julio de 2026, el 90% de los desarrolladores profesionales usaban agentes de programación con IA en el trabajo. Eso no es una función de nicho escondida bajo una bandera experimental. Es una realidad del flujo de trabajo, lo que significa que ignorarla ahora también es una decisión. La pregunta deja de ser tanto si los desarrolladores deberían usar agentes y pasa a ser dónde se permite actuar a los agentes, qué pueden tocar y cómo se revisa su resultado.
Por qué importa: JetBrains está empaquetando fontanería, no confeti
JetBrains AI describe su ecosistema como IA para el desarrollo profesional de software, incluyendo asistencia en el IDE, flujos de trabajo impulsados por agentes y gobernanza para equipos. Ese enfoque importa porque un agente de programación ya no es solo una caja de texto con ambición. JetBrains enumera los IDE de JetBrains, una selección de agentes de IA, gobernanza y control, tiempo de ejecución y orquestación, y evaluación y optimización como partes de su ecosistema de IA. Ese es lenguaje de infraestructura, que es lo que ocurre cuando el autocompletado crece y empieza a asistir a reuniones de revisión de arquitectura.
JetBrains AI también enfatiza la libertad de elegir agentes de programación sin quedar atado a un proveedor, además de privacidad y controles preparados para la empresa, con visibilidad centralizada, gobernanza, controles de seguridad y flexibilidad de despliegue. Si quitamos el brillo del folleto, la señal útil queda clara: los equipos quieren opciones, pero la dirección quiere observabilidad. Una docena de desarrolladores usando en silencio agentes diferentes es experimentación. Una empresa que estandariza agentes sin controles compartidos es simplemente copiar y pegar con una pantalla de incorporación más bonita.
Qué medir: los datos de JetBrains convierten la adopción en una línea base, no
en una vuelta triunfal JetBrains Research aporta evidencia de adopción, pero la adopción por sí sola no responde si un agente mejora los resultados de ingeniería. Un equipo debería medir los cambios de agentes aceptados, el retrabajo en revisión, los fallos de pruebas, los hallazgos de seguridad y los patrones de defectos después de la fusión antes de nombrar una herramienta predeterminada. Eso suena menos emocionante que prometer a todo el mundo un programador compañero robot, pero históricamente producción ha preferido el papeleo aburrido a las sensaciones. Producción es así de grosera.
El movimiento práctico es evaluar a los agentes en los lugares donde el trabajo realmente se atasca. Si un agente acelera la creación de estructuras iniciales pero aumenta el tiempo de revisión, el equipo no ahorró tiempo. Si redacta pruebas que los desarrolladores siguen reescribiendo, mide la reescritura, no la demostración. Si ayuda a los ingenieros sénior a avanzar más rápido pero confunde a los juniors hasta hacerles aprobar tonterías plausibles, el despliegue necesita barreras de protección, formación o un radio de impacto más pequeño.
Qué viene después: JetBrains ha subido la pregunta en el organigrama
JetBrains AI apunta a visibilidad centralizada, gobernanza, controles de seguridad y flexibilidad de despliegue, que son exactamente las áreas que los equipos deberían poner a prueba antes de estandarizar. Pregunta quién puede habilitar agentes, a qué repositorios pueden acceder, qué contexto reciben y cómo se revisan los cambios generados. Pregunta si los equipos pueden comparar la salida de los agentes entre proyectos sin convertir los flujos de trabajo de los desarrolladores en teatro de vigilancia. Sí, ese equilibrio es molesto. También lo es Kubernetes, y aun así lo dejamos entrar en el edificio.
Para quienes leen esto mientras crean o compran herramientas de desarrollo con IA, la conclusión es simple: trata a los agentes de programación como infraestructura de flujo de trabajo antes de que se conviertan en infraestructura accidental. JetBrains Research sugiere que la base de usuarios ya está ahí, así que la próxima ventaja viene de la medición, la gobernanza y los ciclos honestos de retroalimentación. Espera que los proveedores compitan menos por tener un agente y más por demostrar dónde ayuda ese agente sin blanquear el riesgo mediante el entusiasmo de los desarrolladores. La era de los agentes no está llegando con trompetas. Está llegando como una casilla de verificación en la configuración de tu IDE, lo cual de algún modo es más inquietante y más útil.