Una nueva forma de programar con inteligencia artificial está emergiendo, y no se trata de mejores modelos o prompts más largos. Se trata de loops: diseñar sistemas donde los agentes de código se llaman a sí mismos en ciclos autónomos hasta completar un objetivo.
Peter Steinberger, ingeniero en OpenAI, lo resumió en un tuit que acumuló más de 5 millones de vistas: “Ya no deberías estar haciendo prompting a agentes de código. Deberías estar diseñando loops que prompteen a tus agentes”. Boris Cherny, líder de Claude Code en Anthropic, dijo algo similar en una entrevista: “Ya no le hago prompt a Claude. Mi trabajo es escribir loops”.
¿Qué es un loop?
Un loop de agente es un sistema donde:
- Un trigger inicia el proceso (un PR creado, un issue asignado, un timer)
- Un objetivo verificable define cuándo terminar (tests pasando, PR mergeado, documentación actualizada)
- El agente ejecuta, evalúa su progreso y decide si continúa o finaliza
- El proceso se repite autónomamente sin intervención humana hasta cumplir el objetivo
La diferencia fundamental con el prompting tradicional es que el humano ya no está en el ciclo. El humano define el qué y el para qué, pero el agente decide el cómo y el cuándo.
La factura de tokens más cara del mundo
Steinberger también reveló que en algún punto tuvo una factura mensual de $1.3 millones de dólares en tokens, con 603 mil millones de tokens procesados, 7.6 millones de requests y 100 agentes ejecutándose en paralelo. Hay que poner esto en contexto: Steinberger es empleado de OpenAI y tiene acceso gratuito a los modelos — esa cifra refleja el volumen que un loop de alta intensidad puede consumir, no el costo típico para un desarrollador independiente.
Pero la cifra ilustra un punto importante: los loops son caros. No en términos absolutos (un loop personal cuesta fracciones de ese número), sino en que el costo escala con la autonomía. Más autonomía = más tokens = más dinero.
¿Solo para el 1%?
Matthew Berman, creador de contenido sobre IA, describió esta técnica como “solo para el 1% del 1%” de los ingenieros. La razón no es solo el costo de tokens, sino la complejidad de diseñar bucles que no se disparen en ciclos infinitos, que manejen errores correctamente y que sepan cuándo escalar a un humano.
Sin embargo, herramientas como Claude Code (con su comando /goal) y Cursor (con sus automations) están democratizando el acceso a esta técnica. Ya no necesitas implementar un orquestador desde cero — las herramientas lo incorporan como funcionalidad nativa.
Lo que esto significa
El auge de los loops de agentes representa un cambio sutil pero profundo en la ingeniería de software. Por primera vez, el trabajo del ingeniero no es escribir código línea por línea, sino diseñar sistemas de generación de código que operan de forma semiautónoma.
Esto tiene implicaciones en cómo medimos productividad, cómo entrenamos a nuevos desarrolladores, y cómo estructuramos equipos. Si un loop puede hacer el trabajo de un desarrollador junior durante una semana, ¿qué significa eso para la carrera de software engineering?
Por ahora, los loops siguen siendo una técnica de vanguardia. Pero con Steinberger, Cherny y los equipos de OpenAI y Anthropic apostando por ellos, es cuestión de tiempo antes de que se conviertan en el estándar.