Suscríbete gratis a Arquitectura Software para recibir nuevos posts y apoyar mi trabajo.
Todos estamos trabajando con agentes de IA, y todos estamos entregando más código del que jamás soñamos con entregar cuando trabajábamos sin IA.
Pero hay un patrón común en todos los desarrolladores que conozco, yo incluido: todos estamos más cansados.
¿Cómo es posible que ahora que no estamos metidos a fondo en el editor de código, ahora que podemos hacer más con menos esfuerzo, al final terminemos el día más cansados?
Vamos a ver adónde se ha ido nuestra energía y qué podemos hacer a partir de esta semana.
Por qué la IA puede cansarte más aunque haga el trabajo
Todos hemos sido ascendidos a tech leads o managers. O nuestro trabajo pasó de escribir el código a supervisar a alguien que escribe el código.
Antes, cuando escribíamos el código, teníamos pausas naturales, como, por ejemplo, cuando estábamos compilando algunos proyectos o ejecutando alguna test suite. Pero supervisar nunca termina, y creo que esta es una razón por la que sentimos este "AI Fatigue".
Aunque un agente esté construyendo un proyecto, probablemente tengas varios agentes trabajando en cosas diferentes, así que siempre hay algo que mirar.
Es como ser el ejecutivo que está constantemente mirando su móvil porque tiene correos y mensajes sobre lo que la gente está haciendo en la empresa por todo el mundo.
Sé que mis agentes están ahí, trabajando, incluso mientras vuelvo a casa, así que me tienta mirar qué han terminado incluso durante ese tiempo.
Qué dice la investigación sobre el AI fatigue (y qué no)
Hay estudios que vinculan ciertos patrones de uso de la IA con fatiga mental y sobrecarga de decisiones. Esto viene de la experiencia autodeclarada de las personas.
Y tiene sentido porque piensas que estamos trabajando las mismas horas, pero estamos entregando más trabajo. Así que eso significa que nuestra jornada se volvió más densa.
Y tenemos que distinguir entre estar fatigado, estar quemado o tener AI brain fry, como lo llaman algunas personas.
Así es como separo los tres términos:
- Fatiga: Estás cansado después de un esfuerzo sostenido. Dormir o tener una semana más ligera te ayudará. Es un síntoma que aparece después de un trabajo duro y largo.
- Burnout: Estás agotado de energía, eres cínico con tu trabajo, te sientes menos efectivo. Es un síntoma que aparece después de un largo periodo de tiempo con estrés crónico.
- AI Brain Fry: Es la fatiga mental que aparece por supervisar herramientas de IA frenéticamente. Saqué el término de un artículo de Harvard Business Review.
Mi punto no es que la IA nos dé una enfermedad nueva. Es que el mismo cansancio tiene una fuente nueva: no escribir, sino observar, cambiar de contexto y decidir todo el día. Si solo me siento cansado después de una semana dura de entregas, eso es fatiga y un fin de semana lo arregla. Si me siento cansado, distante y menos efectivo durante meses, eso empieza a parecer burnout, y vale la pena hablarlo con alguien. "AI brain fry" se sitúa en medio como un nombre para un patrón específico (demasiados agentes, demasiadas decisiones) que los investigadores solo están empezando a medir. Así que lo trato como una etiqueta útil y no como ciencia asentada.
Dónde se va tu energía: cambiar de contexto, verificar, decidir
Ahora que somos estos supervisores de IA, creo que tenemos algunas responsabilidades nuevas para las que nadie nos prepara.
Cambiar de contexto: muchas tareas en marcha
Trabajo con varios agentes y creo que cada agente por separado pensará que soy tonto. Constantemente pregunto "hey, ¿qué hemos hecho y qué nos falta por hacer?", aunque para el agente yo haya preguntado lo mismo un par de mensajes antes.
La realidad es que nunca podemos sentarnos el tiempo suficiente para terminar una tarea, dejarla cerrada, no volver a ella nunca y luego pasar a lo siguiente. Tenemos días de trabajo ocupados en los que tenemos que estar saltando entre el trabajo, las reuniones y los mensajes de la gente.
Esto ya pasaba en el pasado, pero en el pasado yo trabajaría como mucho en una o dos tareas. Habría tenido agentes trabajando en muchas direcciones diferentes y en muchos proyectos diferentes.
