Los agentes de codificación con IA se atascan en los monorepos, y las empresas están repensando sus bases de código para solucionarlo
Casi nueve de cada diez proyectos piloto de agentes de codificación con IA nunca llegan a producción, según encuestas recientes de la industria, y la explicación obvia—que los modelos simplemente no son lo suficientemente buenos todavía—resulta ser, en gran medida, incorrecta. El verdadero obstáculo es arquitectónico: las bases de código en las que se pide a estos agentes trabajar fueron construidas para humanos y sistemas de compilación, no para herramientas con una ventana de contexto fija, y los monorepos son donde ese desajuste es más visible.
Por qué los monorepos son hostiles específicamente para los agentes
Un monorepo con 50 paquetes y 300,000 líneas de código es una configuración de ingeniería completamente normal: muchas grandes organizaciones tecnológicas consolidan decenas de servicios y bibliotecas en un solo repositorio precisamente para facilitar cambios entre proyectos y la gestión de dependencias para los ingenieros humanos. Esa consolidación es justamente el punto: un solo historial de commits, un solo pipeline de CI, un solo lugar para hacer cumplir estándares.
Para un agente de IA, esa misma estructura se convierte en un pasivo. Un agente que intenta cargar "la base de código" como contexto pierde de vista lo que realmente es relevante para la tarea, o agota todo su presupuesto de contexto en archivos que nunca tocará. Un caso reportado involucró un intento de importar un monorepo de 450,000 archivos al contexto de trabajo de un agente que falló por completo debido a limitaciones del navegador y las herramientas.
El problema de integración es mayor que el problema de contexto
Los datos de encuestas refuerzan que esto no es realmente una brecha de inteligencia. Aproximadamente el 46% de los equipos que implementan herramientas de codificación agénticas citan la integración con sistemas existentes como su obstáculo principal—no la generación incorrecta de código, no las alucinaciones, sino la mecánica de conectar un agente de forma segura y confiable a repositorios reales, sistemas de CI reales y pipelines de despliegue reales. El propio pronóstico de Gartner es contundente: espera que más del 40% de los proyectos de IA agéntica sean cancelados para finales de 2027.
A pesar de eso, la adopción no se ha estancado. Aproximadamente el 57% de las organizaciones encuestadas ya tienen agentes de codificación en producción en algún lugar, con las grandes empresas—las organizaciones con más probabilidad de ejecutar grandes monorepos—liderando la adopción.
Lo que los equipos están haciendo realmente al respecto
Están emergiendo tres patrones en cómo las organizaciones de ingeniería están adaptando los monorepos para el uso de agentes en lugar de esperar a que los agentes se vuelvan más inteligentes.
Indexación selectiva en lugar de contexto de repositorio completo. En vez de alimentar al agente con todo el monorepo, los equipos están construyendo capas de recuperación que le entregan solo el subconjunto de archivos relevantes para la tarea.
Tallado virtual de subrepositorios. Algunas organizaciones exponen "vistas" orientadas al agente dentro de un monorepo que se comportan como repositorios independientes acotados a un solo servicio o paquete, aunque la fuente de verdad subyacente siga siendo un único repositorio unificado para humanos y CI.
Gobernanza e infraestructura de aislamiento antes de más capacidad del agente. Los equipos que llegan a producción priorizan el sandboxing, la delimitación de permisos y los registros de auditoría de lo que un agente puede tocar.
La conclusión para los líderes de ingeniería
Si tu organización está atascada en la etapa piloto con un agente de codificación, la solución probablemente no sea un mejor modelo o un mejor prompt—es repensar cuánto de tu base de código realmente necesita ver el agente para una tarea determinada, y construir la capa de recuperación o acotación que lo haga posible.