SERIE AI-NATIVE · DINÁMICAS HUMANAS EN LA IA AGÉNTICA, PARTE 3 DE 4

Tendencias emergentes que se mueven rápido: principios antiguos, medidos de nuevo

Por Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-10-14 · 6 min de lectura

Cómo leer las etiquetas: EVIDENCE tiene fuente, DESIGN es cómo está diseñada la práctica, OPEN aún no está probado, y LENS es mi propia convicción.

Los titulares sobre agentes y personas cambian cada trimestre. Leídos a través de los principios de la parte 1, casi toda tendencia de 2025–26 es una ley antigua medida de nuevo: la pérdida de habilidades es Bainbridge; la contratación de juniors responde a la brecha de aprendizaje; las identidades de los agentes son contratos de delegación. El resultado: una forma rápida de juzgar una tendencia nueva, y el hábito de fechar cada dato antes de volver a usarlo.

Qué cubre este episodio: tendencias emergentes en el trabajo humano-agente, 2025–2026

Esta es la capa rápida. Seis tendencias de los últimos dieciocho meses, cada una con su mejor evidencia, la versión de esa evidencia, y el principio de la parte 1 que vuelve a medir. Es para cualquiera que tenga que decidir sobre qué titulares actuar, es decir, para todo el que los lea.

Una regla antes de empezar: un número de tendencia lleva una fecha. Una de las seis que siguen se revisó después de aparecer en los titulares, y otra no pudo volver a medirse. Un número de tendencia sin fecha es como la leche sin fecha de caducidad: probablemente esté bien, hasta que no lo está.

Haz una apuesta primero

A mediados de 2025, un estudio riguroso cronometró a desarrolladores de código abierto con experiencia mientras arreglaban problemas reales en sus propios proyectos, con y sin herramientas de IA. Antes de empezar, esperaban que la IA redujera su tiempo en una cuarta parte, aproximadamente. ¿Qué dijo el cronómetro?

• A. ¿Un 25% más rápido, como esperaban?
• B. ¿Ninguna diferencia medible?
• C. ¿Más lento, aunque seguían creyendo que habían sido más rápidos?

Tendencia 1: la brecha entre la velocidad percibida y la medida en desarrolladores

EVIDENCE La respuesta es C. En el estudio de METR con 16 desarrolladores y 246 tareas, "developers forecast that allowing AI will reduce completion time by 24%. After completing the study, developers estimate that allowing AI reduced completion time by 20%. Surprisingly, we find that allowing AI actually increases completion time by 19%" (Traducción: los desarrolladores pronosticaron que permitir el uso de IA reduciría el tiempo de finalización en un 24%. Al terminar el estudio, los desarrolladores estimaron que permitir la IA había reducido el tiempo de finalización en un 20%. Sorprendentemente, encontramos que permitir la IA en realidad aumenta el tiempo de finalización en un 19%) (METR, arXiv 2507.09089). Los autores tuvieron el cuidado de aclarar qué fue lo que no demostraron, empezando por: "AI systems do not currently speed up many or most software developers." (Traducción: los sistemas de IA actualmente no aceleran a muchos o a la mayoría de los desarrolladores de software)

Luego METR dijo que su seguimiento no pudo medirlo. En febrero de 2026 informó que los nuevos datos "gives us an unreliable signal" (Traducción: nos dan una señal poco confiable), en parte debido a "developers choosing not to participate in the study because they do not wish to work without AI," (Traducción: desarrolladores que optan por no participar en el estudio porque no desean trabajar sin IA) y que creía que los desarrolladores probablemente estaban "more sped up" (Traducción: más acelerados) a comienzos de 2026 (METR update, 2026).

LENS Así que "la IA hace que los desarrolladores sean un 19% más lentos" es ya un titular caduco. El hallazgo que vale la pena conservar es la brecha entre lo rápido que la gente percibieron y cuán rápido fueron: el principio de calibración de la parte 1, medido en las personas en lugar de en la máquina. OPEN El seguimiento no volvió a medir esa brecha, así que si persiste o no es una pregunta abierta. Mídela en tu propio equipo antes de confiar en cualquiera de las dos.

Tendencia 2: llega la evidencia del deskilling

EVIDENCE El principio de Bainbridge de la parte 1 predijo que la automatización que solo se supervisa erosiona la habilidad que reemplaza. En 2025 eso se midió en medicina: después de que los médicos trabajaran con colonoscopía asistida por IA, su tasa de detección en procedimientos estándar sin ella cayó "from 28·4% (226 of 795) before to 22·4% (145 of 648) after exposure to AI" (Traducción: del 28,4 % (226 de 795) antes, al 22,4 % (145 de 648) después de la exposición a la IA) (Lancet Gastroenterology & Hepatology, 2025). Fue un estudio observacional en cuatro centros, así que muestra la forma del efecto, no prueba su magnitud.

