El viernes 17 de julio de 2026 impartí un webinar en el canal de YouTube de Microsoft Reactor llamado Agentic DevOps Meets Accessibility: Inclusive Delivery with AI & Agents. La grabación ya está disponible para que la veas cuando quieras. La sesión está en inglés.
Por qué el próximo capítulo de FinOps no consiste en encontrar un modelo más barato. Se trata de diseñar sistemas que no desperdicien los tokens que ya tienen.
Un líder financiero abre la factura mensual de la plataforma de IA de la empresa y encuentra un número que no coincide con ninguna historia que alguien pueda contar. El uso creció de forma moderada. La factura creció de forma marcada. Nadie cambió a un modelo más caro. Nadie aprobó una nueva integración que alguien recuerde. La partida simplemente creció por sí sola, de la misma manera en que solían crecer las facturas de la nube antes de que alguien construyera una disciplina para vigilarlas.
Pregúntale al equipo de ingeniería qué pasó y la respuesta rara vez tiene una sola causa. Son cien pequeñas decisiones: un prompt de sistema que creció cada vez que alguien añadió una nueva regla, un paso de recuperación que trae diez documentos cuando dos bastarían, un agente que reintenta una llamada a una herramienta fallida cinco veces antes de rendirse, un flujo de trabajo que pasa una conversación entre tres agentes especializados y reenvía todo el historial en cada traspaso. Ninguna de estas decisiones parecía costosa por separado. Juntas, son la factura.
Durante décadas, escribir código fue la parte cara. Leerlo era casi gratis en comparación. Un desarrollador pasaba horas produciendo un cambio y un revisor pasaba minutos confirmándolo. Esa proporción dio forma a todo: nuestras herramientas, nuestros procesos y nuestra idea de quién estaba ocupado y quién esperaba.
Los agentes invirtieron esa proporción. Un agente capaz ahora produce una rama completa con código, pruebas y documentación en el tiempo que toma escribir una buena descripción de la tarea. Escribir se volvió barato. Leer no.
El viernes 24 de julio de 2026 impartí un webinar en el canal de YouTube de Microsoft Reactor llamado Fundamentos de DevOps en la Era de AI y Agentes. La grabación ya está disponible para que la veas cuando quieras.
DevOps siempre se ha definido mediante una ecuación simple y poderosa: Personas + Procesos + Herramientas. Esa fórmula capturaba algo esencial sobre cómo se construye y entrega el software moderno. Derribó muros entre desarrollo y operaciones. Proporcionó a las organizaciones un modelo mental para diagnosticar qué estaba mal cuando las cosas avanzaban demasiado lento, fallaban con demasiada frecuencia o generaban demasiada fricción.
Durante más de una década, este modelo de tres pilares sirvió bien a la industria. Y lo hizo porque descansaba sobre una suposición que nadie cuestionaba: cada participante en el ciclo de vida de entrega de software era humano.
Esa suposición ya no se sostiene.
No hace mucho, cada commit en tu repositorio provenía de un humano. Un desarrollador escribía código, hacía push a una rama, abría un pull request y un revisor lo aprobaba. Tu pipeline de CI/CD fue diseñado alrededor de ese flujo: ejecutar pruebas, verificar lint, escanear vulnerabilidades, desplegar si todo está en verde.
Esa suposición se está rompiendo.
La mayoría de los tutoriales de IA comienzan con "crea un recurso de Azure" y terminan con "aquí está tu chat completion." Omiten la parte desordenada del medio — la parte donde un desarrollador pasa de "me pregunto qué modelo funcionaría para esto" a "esto está corriendo en producción, monitoreado, asegurado y costando lo que esperaba."
Ese viaje completo es de lo que trata esta publicación.
Los agentes de codificación con IA ya no son experimentales. Los equipos están usando GitHub Copilot, Claude Code, Cursor y otras herramientas para generar código, abrir pull requests, revisar cambios y automatizar tareas de ingeniería de múltiples pasos. Los resultados son impresionantes, pero un problema más silencioso está creciendo debajo de las ganancias de productividad.
Cada desarrollador en el equipo configura sus agentes de IA de manera diferente.
El desarrollo asistido por IA ya no es un experimento. Es parte del trabajo diario de ingeniería en organizaciones de todos los tamaños. Las herramientas impulsadas por modelos de lenguaje grandes generan código, proponen refactorizaciones, escriben pruebas, resumen pull requests y coordinan tareas de ingeniería de múltiples pasos.
Esto crea un desafío fascinante e incómodo: la productividad claramente está mejorando, pero se ha vuelto mucho más difícil medirla con precisión.
La IA ha cambiado cómo escribimos software. Pero, lo que es más importante, ha cambiado cómo comunicamos intención.
Las primeras conversaciones sobre el desarrollo asistido por IA se centraron en gran medida en la ingeniería de prompts. Los desarrolladores experimentaron con trucos de redacción, estilos de formato e instrucciones ingeniosas para obtener mejores resultados de los modelos de lenguaje. Comunidades enteras se formaron alrededor del "prompt perfecto."
Esa fase fue útil, pero nunca fue el destino.
Impulsado por Microsoft Foundry
👋 ¡Hola Amig@!
Puedes preguntarme sobre: