¿El fin de la ingeniería de software? Un paper académico dice que los agentes de IA ya cambiaron el paradigma — la evidencia que cita es más modesta que la afirmación

Un paper publicado en arXiv a inicios de noviembre de 2026 por Zhenfeng Cao, investigador de Lingxi Intelligent Investment (Shenzhen), hace una afirmación fuerte desde el título: "The End of Software Engineering: How AI Agents Are Fundamentally Restructuring the Software Paradigm". La tesis central es que los agentes de IA no son una herramienta más rápida para hacer lo mismo de siempre, sino un cambio de paradigma — de lógica de decisión fija, escrita por un humano antes de que el programa corra, a lógica generada en tiempo real por un modelo de lenguaje, con el código mismo convertido en una herramienta descartable que el agente puede reescribir según necesite.

Es una idea interesante y, en parte, verificable. El problema es que la evidencia que el propio paper cita para sostenerla es más modesta — y en un punto, directamente contraria — a la fuerza de su conclusión.

La idea central: de lógica fija a lógica generada

El argumento técnico del paper es este: el software tradicional codifica decisiones de antemano — un árbol de condicionales, una máquina de estados, reglas de negocio escritas en código que no cambian a menos que alguien las reescriba y vuelva a compilar. Un agente de IA, en cambio, decide qué hacer en el momento, usando un modelo de lenguaje para interpretar la situación y generar (o modificar) el código necesario sobre la marcha. El código deja de ser la lógica permanente del sistema y se convierte en una herramienta temporal que el agente usa y descarta.

El paper sostiene que esto no es una mejora incremental de productividad (como un autocompletado más inteligente) sino un cambio de categoría: la complejidad que antes crecía exponencialmente con cada nueva regla de negocio (una afirmación que el paper presenta en notación Θ(2^n), pero no demuestra formalmente — queda como una intuición razonable, no una prueba) ahora la absorbe el modelo en tiempo de ejecución, no el código fuente.

La evidencia que cita — y lo que realmente muestra

El paper apoya su argumento en tres piezas de evidencia, y las tres merecen mirarse con cuidado:

SWE-bench Verified. Lingma SWE-GPT, un modelo de 72B parámetros con arquitectura de agente, resuelve el 30.20% de las tareas del benchmark. El paper lo presenta como evidencia de la capacidad de los agentes — pero en la misma tabla, GPT-4o, un modelo sin esa arquitectura de agente especializada, resuelve el 31.80%: ligeramente más. Si el benchmark central del paper muestra al modelo "paradigma nuevo" empatado o por debajo de un modelo "paradigma viejo", eso no es evidencia de una ruptura — es evidencia de que, en esta medición puntual, la diferencia todavía no se nota.

El piloto de LangChain. La empresa reportó una reducción del 93% en el tiempo que le toma a un equipo identificar la causa raíz de un problema, en un piloto interno con más de 20 flujos empresariales. Es un dato real y de uso en producción, no un benchmark sintético — pero es autorreportado por la propia empresa que vende la herramienta, sobre su propio caso de uso, sin un tercero que lo audite ni un grupo de control público. Vale como evidencia de adopción empresarial temprana, no como una medición independiente generalizable.

EvoClaw. Este es, de las tres, el dato más honesto del paper sobre sus propias limitaciones: el rendimiento de los agentes cae de más del 80% en tareas aisladas a 38% o menos cuando las tareas se vuelven continuas — varios pasos encadenados, donde un error temprano se propaga. El paper no logra explicar del todo por qué ocurre esta caída tan pronunciada, y la fuente exacta de los datos de esa comparación (una figura del propio paper) no queda del todo clara frente al benchmark EvoClaw original, lo que amerita revisarla contra la fuente primaria antes de tomarla como definitiva.

Lo que el paper no demuestra, aunque lo afirme

Más allá de los números puntuales, el paper tiene tres problemas de encuadre que vale la pena señalar explícitamente, porque son el tipo de cosas que una lectura rápida del título no detecta:

Primero, la afirmación de que este cambio es "inevitable" y "no incremental" es una interpretación del autor, no una conclusión que los datos citados obliguen. Un modelo empatado con GPT-4o en el benchmark principal y con una caída de rendimiento sin explicar en tareas continuas es compatible con una lectura mucho más cautelosa: que los agentes son prometedores pero todavía inmaduros, no que ya reemplazaron el paradigma anterior.

Segundo, el paper reutiliza el término "Software 2.0" — una etiqueta que Andrej Karpathy acuñó en 2017 para un concepto distinto (redes neuronales entrenadas sustituyendo código escrito a mano para tareas específicas, no agentes autónomos escribiendo código general) — con un significado nuevo, sin aclarar la diferencia. Es una inconsistencia terminológica menor, pero puede confundir a un lector que ya conocía el término original.

Tercero, el paper plantea una hoja de ruta de cuatro etapas desde 2023 hasta 2028 y más allá. Una proyección a futuro no es evidencia — es una predicción, y debe leerse como tal, por más ordenada que se vea en una tabla.

Lo que sí queda como evidencia real

Nada de esto invalida que los agentes de IA están cambiando cómo se escribe software en la práctica — eso ya se documenta, con cifras reales, en SWE-bench, en el caso de LangChain, y en decenas de herramientas de agentes que ya se usan en producción en distintas empresas. Lo que el paper no logra es cerrar la distancia entre esa evidencia incremental y real, y la afirmación — mucho más grande — de que la ingeniería de software como disciplina ya llegó a su fin. Son dos cosas distintas, y el título del paper las trata como si fueran la misma.

Fuentes

• The End of Software Engineering: How AI Agents Are Fundamentally Restructuring the Software Paradigm — arXiv:2606.05608v1 [cs.SE], Zhenfeng Cao