EVIDENCE En software, un ensayo aleatorizado de 2026 midió un efecto relacionado: aprendizaje, no erosión. Cincuenta y dos ingenieros, en su mayoría junior, aprendieron una biblioteca nueva, con o sin ayuda de IA, y luego hicieron un cuestionario sobre los conceptos que acababan de usar: "participants in the AI group scored 17% lower than those who coded by hand," (Traducción: los participantes del grupo con IA obtuvieron un 17 % menos que quienes programaron a mano,) mientras que la ganancia de velocidad "was not statistically significant." (Traducción: no fue estadísticamente significativa). En esta muestra, las personas que pidieron explicaciones aprendieron más (Anthropic research, 2026). Ese estudio vino de un proveedor de modelos que examinaba la categoría de su propio producto, así que hay que tomarlo con esa reserva. El problema del piloto automático ahora tiene dos nombres: habilidades que se desvanecen y habilidades que nunca llegan a formarse.

Tendencia 3: menos primeros peldaños en la escalera

EVIDENCE El Digital Economy Lab de Stanford encontró que el empleo de jóvenes de 22 a 25 años en las ocupaciones más expuestas a la IA está "19% below where it would be had it kept pace with that of their less-exposed peers," (Traducción: un 19 % por debajo de donde estaría si hubiera seguido el ritmo del de sus pares menos expuestos,) sobre todo "primarily through reduced hiring of young workers rather than increased separations," (Traducción: principalmente mediante la reducción de la contratación de trabajadores jóvenes, más que por un aumento de los despidos,) y también que "we find no evidence of widespread, economy-wide job displacement" (Traducción: no encontramos evidencia de un desplazamiento laboral generalizado a escala de toda la economía) (Brynjolfsson, Chandar y Chen, revisado el 2026-08-12).

Cita la versión. Ediciones anteriores del mismo artículo daban cifras más bajas, y los autores describen los resultados como descriptivos, no causales. LENS Junta las tendencias 2 y 3 y obtienes el piloto automático de la parte 1, ahora a la escala de un mercado laboral, con cada vez menos pilotos entrenados para retomar los controles: si se contrata a menos juniors y los juniors que sí se contratan practican menos, ¿de dónde saldrán los expertos que supervisen a los agentes dentro de diez años?

Tendencia 4: los agentes obtienen identidades, dueños y procesos de baja

EVIDENCE Los sistemas de identidad empresarial ahora tratan a los agentes como identidades plenas. La documentación de Microsoft (página actualizada por última vez el 2026-05-01; consultada el 2026-10-13) describe "first-class identity and access management to AI agents," (Traducción: gestión de identidad y acceso plena para agentes de IA) con "owners, sponsors, and managers" (Traducción: dueños, patrocinadores y gestores) para cada uno, y flujos de traspaso de patrocinador "to prevent orphaned agents" (Traducción: para evitar agentes huérfanos) (Microsoft Entra Agent ID).

LENS Eso es el contrato de delegación de la parte 1 convertido en papeleo. Ahora un agente tiene un responsable con nombre propio, y cuando esa persona se va, el agente debe traspasarse o apagarse: igual que ocurre con el pase de acceso de un contratista.

Tendencia 5: el "jefe de agentes"

EVIDENCE El Work Trend Index 2025 de Microsoft introdujo al "agent boss": "Someone who builds, delegates to and manages agents to amplify their impact and take control of their career in the age of AI" (Traducción: alguien que construye, delega y gestiona agentes para amplificar su impacto y tomar el control de su carrera en la era de la IA) (Microsoft, 2025).

LENS Si el cambio de rol ocurre como Microsoft espera, más personas pasarán más tiempo especificando, delegando y revisando, que es la relación principal-agente de la parte 1 convertida en descripción de puesto.

Tendencia 6: una infraestructura compartida, gobernada en abierto

EVIDENCE El Model Context Protocol, el estándar abierto para conectar agentes con herramientas y datos, fue donado a un nuevo organismo de la Linux Foundation en diciembre de 2025, con "more than 10,000 active public MCP servers" (Traducción: "más de 10.000 servidores MCP públicos activos") y "97M+ monthly SDK downloads," (Traducción: "más de 97 millones de descargas mensuales del SDK") cifras reportadas por el donante (Anthropic, 2025).

LENS Aquí la ley de Conway juega al revés, con un giro irónico: un protocolo compartido permite que organizaciones que no se hablan entre sí terminen construyendo agentes que sí lo hacen.

