Karan MV, responsable de relaciones con desarrolladores en GitHub: "Con la IA, los programadores han pasado a ser solucionadores de problemas y orquestadores de agentes inteligentes"
Elígenos como tu fuente preferida en Google.
Los agentes de IA están cambiando el trabajo de los programadores. Menos tiempo escribiendo código y más trabajo definiendo problemas, coordinando y revisando lo que produce la IA.
No es ninguna sorpresa que la inteligencia artificial esté cambiando el trabajo de los programadores, sobre todo porque cada vez más código puede delegarse a esta tecnología.
Ahora, escribir cada componente a mano está dejando de ser el centro absoluto del trabajo y ganan peso otras tareas, como entender bien el problema, decidir cómo resolverlo, diseñar el sistema y comprobar que lo que generan los modelos de IA funciona como debería.
Karan M.V., director internacional de Relaciones con Desarrolladores de GitHub, lo explica en una entrevista con Saba Aafreen para Open Source For You.
Su idea es que los desarrolladores están pasando de ser principalmente autores de código a convertirse también en solucionadores de problemas y orquestadores de agentes inteligentes.
Pero esto no significa que vayan a dejar de programar para siempre. Más bien, parte de su responsabilidad empieza a situarse en un nivel por encima.
Ese papel de “orquestador” consiste en decidir qué hay que construir, dividir el trabajo, dar contexto a los agentes, establecer restricciones y supervisar lo que producen.
Para Karan, la informática, la ingeniería de software y el diseño de sistemas continúan siendo necesarios para saber si una solución tiene sentido o si una IA se está equivocando.
Un agente de IA puede hacer bastante más que completar código
La diferencia con los primeros asistentes de programación está en el grado de autonomía. Un agente puede recibir una tarea, trabajar con el contexto de un repositorio y producir cambios que después pasan por pruebas, revisiones y otros controles.
Eso permite repartir partes diferentes de una aplicación. Karan menciona tareas relacionadas con frontend, backend, bases de datos y testing, además de depuración, revisión de código y validación de decisiones de arquitectura.
De esta manera, el desarrollador sigue teniendo que decidir qué puede delegarse, qué permisos recibe cada agente, pero sobre todo, dónde están los límites.
También debe saber comunicar restricciones y anticipar cómo puede fallar el sistema. Cuanta más ejecución se automatiza, más importante resulta distinguir entre un resultado aparentemente correcto y uno realmente fiable.
GitHub ya está llevando esa idea a sus herramientas
Cabe señalar que la estrategia que GitHub está impulsando en 2026 va precisamente en esa dirección. La IA empieza a intervenir no solo al generar fragmentos de código, sino también en revisiones, integración continua, depuración y mantenimiento de repositorios.
Ante esto, la compañía ya plantea flujos en los que agentes inteligentes pueden clasificar incidencias, investigar fallos de CI o mantener documentación.
Esas acciones no quedan fuera de control, ya que pueden limitarse mediante permisos y seguir pasando por mecanismos habituales como pruebas, revisiones de código o protecciones antes de que los cambios lleguen al proyecto.
El cambio, por tanto, no consiste en retirar al programador del proceso. Consiste en desplazarlo hacia las decisiones que determinan cómo se desarrolla ese proceso y qué resultados pueden aceptarse.
Karan asegura que GitHub ha pasado de alrededor de cuatro millones de desarrolladores en India en 2020 a más de 27 millones actualmente.
El último dato detallado publicado en Octoverse situaba la comunidad en 21,9 millones en 2025, frente a 4,5 millones cinco años antes, convirtiéndola en la segunda mayor de GitHub.
Ese mismo informe contabilizaba más de 180 millones de desarrolladores en todo el mundo y señalaba una presencia creciente de agentes en los flujos de trabajo.
GitHub advierte, eso sí, de que esa coincidencia no demuestra que la IA sea la causa directa del aumento de actividad. Lo que sí empieza a dibujarse es un cambio en donde se concentra el valor humano.
Si escribir código se vuelve más rápido y barato, comprender el problema, plantear buenas restricciones, detectar errores y decidir qué merece llegar a producción puede convertirse en una parte todavía más importante del trabajo de un programador.