El 85,5 % de los ingenieros confía en sus agentes. La mitad se topa con problemas todos los días
By Surya Pratap
26 de agosto de 2026
11 min de lectura
IA y tecnología
26 de agosto de 2026
11 min de lectura
Las mismas personas, dos respuestasHover to exploreTemporal publicó esta semana su 2026 State of Development Report: AI Agents, y el dato que circula es el de adopción: el 80,8 % de los ingenieros ya usa agentes a diario o con más frecuencia, frente al 47,3 % del año anterior, un salto relativo del 70,8 %.
Ese número es real y no es muy interesante. Las curvas de adopción suben; esta subió con fuerza. Si esperaba la confirmación de que los agentes se han vuelto normales en ingeniería, aquí la tiene, y ya puede dejar de esperar.
Los números interesantes están dos páginas más adelante, y no encajan cómodamente uno al lado del otro.
Antes de los hallazgos, la forma del instrumento, porque decide cuánto peso puede soportar todo lo demás.
Metodología, tal como se publicó
Temporal, 2026 State of Development Report: AI Agents
Es una muestra respetable para una encuesta de profesionales y estrecha para una afirmación sobre «los ingenieros». Se inclina hacia empresas medianas y hacia el mundo anglófono, y es autoseleccionada: quien responde una encuesta sobre agentes de IA es alguien que tiene opinión sobre los agentes de IA.
Este es el par.
El 85,5 % de los encuestados dice que confía, al menos en cierta medida, en lo que produce el agente. El 91,1 % dice que los agentes han mejorado o revolucionado su productividad.
Y: el 41,1 % se topa con problemas a diario. Otro 9,0 % se los encuentra de forma continua.
Algo más de la mitad de la muestra tiene problemas todos los días, y aproximadamente seis de cada siete confían igualmente en el resultado.
Ambas cifras vienen de las mismas personas en el mismo cuestionario. Ninguna es mentira. Pero juntas describen algo concreto, y ese algo no es «los agentes funcionan bien».
Describen una brecha de calibración: una confianza que ha avanzado más deprisa que la evidencia que la sostiene. Es algo normal y bien documentado en la relación de las personas con herramientas que impresionan casi siempre y fallan de forma impredecible, y es exactamente la condición en la que la gente deja de comprobar.
Por qué «al menos en cierta medida» hace mucho trabajo
La cifra de confianza es blanda: la pregunta permite que cuente cualquier cosa por encima de la indiferencia. Es una forma legítima de preguntarlo, y significa que el 85,5 % debe leerse como «la mayoría de los ingenieros no es hostil a lo que produce un agente», no como «la mayoría lo pondría en producción sin revisar». La cifra de fallos, en cambio, es un recuento duro de conducta: con qué frecuencia algo salió mal. Comparar una medida blanda con una dura es justo la razón por la que ambas pueden ser ciertas, y también por la que la blanda merece menos peso del que le da el titular.
Otro dato en el que conviene detenerse: los encuestados manejan una mediana de 5 agentes y una media de 10,7.
Cuando la media es más del doble de la mediana, la distribución tiene una cola larga a la derecha. Una minoría maneja muchísimos agentes y tira de la media hacia arriba, mientras que el ingeniero típico maneja un puñado.
Eso importa para leer todo lo demás del informe, porque esas dos poblaciones no están viviendo la misma experiencia. Quien maneja treinta agentes ha industrializado algo. Quien maneja cinco usa los agentes como se usa una función del IDE. Las cifras agregadas de satisfacción promedian ambas cosas, y el número resultante no describe a nadie.
Si intenta averiguar si su equipo va rezagado, el estadístico pertinente es la mediana, y es cinco.
El 51,3 % de los encuestados dice que va de prototipo a producción en horas o menos. El 26,9 % dice que en minutos o menos.
Ponga eso frente al 41,1 % con problemas diarios y la forma del riesgo se ve clara. La restricción que solía existir entre «esto funciona en mi máquina» y «esto está en producción» era tiempo: tiempo en el que alguien leía el diff, pasaba la batería de pruebas, pensaba en el caso límite. Los agentes comprimieron esa ventana a minutos para una cuarta parte de los encuestados.
