Agente de codificación con IA: qué delegarle y qué no

La cola de tickets de tu equipo de growth trae tres peticiones esta semana: una variante de landing page para testear, una sincronización de CRM que no deja de romperse, y un cuadro de instrumentos que nadie quiere montar en Looker. Un agente de codificación con IA, herramientas como Cursor, Claude Code o el modo agente de GitHub Copilot, puede entregar código funcional para dos de esas tareas en una tarde. La tercera depende de lo que pase después de que termine la campaña. Este artículo traza qué está pensado para resolver un agente de codificación con IA, qué es en cambio un generador de agentes sin código, y dónde confundir ambos te sale caro en forma de incidente en producción.

Un agente de codificación con IA y un generador de agentes sin código no son la misma herramienta

Busca "agente de codificación con IA" hoy y los resultados mezclan dos categorías distintas en una sola página. Cursor, Claude Code, el modo agente de GitHub Copilot y Devin escriben y ejecutan código real: abren un repositorio, corren una batería de tests, confirman un cambio. Gumloop, Lindy y Metaflow construyen flujos en su lugar: encadenan llamadas a APIs detrás de un lienzo de arrastrar y soltar, sin repositorio a la vista.

A ambos se les vende a equipos de marketing y growth como "crea tu propia automatización, sáltate al ingeniero". Solo uno de los dos toca el control de versiones, y esa diferencia decide quién se hace cargo del arreglo cuando algo falla.

Un flujo montado en un generador de agentes sin código falla dentro de su propia caja de arena: un paso roto, una nueva ejecución, un ticket de soporte al proveedor. Un script que escribió un agente de codificación con IA, y que desplegaste tú mismo, falla donde tú lo pusiste: una función programada, un webhook que antes corría una herramienta de pago, una tarea cron en un servidor compartido a la que nadie le renueva el certificado SSL desde 2024. Compass enruta una campaña igual que un ingeniero de guardia piensa un despliegue: qué falla primero, y qué lo detecta.

Dos casos reales donde los equipos de growth recurren a un agente de codificación en vez de a un generador de flujos: un parser de UTM que cubre los casos límite que el etiquetado nativo de la plataforma de anuncios se salta, o un comando de Slack interno que trae los números de atribución directamente del data warehouse en vez de esperar un ticket a BI. Ambos son cinco líneas de lógica de negocio envueltas en treinta líneas de autenticación repetitiva: justo lo que un agente resuelve bien y lo que a una persona le fastidia escribir dos veces.

Wegic se sitúa entre las dos categorías. Describes una página o un pequeño sitio por chat, y escribe el código real detrás en vez de rellenar una plantilla. Para un equipo que quiere el resultado de un agente de codificación sin abrir una terminal, esa es la comparación más cercana, no un generador de flujos puro.

Lo que los equipos de growth realmente delegan a un agente de codificación

Tres patrones se repiten en los equipos que hemos visto adoptar esto: cuadros de instrumentos internos que cosen dos APIs que la herramienta de BI no conecta de forma nativa, extracciones de datos puntuales que de otro modo le costarían una tarde a un analista, y scripts de pegamento que mantienen un píxel de tracking disparando correctamente a través de una cadena de redirecciones que una actualización de plataforma acaba de romper.

Ninguno de estos casos es "constrúyenos toda la pila de martech". Son tareas acotadas, tienen un dueño claro, y fallan de forma ruidosa cuando fallan. Ese último punto importa más de lo que parece: un fallo silencioso en un script de atribución es peor que no tener script, porque el equipo sigue tomando decisiones sobre números que ya están mal.

La lectura de Gartner sobre este cambio es directa: para finales de 2026, el 80% de los productos y servicios tecnológicos estará construido por personas ajenas a los roles tradicionales de TI. No es una cifra de marketing sobre agentes de IA en concreto, es una predicción estructural sobre quién escribe software ahora. Un growth marketer que le pide a Claude Code que arregle un webhook ya está dentro de esa cifra.

Ignora la petición que suena a puesto de trabajo en vez de a tarea: "constrúyenos un modelo de atribución". Un agente de codificación con IA puede escribir un script que cruce dos tablas. No debería ser quien decida tu metodología de atribución.

Hay un cuarto patrón, más pequeño pero constante en cuanto un equipo empieza a mirar: reescribir una cadena frágil de Zapier como un único script cuando el precio por tarea de la plataforma de automatización se ha convertido, sin que nadie lo note, en la línea más cara del presupuesto de martech. El agente de codificación no sustituye la lógica de orquestación, solo sustituye el margen del proveedor por ejecutar cinco pasos condicionales.

Dónde se nota de verdad el radio de impacto

Esta es la parte que el consejo de "solo pídeselo" se salta. El agente de codificación no es el riesgo. Lo que toca, sí lo es.

Un script que lee el gasto de campaña desde una API de solo lectura de una plataforma de anuncios tiene poco en juego: en el peor caso, un número mal en un informe que alguien revisa dos veces antes de una reunión de consejo. Un script que escribe en tu CRM, rota una clave de API, o empuja una actualización de segmento directo a tu plataforma de email es un animal distinto. Si el agente alucina el nombre de un campo o se salta un límite de peticiones, ese error aterriza en datos de producción desde los que tu equipo de ventas va a llamar mañana por la mañana.

Las credenciales son lo primero que se salta todo el mundo. Un agente que necesita una clave de API del CRM para probar su propio script pegará esa clave sin problema en un archivo de configuración que acaba confirmado, o en un historial de chat que sobrevive al proyecto. Nada de eso es el agente comportándose mal, está haciendo exactamente lo que se le pidió. La barrera de seguridad tiene que venir de la persona decidiendo dónde vive esa clave antes de la primera ejecución de prueba, no después de que una revisión de seguridad la encuentre.