Verificar: leer código que no escribiste
La principal crítica que tengo con la IA es que es una abstracción que nos permite subir más en los niveles de abstracción. Pero es una abstracción con fugas. No tengo que aprender código ensamblador ni preocuparme por él porque sé que los compiladores lo manejarán todo de forma determinista.
Pero con la IA, incluso si creo un buen proceso y buenos skills, seguiré teniendo que bajar al nivel de detalle de revisar el código porque la IA puede escribir código en una dirección diferente a la que yo quería.
Esto significa que sigo revisando el código. No tengo que revisarlo mientras la IA lo escribe, pero tengo que revisarlo al final.
Y ahora que la IA escribe código más rápido y podemos trabajar con más agentes en paralelo, significa que este trabajo de juicio sobre cómo debería ser el código es algo que tengo que hacer más a menudo, y en un periodo de tiempo más corto.
Además, incluso si la IA escribe buen código, es difícil saber qué intentó hacer porque estoy revisando al final. Si no di instrucciones claras de lo que quería antes, tendré que hacer ese pensamiento de todas formas cuando revise el código.
Definitivamente es más fácil revisar tu propio trabajo porque le has dado a tu cerebro suficiente tiempo para comprenderlo mientras escribías el código que ahora, que simplemente tenemos que enfrentarnos, en una fracción de segundo, a una code review completamente desconocida.
Decidir: opciones baratas sin fin
El hecho de que estemos generando más código con agentes y de que tengamos varios en paralelo significa que tenemos que tomar decisiones por ellos frenéticamente.
Qué cambiar esta semana
Una cosa que realmente me gusta de la idea de usar la metodología Kanban es que no puedes tener un número infinito de tareas en paralelo. Así que el primer cambio que me gustaría que probaras esta semana es mantener el número de tareas que puedes tener abiertas.
Esto no solo se aplica a tus tableros de sprint, sino también a cuántos chats tienes abiertos con tu agente. ¿En cuántas cosas está trabajando tu agente?
Además, te sugeriría que pongas una alarma en tu teléfono y te tomes descansos regulares. Antes tenía una pausa natural cuando tenía que esperar porque estaba esperando algo. Pero ahora siempre hay un prompt que escribir.
Y por último, una sugerencia que te daré es poner un hard stop. Conozco a algunos compañeros que intencionadamente van a sus clases de gimnasio o incluso de baile justo después de la oficina. Esto te obliga a asegurarte de que te vas a esa hora y de que haces algo que no esté relacionado con el ordenador. Pon distancia entre el trabajo y tu vida personal haciendo algo programado entre una cosa y la otra.
¡Sé que puedes con esto!
Si has encontrado valor en este post:
- ❤️ Haz clic en el corazón para ayudar a que otros lo encuentren.
- ✉️ Suscríbete para recibir el siguiente en tu bandeja de entrada.
- 💬 Deja un comentario con lo más importante que te llevas
- ♻️ Compártelo con tus compañeros
Suscríbete gratis a Arquitectura Software para recibir nuevos posts y apoyar mi trabajo.
Comparte este artículo de Arquitectura Software con tus compañeros.
🗞️ Otros artículos que gustan a la gente
Harness Engineering para agentes IA en producción
La mayoría de los agentes de IA de coding pueden escribir demos impresionantes. Pocos pueden enviar código a producción sin romper todo lo que los rodea. La diferencia es el harness engineering: la disciplina de diseñar los sistemas, guardrails y feedback loops que hacen a los agentes de IA confiables en producción.
Por qué los repositorios más virales de GitHub son archivos Markdown
Hace unos años, el repo más popular de la semana en GitHub solía ser algo que podías ejecutar.
La guía sobre Ingeniería de Contexto (Context Engineering) en 2025 para ingenieros de software
Todos están esperando el próximo salto exponencial. La llegada de GPT-5 mostró que no estamos haciendo mejoras exponenciales ni alcanzando un modelo superinteligente pronto. El salto de una versión a la siguiente es gradual. Los ingenieros que se adelantan no solo están cambiando el modelo de hoy por uno un poco más inteligente de mañana.
Ya estás usando IA para escribir código más rápido, pero ¿te está convirtiendo en un mejor ingeniero? La diferencia entre un desarrollador de nivel medio y uno senior estará más en cómo usan la IA para construir software robusto y mantenible.