La compresión solo es un problema si la verificación no se comprimió con ella. En general no lo hizo: escribir código se abarató muchísimo y confirmar que ese código es correcto se abarató un poco. En la diferencia entre esos dos ritmos viven los problemas diarios.
Es el mismo mecanismo del que escribimos en el cuello de botella de la revisión: la generación escaló, la revisión no, y la cola se desplazó en lugar de desaparecer. Esta encuesta es la primera evidencia con muestra amplia que he visto de que el patrón ya es la experiencia mediana y no la queja de quienes adoptaron pronto.
Enterrado en la sección de percepción profesional está el hallazgo con la consecuencia comercial más directa para cualquiera que lea esto:
El 92,3 % de los encuestados ha intentado recrear software que ya paga.
Intentado. No conseguido: la encuesta mide el intento, y esa distinción lo es todo. Pero que nueve de cada diez ingenieros recurran ya al «esto lo podríamos hacer nosotros» cambia la postura por defecto en todas las conversaciones de compra que su equipo comercial tendrá el año que viene.
Para un fundador que lanza un MVP, la lectura práctica no es «el SaaS ha muerto». Es que la carga de la prueba se ha movido. Ahora tiene que explicitar por qué comprar gana a construir, porque su comprador ya ha intentado construirlo, y la respuesta honesta casi nunca es la lista de funciones.
Quiero ser directo con la fuente, porque cambia lo que vale la conclusión del informe.
Temporal vende ejecución duradera: infraestructura para flujos de trabajo largos, con estado y reintentables. El consejero delegado resume los hallazgos así:
Los equipos que se están adelantando son los que confían más en sus sistemas, porque han resuelto el estado, el coste y la fiabilidad.
El estado y la fiabilidad son justo las dos cosas que el producto de Temporal existe para aportar. Eso no hace falsa la frase, pero sí significa que la recomendación del informe y los ingresos de quien lo publica apuntan en la misma dirección, y conviene descontar en consecuencia. Los porcentajes en bruto son mucho más fiables que la interpretación superpuesta, algo que suele valer para toda investigación de proveedor.
La segunda salvedad es la edad. El trabajo de campo se cerró el 25 de mayo de 2026; la publicación es de finales de agosto. En casi cualquier sector una encuesta de tres meses es actual. En este, tres meses abarcan varios lanzamientos de modelos de frontera y al menos un cambio en cómo se usan los agentes de programación. La cifra de adopción es casi con seguridad una subestimación a estas alturas. Las de fiabilidad pueden haberse movido en cualquier dirección, y nadie —Temporal incluida— sabe en cuál.
Lo único que no haría es tratar el 80,8 % como un mandato. Las cifras de adopción son las más citadas y las menos accionables de cualquier encuesta: le dicen qué es normal, y normal no es lo mismo que correcto. La mitad de ese 80,8 % tiene problemas a diario.
El hallazgo de titular es que el uso de agentes entre ingenieros casi se duplicó en un año y ya es casi universal en términos diarios. Démoslo por zanjado.
El hallazgo de debajo es más útil y menos cómodo: la confianza ha adelantado a la fiabilidad. El 85,5 % confía en el resultado mientras algo más de la mitad tiene problemas a diario o de forma continua, y la mitad de la muestra publica en producción en una hora o menos. No es una historia sobre agentes malos. Es una historia sobre una capa de verificación que no escaló al mismo ritmo que la capa de generación, en un entorno en el que nadie tiene tiempo de darse cuenta.
Y el número que llevar al próximo consejo es el que nadie está citando: el 92,3 % de los ingenieros ya ha intentado reconstruir algo que paga. En su mayoría fracasaron. Volverán a intentarlo con mejores herramientas, y su argumento de por qué no deberían tiene que ser mejor que una comparativa de funciones.
Cuente su propia tasa de fallos antes de fiarse de la de nadie.
Fuentes: Temporal Technologies, «Temporal Releases The 2026 State of Development Report: AI Agents» · Temporal Technologies · Todos los porcentajes, el tamaño de muestra de más de 550 personas y las fechas de campo del 29 de abril al 25 de mayo de 2026 son los publicados por Temporal; la interpretación y las salvedades son mías.
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.