Las seis tendencias, en una sola página

| Tendencia | Vuelve a medir (parte 1) | Mejor evidencia, con su fecha | |---|---|---| | Velocidad sentida versus medida | calibrar la dependencia | METR, julio 2025; el seguimiento de febrero 2026 no pudo volver a medirla | | Habilidades que se desvanecen, y habilidades que nunca se forman | las ironías de la automatización | Lancet Gastro. Hep. 2025 (observacional); ensayo aleatorizado de Anthropic, enero 2026 | | Menos primeros peldaños | las ironías, a escala de mercado laboral | Stanford, revisado el 2026-08-12 (descriptivo) | | Agentes con dueños y procesos de baja | la delegación como contrato | Microsoft Entra Agent ID, página actualizada el 2026-05-01 | | El «jefe de agentes» | la delegación como puesto de trabajo | Microsoft Work Trend Index, abril 2025 (encuesta de proveedor) | | Infraestructura compartida | la ley de Conway | Donación de MCP, diciembre 2025 (reportado por el donante) |

Cómo leer la próxima tendencia en cinco minutos

1. ¿Qué principio vuelve a medir? Si ninguno, sospecha, o emociónate, pero verifica dos veces.
2. ¿De qué versión es el número? Sin fecha, no hay decisión.
3. ¿Quién lo midió, y vende lo que mide? La investigación de un proveedor puede tener razón; pero no puede ser el único testigo.
4. ¿Es sentido o medido? La tendencia 1 es la advertencia.
5. ¿Es causal o descriptivo? Los autores de la tendencia 3 lo dijeron explícitamente. La mayoría de los titulares no lo hacen.

Lo que no sabemos

OPEN Aún no se sabe si la pérdida de habilidades es permanente o un costo de transición. También sigue abierta la pregunta de Brooks que vimos en la parte 1: si agregar agentes a un trabajo atrasado lo retrasa aún más, tal como ocurre al agregar personas. Los estudios de colonoscopías y de programación midieron la caída, no la recuperación. Tampoco sabemos si la menor contratación de personal junior es una pausa o un nuevo piso. Ambas son preguntas abiertas que vale la pena rastrear por fecha, no por titular.

Cómo podría fallar esto

1. Forzar cada tendencia dentro de una caja vieja. Aparecerán dinámicas genuinamente nuevas. La regla 1 dice que hay que sospechar, no descartar.
2. Números caducados en tu propia presentación. La solución es poner fecha y versión a cada cifra, y revisarla antes de reutilizarla.
3. El miedo como estrategia. Las tendencias de pérdida de habilidades y contratación son señales reales. Son un argumento a favor de diseñar la práctica dentro del trabajo, no de evitar a los agentes.

Tu tarea de esta semana

Encuentra un número sobre IA en una presentación o memo que vayas a usar este mes. Añádele fecha y versión. Si no encuentras ninguna de las dos, reemplázalo o elimínalo.

Próximamente

La parte 4 pone a trabajar las tres capas juntas sobre una sola pregunta: ¿cómo ganan todos —los ejecutivos, las startups con las que se asocian y los ingenieros de ambos lados— con el mismo trabajo, en lugar de que unos ganen a costa de los otros?

Fuentes

• METR (2025). Measuring the impact of early-2025 AI on experienced open-source developer productivity. arXiv 2507.09089. https://arxiv.org/pdf/2507.09089
• METR (2026-02-24). Uplift update. https://metr.org/blog/2026-02-24-uplift-update/
• Lancet Gastroenterology & Hepatology (2025). Multicentre observational study of endoscopist performance after exposure to AI in colonoscopy. https://wrap.warwick.ac.uk/id/eprint/191005
• Anthropic (2026). How AI assistance affects coding skills (randomised trial). https://www.anthropic.com/research/AI-assistance-coding-skills
• Brynjolfsson, E., Chandar, B. & Chen, R. Canaries in the coal mine (revised 2026-08-12). https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/
• Microsoft (2026). Novedades de Entra Agent ID. https://learn.microsoft.com/en-us/entra/agent-id/whats-new-agent-id
• Microsoft (2025). 2025 Work Trend Index: the Frontier Firm is born. https://blogs.microsoft.com/blog/2025/04/23/the-2025-annual-work-trend-index-the-frontier-firm-is-born/
• Anthropic (2025). Donating the Model Context Protocol and establishing the Agentic AI Foundation. https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation

Relacionado

• Parte 1 — Principios que apenas cambian: el lado humano de la IA agéntica
• Parte 2 — Buenas prácticas que evolucionan despacio: trabajar con agentes hoy
• Parte 4 — Ganar-ganar-ganar: ejecutivos, startups e ingenieros en un mismo bucle