Existe un archivo llamado AGENTS.md. No es código, no es una dependencia, no ejecuta nada. Es un documento de texto que se coloca en la raíz de un repositorio y que los agentes de programación leen antes de hacer cualquier cosa. Su descripción oficial es directa: es un README, pero para agentes.
El formato surgió de una colaboración entre OpenAI Codex, Google Jules, Cursor, Amp y Factory, y hoy tiene sitio propio en agents.md. La distinción que propone es concreta: los README.md son para colaboradores humanos; AGENTS.md contiene el contexto que los agentes necesitan para operar, cosas como comandos de build, instrucciones de prueba y convenciones del proyecto que podrían saturar un README o que simplemente no son relevantes para una persona.
Claude Code, el agente de programación de Anthropic, funciona con una lógica equivalente. Su archivo se llama CLAUDE.md y se carga al inicio de cada sesión. La documentación oficial lo describe como el lugar para establecer estándares de código, decisiones de arquitectura, librerías preferidas y listas de revisión. La razón es simple: Claude no sabe nada sobre el código base al inicio de cada sesión. El archivo es la forma de hacer ese onboarding cada vez.
Lo que estos archivos hacen visible es un cambio en la naturaleza de la documentación técnica. Antes, un desarrollador podía guardar en su memoria cómo levantar el entorno, qué directorio no tocar, qué comando fallaría si se ejecutaba en el orden incorrecto. Ese conocimiento informal funcionaba porque el único que necesitaba entenderlo era él mismo, o un colega al que podía explicárselo. Cuando un agente entra al repositorio, ese conocimiento necesita estar escrito. No como orientación general, sino como instrucción operativa.
Lo que muestran los datos del ecosistema Python
El desplazamiento hacia estructuras más explícitas y reproducibles no empieza con los agentes, pero los datos de 2024 muestran que se está acelerando.
La encuesta anual de la Python Software Foundation y JetBrains, realizada entre octubre y noviembre de 2024 con más de 30,000 desarrolladores, registra que requirements.txt sigue siendo el formato más usado para gestionar dependencias, pero bajó de 63% a 59%, mientras pyproject.toml subió de 32% a 36%. En paralelo, uv, un gestor de paquetes construido en Rust lanzado en febrero de 2024, alcanzó 11% en aislamiento de entornos en su primer año dentro de la encuesta, un resultado que los propios organizadores calificaron como notable.
uv no reemplaza a pip ni a conda en todos los contextos. Conda conserva sentido en ciencia de datos, entornos académicos y paquetes binarios complejos. Lo que el desplazamiento señala es una presión distinta: en proyectos web, APIs y productos que requieren iteración rápida, la prioridad se mueve hacia entornos que puedan reconstruirse sin depender de la memoria del desarrollador que los configuró originalmente. Un entorno que no puede reconstruirse de forma limpia y predecible es un entorno que tampoco puede operar un agente.
uv es quizás el ejemplo más concreto de la reorientación. No es solo que instale dependencias más rápido que pip, aunque lo hace por un margen amplio al estar construido en Rust. Lo relevante es lo que elimina: la fricción del entorno. Durante años, una parte significativa del trabajo en Python estuvo atravesada por pasos manuales, activar ambientes, resolver versiones, rehacer instalaciones, documentar excepciones que solo el desarrollador original recordaba. Con uv, un comando reconstruye el entorno completo desde el lockfile, sin memoria artesanal, sin pasos intermedios que dependan de quién configuró el proyecto originalmente. Eso importa cuando el que necesita operar el entorno no es un colega sino un agente que consume tokens.
Adopción sin confianza
La otra pieza del diagnóstico viene del Developer Survey 2025 de Stack Overflow, elaborado entre mayo y junio de este año con más de 49,000 respuestas de 177 países. El dato más citado del reporte es también el más contradictorio: el 84% de los desarrolladores usa o planea usar herramientas de IA en su flujo de trabajo, arriba del 76% del año anterior. Al mismo tiempo, la confianza en la precisión de esas herramientas cayó de 40% a 29%. Más desarrolladores desconfían activamente de la precisión de la IA (46%) que los que confían en ella (33%).
La frustración más frecuente, reportada por el 45% de los encuestados, es lidiar con soluciones de IA que están casi bien pero no del todo, lo que convierte la depuración en un trabajo más lento que escribir el código directamente. El 66% dice que pasa más tiempo corrigiendo código generado por IA que antes.
Ese patrón, más uso y menos confianza, no apunta hacia la irrelevancia del criterio técnico. Apunta hacia lo contrario: la revisión, la detección de errores plausibles y la evaluación de si el código generado es coherente con la arquitectura existente se vuelven parte central del trabajo, no tareas secundarias.
Qué cambia para los equipos que ya usan agentes
Es importante acotar: lo que describe este análisis corresponde a equipos que están usando agentes de programación de forma activa, no al estado general del oficio. La mayoría de los repositorios en el mundo no tiene AGENTS.md, no usa uv y sigue funcionando igual que hace tres años.
Pero en los equipos donde los agentes ya son parte del flujo, el cambio es concreto. Un repositorio preparado para operar con agentes no es simplemente el que tiene buen código. Es el que permite verificar ese código: tiene pruebas, tiene instrucciones explícitas, tiene convenciones visibles, tiene una forma de decirle a un agente qué puede modificar y qué no. La documentación deja de ser un texto que se consulta cuando algo falla y empieza a funcionar como una interfaz de trabajo.
Eso modifica también lo que significa mantener un proyecto. Una guía breve para agentes, un comando claro para correr pruebas, una advertencia sobre archivos sensibles: elementos que antes parecían detalles secundarios se convierten en condiciones de operación. No porque la IA los exija en abstracto, sino porque sin ellos el agente adivina, y cuando adivina mal, el costo lo paga el desarrollador que revisa.
Lo que señalan estos movimientos juntos
Tomados por separado, un nuevo formato de archivo, un gestor de paquetes más rápido y una encuesta sobre confianza en la IA son datos dispersos. Juntos apuntan a una reorganización del trabajo técnico que no consiste en que el código desaparezca, sino en que el código pierde su soledad.
El valor técnico que antes estaba concentrado en escribir código línea por línea se distribuye ahora hacia otras actividades: supervisión, diseño de pruebas, definición de restricciones, lectura de diffs, detección de puntos de ruptura. Programar con agentes no es dejar de programar. Es programar en un entorno donde otro actor puede producir cambios a gran velocidad, pero sin comprensión suficiente del sistema completo.
El AGENTS.md no es el síntoma más espectacular de ese cambio. Es, quizás, el más preciso: un archivo cuya única función es decirle a una máquina lo que antes solo necesitaba saber una persona.
