Presentado por Digital Ocean
Desde la refactorización de bases de código hasta la depuración de código de producción, los agentes de IA ya están demostrando su valor. Pero aumentar su producción sigue siendo la excepción, no la regla.
En Informe de investigación de corrientes de DigitalOcean 2026Según una encuesta realizada a más de 1100 desarrolladores, directores de tecnología y fundadores, el 67 % de las organizaciones que utilizan agentes informan ganancias de productividad. Mientras tanto, el 60% de los encuestados dice que las aplicaciones y los agentes representan el mayor valor a largo plazo en la pila de IA. Sin embargo, sólo el 10% son agentes de expansión en la producción.
¿El principal bloqueador? El cuarenta y nueve por ciento cita el alto costo de la inferencia.. No se trata sólo del precio de una única llamada API. Es el costo creciente a medida que los agentes encadenan tareas y las ejecutan de forma autónoma. Casi la mitad de los encuestados gastan ahora entre el 76 y el 100% de su presupuesto de IA únicamente en inferencia. Este es un problema que DigitalOcean está trabajando para resolver. Lo que se necesita es una infraestructura diseñada en torno a la economía de inferencia: rendimiento predecible, control de costos bajo carga y menos piezas móviles. Así es como 2026 se convierte en el año en que los agentes pasan del piloto al producto.
El 52% de las empresas están implementando activamente soluciones de IA (incluidos los agentes)
Hace apenas un año, cuando realizamos esta encuesta, solo el 35 % de los encuestados estaban implementando activamente soluciones de IA; la mayoría todavía estaba en modo de exploración o ejecutando sus primeros proyectos. Ahora es el 52%. El cambio de “veamos qué se puede hacer con esto” a “pongamos esto en producción” está en marcha.
Hay un boom de agentes detrás de estas cifras. El 46% de los encuestados está implementando específicamente agentes de IA, sistemas autónomos que realizan tareas por sí solos en lugar de esperar instrucciones en cada paso. garra abierta (anteriormente Moltbot y Clawdbot) es un ejemplo reciente, un asistente de código abierto que se conecta a aplicaciones de mensajería, navega por la web, ejecuta comandos de shell y realiza tareas de forma autónoma.
¿A dónde van estos agentes? Principalmente en código y operaciones:
El 54 % dijo que la generación de código y la refactorización, lo que lo convierte claramente en el favorito.
El 49% está automatizando operaciones internas.
El 45 % está creando atención al cliente y chatbots.
El 43% se centra en la lógica empresarial y la orquestación de tareas.
El 41% utiliza agentes para generar contenido escrito.
El 27% busca automatizar su flujo de trabajo de marketing.
El 21% está realizando análisis de datos.
Los desarrolladores están liderando la carga aquí. Por ejemplo, Y Combinator compartió que un cuarta parte de sus startups de invierno de 2025 estábamos construyendo con un 95% de bases de código generadas por IA. Luego está lo que Andrej Karpathy llama “codificación por vibración”: describir lo que se desea en un lenguaje sencillo y dejar que la IA escriba el código.
Las herramientas se han dividido para adaptarse a diferentes flujos de trabajo. Cursor convierte la IA en una bifurcación de VS Code para ediciones en línea e iteraciones rápidas. Claude Code se ejecuta en la terminal para un trabajo más profundo en repositorios completos. Pero ambos fueron mucho más allá del autocompletado. Estas herramientas ahora operan en bucles de agentes, leyendo archivos, ejecutando pruebas, identificando fallas e iterando hasta que se completa la compilación. Describes una característica. El agente lo implementa. Algunas sesiones duran horas y no hay nadie frente al teclado.
Pero los agentes no son sólo para ingenieros. Están allanando el camino para el marketing, el éxito de los clientes y las operaciones. También vemos esto internamente en DigitalOcean. Las exhibiciones experimentales y los días de piratería ofrecieron demostraciones de flujos de trabajo de IA para probar textos de anuncios a escala, personalizar correos electrónicos y priorizar experimentos de crecimiento.
El 67% de las organizaciones que utilizan agentes informan mejoras de productividad mensurables
La cuestión de la productividad es una que todo el mundo se hace: ¿los agentes realmente están dando resultados o sigue siendo una exageración? Los datos sugieren lo primero. En general, el 67% de las organizaciones que utilizan agentes informan mejoras mensurables en la productividad. Y para algunos, las ganancias son sustanciales: el 9% de los encuestados informó aumentos de productividad del 75% o más.
Cuando se les preguntó qué resultados han visto al usar agentes de IA:
53% dijo productividad y ahorro de tiempo para los empleados.
El 44% informó haber creado nuevas capacidades comerciales.
El 32% notó una menor necesidad de contratar personal adicional.
El 27% logró ahorros de costos mensurables
El 26% informó una mejor experiencia del cliente.
