Steve Yegge: Las grandes empresas tecnológicas están muriendo en silencio

Por qué Steve Yegge cree que las grandes empresas ya están muertas

Steve Yegge — veterano de 40 años en el mundo del software, ex ingeniero de Google y Amazon, y actualmente desarrollando el orquestador de agentes de código abierto Gas Town — se sentó con Gergely Orosz en el podcast The Pragmatic Engineer para una conversación de largo alcance sobre lo que la IA está haciendo con la industria del software. Su tesis central: las grandes empresas tecnológicas están muriendo, solo que aún no lo saben.

Sobre las grandes empresas que ya están muertas: “We’re all looking at the big companies going, ‘When are you going to give us something?’ And the answer is we’re looking at the big dead companies. We just don’t know they’re dead yet.” (“Todos miramos a las grandes empresas preguntándonos: ‘¿Cuándo nos van a dar algo?’ Y la respuesta es que estamos mirando a las grandes empresas muertas. Simplemente aún no sabemos que están muertas.”) El argumento de Yegge no es que estas empresas carezcan de ingenieros productivos, sino que las organizaciones en sí no pueden absorber lo que producen. Los ingenieros chocan contra cuellos de botella en procesos de diseño, legal, cumplimiento normativo y lanzamiento, y se van. Mientras tanto, las startups de 2 a 20 personas están lanzando más rápido que divisiones enteras.

Sobre los 8 niveles de adopción de la IA: Yegge traza un espectro de ingenieros que va desde el Nivel 0 (sin uso de IA) hasta el nivel más alto, donde múltiples agentes paralelos operan simultáneamente sobre tu código. Estima que aproximadamente el 70% de los ingenieros siguen en el nivel de Copilot o por debajo — usando el autocompletado básico pero sin flujos de trabajo agénticos. La brecha entre esos ingenieros y los que ejecutan 80 agentes en paralelo es, en sus palabras, isomorfa a dirigir un equipo de 80 ingenieros.

Sobre el “agotamiento vampiro”: Incluso los ingenieros más productivos con apoyo de IA llegan a un límite. “You can be 100x productive but you only have about 3 good hours a day.” (“Puedes ser 100 veces más productivo, pero solo tienes unas 3 buenas horas al día.”) El cuello de botella no es la IA, sino la capacidad humana de tomar decisiones. Revisas, diriges y corriges el rumbo constantemente. Tres horas de supervisión intensa de agentes resultan agotadoras.

Sobre la “herejía” — la nueva deuda técnica: Yegge introduce un concepto para las bases de código generadas mediante vibe coding: una “herejía” es una idea arquitectónica equivocada que echa raíces entre tus agentes y sigue reapareciendo. “You try to get them all out, but there will be one reference to it in some doc somewhere that an agent picks up on and goes, ‘Oh, that makes sense.’ And it returns and rebuilds the heresy and it starts to spread again.” (“Intentas eliminarlas todas, pero siempre quedará una referencia en algún documento que un agente encontrará y pensará: ‘Ah, tiene sentido.’ Y la herejía regresa, se reconstruye y empieza a propagarse de nuevo.”) La solución: documentar las herejías explícitamente en tus prompts y añadir herramientas que impidan a los agentes reconstruirlas.

Sobre el consumo de tokens como métrica clave: Para las startups que usan agentes de IA, Yegge argumenta que la métrica proxy más importante es el consumo de tokens — cuánto cómputo estás utilizando. Las startups ya no preguntan cuántos empleados necesitan, sino cuánto cómputo pueden reservar. “Eleva tu consumo de tokens todo lo que tus inversores te permitan”, aconseja, porque ese gasto representa práctica, iteración y aprendizaje.

Sobre el problema de captura de valor: Si te vuelves 100 veces más productivo, ¿quién se beneficia? Si trabajas 8 horas y produces 100 veces más, la empresa captura todo ese valor. Si trabajas 10 minutos y produces el mismo resultado que antes, eres tú quien lo captura. Ninguno de los extremos es sostenible. Yegge reconoce que aún no existen normas culturales para esto — va a ser complicado.

Sobre la lección amarga y los modelos del futuro: Citando el famoso ensayo de Richard Sutton, Yegge argumenta que nunca debes intentar ser más listo que la IA — los modelos más grandes siempre ganan. Estima que quedan al menos “dos ciclos más” de mejora de capacidades, lo que significa modelos al menos 16 veces más inteligentes que los actuales. Eso, dice, “hará que todo el trabajo del conocimiento sea absorbido.”

Sobre el software personal y el forking: Todos querrán software a medida. El forking — antes una “declaración de guerra” en el mundo del código abierto — se convierte en un acto cotidiano cuando la IA hace que el mantenimiento sea trivial. Programar pasará a ser algo para todos: Yegge predice que su esposa, que no es desarrolladora, será la principal contribuidora a su videojuego para el verano de 2027.

8 conclusiones clave de Steve Yegge sobre agentes de IA

• Las grandes empresas tecnológicas son muertos en vida — Las organizaciones no pueden absorber la productividad que generan sus ingenieros con IA, lo que crea cuellos de botella que alejan el talento
• El 70% de los ingenieros siguen por debajo del umbral agéntico — Usan herramientas al nivel de Copilot mientras una pequeña minoría ejecuta 80 agentes en paralelo
• El agotamiento vampiro es real — Productividad 100x pero solo 3 buenas horas al día de capacidad de decisión
• La “herejía” es la nueva deuda técnica — Ideas erróneas que se propagan entre agentes y siguen reconstruyéndose en tu código
• El consumo de tokens es la métrica — Las startups miden el cómputo consumido, no el número de empleados
• La lección amarga aplica — No intentes superar a la IA con heurísticas artesanales; la escala siempre gana
• La captura de valor está sin resolver — Las ganancias de productividad 100x necesitan nuevas normas culturales sobre quién se beneficia
• Programar es para todos — Personas sin perfil técnico construirán software serio para 2027, y el forking se volverá trivial y rutinario

Qué significa esto para las organizaciones que usan agentes de IA

La visión más accionable de Yegge es que la estructura organizacional — no la capacidad de los modelos — es ahora el principal factor limitante. Los ingenieros son productivos. Los modelos son capaces. Pero las empresas construidas para el mundo anterior no pueden moverse lo suficientemente rápido para aprovechar lo que la IA les ofrece. Las startups que ganen serán las diseñadas desde cero para flujos de trabajo agénticos: equipos pequeños, procesos transparentes, alto consumo de tokens y sin cuellos de botella en los procesos posteriores. Si tu empresa sigue requiriendo PRs, revisiones de diseño y ciclos de planificación de varios sprints para funcionalidades que un agente puede lanzar en horas, tú eres la gran empresa muerta que aún no lo sabe.