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 valencia. Pero ampliarlos en producción sigue siendo la excepción, no la regla.

En Crónica de investigación de Corrientes 2026 de DigitalOceanSegún una pesquisa 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 maduro valencia a liberal plazo en la pila de IA. Sin bloqueo, sólo el 10% son agentes incrustantes en producción.

¿El mejor bloqueador? El cuarenta y nueve por ciento cita el stop costo de la inferencia.. No es sólo el precio de una única convocatoria API. Es el costo compuesto cuando los agentes encadenan tareas y las ejecutan de forma autónoma. Casi la centro de los encuestados gastan ahora entre el 76% y el 100% de su presupuesto de IA exclusivamente en inferencia. Este es un problema que DigitalOcean está trabajando para resolver. Lo que se necesita es una infraestructura diseñada en torno a la peculio 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 de piloto a producto.

El 52% de las empresas están implementando activamente soluciones de IA (incluidos los agentes)

Hace al punto que un año, cuando realizamos esta pesquisa, 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 puede hacer esto" a "Pongamos esto en producción." está en marcha.

Hay un auge de agentes detrás de estos números. El 46% de los encuestados están implementando específicamente agentes de IA, sistemas autónomos que ejecutan tareas por sí solos en empleo de esperar instrucciones en cada paso. zarpa abierta (anteriormente Moltbot y Clawdbot) es un ejemplo fresco, un asistente de código destapado que se conecta a aplicaciones de transporte, navega por la web, ejecuta comandos de shell y ejecuta tareas de forma autónoma.

¿Adónde van esos agentes? Principalmente en código y operaciones:

• El 54% dijo que la concepción y refactorización de código, lo que lo convierte en el claro protegido.

• El 49% está automatizando operaciones internas.

• El 45% está creando atención al cliente y chatbots.

• El 43% se centra en la razonamiento empresarial y la orquestación de tareas.

• El 41% utiliza agentes para la concepción de contenido escrito.

• El 27% rastreo la automatización del flujo de trabajo de marketing.

• El 21% está realizando examen 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 bases de código que están generadas en un 95% por IA. Luego está lo que Andrej Karpathy claridad "codificación de vibraciones" – describir lo que quieres en un jerga sencillo y dejar que la IA escriba el código.

Las herramientas se han dividido para adaptarse a diferentes flujos de trabajo. Cursor integra la IA en una escisión de VS Code para realizar ediciones en ristra e iteraciones rápidas. Claude Code se ejecuta en la terminal para realizar un trabajo más profundo en repositorios completos. Pero uno y otro han ido mucho más allá del autocompletado. Estas herramientas ahora operan en bucles 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. Se están abriendo camino en el marketing, el éxito del cliente y las operaciones. Asimismo vemos esto internamente en DigitalOcean. En exhibiciones experimentales y días de piratería han surgido demostraciones de flujos de trabajo de IA para probar textos de anuncios a escalera, personalizar correos electrónicos y priorizar experimentos de crecimiento.

El 67% de las organizaciones que utilizan agentes informan mejoras de productividad mensurables

La pregunta sobre productividad es la que todo el mundo se hace: ¿están los agentes positivamente dando resultados o sigue siendo una exageración? Los datos sugieren lo primero. En común, el 67 % de las organizaciones que utilizan agentes informan mejoras de productividad mensurables. 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 observaron al usar agentes de IA:

• 53% dijo productividad y economía de tiempo para los empleados.

• El 44% informó la creación de nuevas capacidades comerciales.

• El 32% notó una beocio obligación de contratar personal adicional.

• El 27% vio ahorros de costos mensurables.

• El 26% informó una mejor experiencia del cliente.

Interno investigación en antrópico explora lo que desbloquean estas tecnologías: cuando la compañía estudió cómo sus propios ingenieros usan 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 forma. Eso incluye medrar proyectos y crear herramientas internas. Asimismo incluye trabajo exploratorio que antiguamente no valía la pena modificar tiempo, pero que ahora sí lo vale.

¿Qué hace que esas cifras de productividad sean aún mayores? Los agentes están aprendiendo a trabajar juntos. El impulso de Google del Kit de exposición de agentes como entorno de código destapado marcó un cambio de agentes de propósito único a sistemas coordinados de múltiples agentes que pueden descubrirse entre sí, permutar información y colaborar independientemente del proveedor o entorno.

Dicho esto, el 14% aún no ha manido 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 se perfila como cuando más equipos muevan agentes a producción.

El 60% puesta por aplicaciones y agentes como maduro oportunidad en IA

Los presupuestos siguen los resultados. La IA sigue siendo un radio activa de inversión para la gran mayoría de las organizaciones: sólo el 4% de los encuestados dijeron que no esperan modificar en IA durante 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 liberal plazo es aún más sólida: el 60 % ve las aplicaciones y los agentes como la maduro oportunidad en la pila de IA, en comparación con solo el 19 % para la infraestructura.

Los datos del mercado respaldan esto. Según uno crónicala capa de aplicaciones captó 19 mil millones de dólares en 2025, más de la centro de todo el consumición en IA generativa. Las herramientas de codificación generaron 4 mil millones de dólares, lo que representa el 55 % del consumición departamental en IA y la categoría más vasto de todo el conjunto. Las organizaciones apuestan a que la capa de aplicación, donde la IA positivamente afecta a los usuarios y los flujos de trabajo, importará más que los componentes subyacentes.

El 49% dice que el costo de ejecutar la IA a escalera 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 original fija para construir el maniquí, cada mensaje a un agente genera tokens que generan un costo. Ese costo se agrava con cada paso de razonamiento, reintento y ciclo de autocorrección. A escalera, esto convierte la inferencia en un consumición activo que puede exceder la inversión llamativo en el maniquí mismo.

Cuando preguntamos a los encuestados qué limita su capacidad para medrar la IA, el 49 % identificó el stop costo de la inferencia a escalera como su principal barrera. Esto sigue el rumbo de los presupuestos: el 44% de los encuestados ahora gasta la maduro parte de su presupuesto de IA (76-100%) en inferencia, no en capacitación.

Pero resolver las inferencias no debería recaer en los desarrolladores.

La complejidad de optimizar las configuraciones de GPU, ordenar estrategias de paralelización y ajustar la infraestructura de servicio de modelos no es el tipo de trabajo que la mayoría de los equipos deberían hacer por sí mismos. Esa es la complejidad a nivel de infraestructura y los proveedores de montón deben absorberla.

En DigitalOcean, esto es fundamental en nuestra forma de pensar sobre nuestra Cirro de inferencia de IA Gradient™. Estamos invirtiendo en optimización de inferencias para que los equipos a los que servimos no tengan que hacerlo. Personaje.ai es un buen ejemplo: vinieron a nosotros con la obligación de sujetar los costos de inferencia sin inmolar el rendimiento o la latencia. Al portar a nuestra plataforma de inferencia en la montón y trabajar estrechamente con nuestro equipo y AMD, duplicaron su rendimiento de inferencia de producción y redujo su costo por token en un 50%.

Ese tipo de resultado es lo que se hace posible cuando la plataforma hace el trabajo pesado. A medida que los agentes pasan de los pilotos a la producción, las empresas que escalen con éxito serán las que no se queden estancadas resolviendo inferencias por sí mismas.

Wade Wegner es director de ecosistemas y crecimiento de DigitalOcean.

---

Los artículos patrocinados son contenido producido 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.