Interno investigación en Antropica Explora lo que revelan estas tecnologías: cuando la empresa estudió cómo sus propios ingenieros utilizan Claude Code, descubrió que más de una cuarta parte del trabajo asistido por IA consistía en tareas que simplemente no se habrían realizado de otra manera. Esto incluye escalar proyectos y crear herramientas internas. También incluye trabajo exploratorio que antes no valía la pena invertir tiempo, pero que ahora sí.
¿Qué hace que estas cifras de productividad sean aún mayores? Los agentes están aprendiendo a trabajar juntos. El lanzamiento de Google de Kit de desarrollo de agentes como marco de código abierto marcó un cambio de agentes de propósito único a sistemas coordinados de múltiples agentes que pueden descubrirse entre sí, intercambiar información y colaborar independientemente del proveedor o marco.
Dicho esto, el 14% aún no ha observado ningún beneficio y el 19% dice que es demasiado pronto para medirlo. Por lo que estamos viendo, 2025 fue en gran medida un año de creación de prototipos y experimentación, y 2026 parece ser el momento en que más equipos trasladarán agentes a producción.
El 60% cree en las aplicaciones y los agentes como la mayor oportunidad en IA
Los presupuestos rastrean los resultados. La IA sigue siendo un área activa de inversión para la gran mayoría de las organizaciones: solo el 4% de los encuestados dijo que no espera invertir en IA en los próximos 12 meses. Y donde las organizaciones están viendo aumentos de productividad, están duplicando sus esfuerzos: en la capa de aplicaciones, no en la infraestructura fundamental.
Cuando se les preguntó dónde esperan los encuestados un crecimiento presupuestario durante los próximos 12 meses, el 37% señaló aplicaciones y agentes, más del doble que la proporción para infraestructura (14%) o plataformas (17%). La visión a largo plazo es aún más fuerte: el 60% ve las aplicaciones y los agentes como la mayor oportunidad en la pila de IA, en comparación con solo el 19% para la infraestructura.
Los datos del mercado lo demuestran. Según un informela capa de aplicaciones captará 19 mil millones de dólares para 2025, más de la mitad de todo el gasto en IA generativa. Las herramientas de codificación lideraron el camino con 4 mil millones de dólares, lo que representa el 55 % del gasto departamental en IA y la categoría más grande de todo el conjunto. Las organizaciones apuestan a que la capa de aplicación, donde la IA realmente afecta a los usuarios y los flujos de trabajo, será más importante que los componentes subyacentes.
El 49% dice que el costo de ejecutar la IA a escala es su principal barrera para el crecimiento.
Los agentes sólo funcionan si puedes ejecutarlos. Y ahora mismo, la inferencia es el cuello de botella. A diferencia de la capacitación, que es una inversión inicial fija para construir el modelo, cada solicitud a un agente genera tokens que generan un costo. Este costo aumenta con cada paso del ciclo de razonamiento, reintento y autocorrección. A escala, esto convierte la inferencia en un gasto operativo que puede exceder la inversión original en el modelo mismo.
Cuando preguntamos a los encuestados qué limita su capacidad para escalar la IA, el 49 % identificó el alto costo de la inferencia a escala como su principal barrera. Esto rastrea hacia dónde van los presupuestos: el 44% de los encuestados ahora gastan la mayor parte de su presupuesto de IA (76-100%) en inferencia en lugar de capacitación.
Pero la solución a la inferencia no debería recaer en los desarrolladores.
La complejidad de optimizar las configuraciones de GPU, administrar estrategias de paralelización y ajustar la infraestructura de servicio de modelos no es el tipo de trabajo que la mayoría de los equipos deberían realizar. Esta es una complejidad a nivel de infraestructura y los proveedores de nube deben absorberla.
En DigitalOcean, esto es fundamental en la forma en que pensamos sobre nuestra Nube de inferencia de IA Gradient™. Estamos invirtiendo en optimizar las inferencias para que los equipos a los que servimos no tengan que hacer esto. Personaje.ai es un buen ejemplo: acudieron a nosotros con la necesidad de reducir los costos de inferencia sin sacrificar el rendimiento o la latencia. Al pasar a nuestra plataforma de inferencia en la nube y trabajar estrechamente con nuestro equipo y AMD, duplicaron su rendimiento de inferencia de producción y redujo su costo por token en un 50%.
Este tipo de resultados son los que se vuelven posibles cuando la plataforma hace el trabajo pesado. A medida que los agentes pasan de los pilotos a la producción, las empresas que crezcan con éxito serán aquellas que no se queden estancadas resolviendo inferencias por sí mismas.
Wade Wegner es director de ecosistemas y crecimiento de DigitalOcean.
Los artículos patrocinados son contenidos producidos por una empresa que paga por la publicación o tiene una relación comercial con VentureBeat y siempre están claramente marcados. Para más información, póngase en contacto ventas@venturebeat.com.