Los datos de adopción confirman dónde está aterrizando esto de verdad. Las funciones de marketing y de SDR/outbound muestran una adopción de agentes de IA de aproximadamente el 41%, con un retorno medio de 3,4 meses, el más rápido de cualquier función medida, y quienes operan marketing reportan ahorrar cerca de 5,4 horas a la semana una vez el script está corriendo. Un retorno rápido es una buena señal para el caso de negocio. No dice nada sobre quién está de guardia cuando el script deja de dispararse en silencio durante una semana de lanzamiento.

El arreglo no es un documento de política que nadie lee. Son tres preguntas antes de que cualquier script construido por un agente de codificación con IA toque algo más allá de un feed de solo lectura: quién se hace cargo después de que termine la campaña, dónde vive (no "en mi portátil"), y qué pasa si falla a las 2 de la madrugada un martes. Si no puedes responder a eso en una frase cada una, el script se queda en la caja de arena hasta que puedas.

Merece los quince minutos extra de configuración si el script toca datos de clientes, un presupuesto de campaña en vivo, o cualquier cosa que una revisión de cumplimiento vaya a preguntar más tarde. Sáltate la ceremonia si es una extracción de una sola vez que se descarta en cuanto sale el informe.

La cifra del "citizen developer" que todos citan, y lo que se salta

El 80% de Gartner se repite en cada publicación sobre "la IA democratiza la programación" sin la matización que la haría útil: cuenta herramientas internas, prototipos y utilidades a nivel de departamento. No significa que el 80% de la infraestructura de marketing en producción vaya a estar mantenida por gente sin perfil de ingeniería para esa misma fecha.

Hay una distancia real entre "un growth marketer usó un agente de codificación con IA para entregar un script que funciona" y "ese script ahora es infraestructura de la que depende la empresa". Lo primero pasa hoy, todo el tiempo. Lo segundo requiere lo mismo de siempre: control de versiones, un dueño, y una forma de revertir. Que un agente escriba el código no elimina ese requisito, solo lo mueve antes en la línea de tiempo, antes de que la cosa esté corriendo en vez de después de que se rompa.

Trata la cifra del citizen developer como una descripción de quién es ahora capaz de entregar algo, no como un veredicto sobre qué debería correr sin supervisión.

Ignora el consejo de "solo pídeselo y móntate el cuadro de instrumentos"

La mayoría de artículos sobre "cómo usar un agente de codificación con IA en marketing" recomiendan empezar por una herramienta interna completa: un centro de mando de campañas, un cuadro de instrumentos de informes unificado, todo el paquete. Ese es el primer proyecto equivocado.

Los equipos que sacan valor real empiezan más pequeño: un script, una entrada clara, una salida clara, revisado por alguien que sepa leer código aunque no lo escriba a diario. Un cuadro de instrumentos son diez scripts disfrazados de interfaz. Entrega bien el primer script antes de coser diez juntos y llamarlo infraestructura.

Si el equipo se está ahogando en notas de reunión y tareas de seguimiento antes de llegar siquiera a la parte de código, ese es un problema distinto, más pequeño, que merece la pena resolver antes, y uno que un agente de IA para reuniones resuelve sin tocar una línea de código de campaña.

Cómo encaja esto en una pila de campañas orquestada

Un agente de codificación con IA escribe la función. Una capa de orquestación decide cuándo corre esa función, qué la dispara, y qué pasa después entre email, ads y CRM. Confundir las dos cosas es como los equipos acaban con un script brillante que nadie conectó a nada, guardado en un repositorio, nunca disparado por la campaña para la que se construyó.

La postura de Compass en esto es directa: la orquestación es la capa que enruta una campaña entre canales según la señal en vivo, no la capa que escribe el código sobre el que corren esos canales. Las dos son complementarias, no compiten entre sí. Un script construido por un agente de codificación que marca una secuencia de email estancada solo sirve si algo aguas abajo redirige el envío a ads ese mismo día, no en el próximo sprint.

Para los equipos que llevan el lado comercial de un lanzamiento, ese enrutado se extiende más allá de las herramientas de marketing: una plataforma de tienda con su propia capa de automatización necesita la misma pregunta que cualquier script construido por un agente, quién se hace cargo de la ruta de excepción cuando una sincronización falla a mitad de lanzamiento.

Qué delegaríamos realmente este trimestre

Un agente de codificación con IA se gana un puesto en la pila de un equipo de growth para tareas acotadas, con dueño, que fallan de forma ruidosa: el parser de UTM, la extracción del warehouse, el arreglo del webhook. No se gana un puesto escribiendo tu metodología de atribución ni corriendo sin supervisión contra datos de CRM en producción el primer día.

Empieza con el script más pequeño que le ahorre a alguien una tarde de verdad. Nombra un dueño antes de que salga, no después de que se rompa. Enruta las decisiones de campaña más grandes por la capa construida para tomarlas, no por lo que el agente de codificación tocó primero por casualidad.

Tres métricas te dicen si el montaje funciona después de un trimestre: cuántos de esos scripts siguen corriendo sin supervisión, cuántas veces uno falló en silencio antes de que alguien lo notara, y cuánto tardó el arreglo una vez que alguien lo notó. Si el tercer número sigue bajando, el agente de codificación se ganó su sitio en la pila. Si el primer número sigue creciendo más rápido de lo que el equipo puede nombrar dueños, has construido deuda de mantenimiento en vez de una ganancia de eficiencia.