Asana afirma que logró completar en aproximadamente dos semanas un proyecto de ingeniería que originalmente estaba estimado en cinco años. La compañía utilizó Codex, el agente de programación de OpenAI, para eliminar una herramienta antigua de pruebas de su plataforma.
El costo de modelos e infraestructura fue de unos 12.000 dólares, frente a una estimación cercana a 6 millones de dólares si el trabajo se realizaba con el plan tradicional de contratación y asignación de personal.
El problema: una herramienta que frenaba la modernización
Asana, conocida por su plataforma de gestión del trabajo, todavía utilizaba Enzyme, un sistema de pruebas para aplicaciones frontend que había dejado de recibir mantenimiento activo. Con el tiempo, esta dependencia empezó a dificultar la actualización de la tecnología utilizada en su interfaz.
Eliminarla no era simplemente borrar algunos archivos. El equipo tenía que localizar usos de Enzyme en una base de código extensa, reemplazar pruebas, corregir errores y comprobar que los cambios no rompieran otras partes del producto.
¿El resultado? Un proyecto que podía quedarse durante años en la lista de tareas pendientes porque exigía mucho trabajo repetitivo y una revisión cuidadosa.
Cómo utilizó Asana los agentes de Codex
Asana comenzó con una instrucción de apenas cinco frases. A partir de ella, hasta cuatro agentes de programación trabajaron en paralelo, cada uno dentro de una copia separada del código.
Los agentes se encargaron de proponer cambios y avanzar en distintas partes de la migración. Los ingenieros de Asana revisaban el progreso dos veces al día y examinaban cada cambio antes de aprobarlo.
Este detalle es importante: Codex no sustituyó la revisión humana. La IA aceleró la exploración, la edición y la resolución de problemas, pero las decisiones finales siguieron en manos de los ingenieros.
La compañía también descubrió que las instrucciones sencillas funcionaban mejor que una configuración demasiado elaborada. En lugar de diseñar un sistema complejo de reglas, el equipo permitió que los agentes avanzaran con objetivos claros y supervisión periódica.
De cinco años estimados a dos semanas
Según Asana, el trabajo requirió alrededor de una semana y media de esfuerzo de ingeniería, distribuida dentro de dos semanas calendario. Al terminar ese periodo, Enzyme había sido eliminado por completo.
Los costos de modelos e infraestructura alcanzaron aproximadamente los 12.000 dólares. La comparación con el plan anterior resulta llamativa: cinco años de trabajo y unos 6 millones de dólares estimados frente a una operación asistida por agentes que costó una fracción de esa cifra.
La IA no convierte automáticamente todos los proyectos de años en proyectos de semanas. Pero sí puede hacer que ciertos trabajos largos, repetitivos o difíciles de justificar vuelvan a ser viables.
La cifra no significa que cualquier empresa pueda repetir el resultado sin más. Asana contaba con una base de código, ingenieros y procesos de revisión preparados para trabajar con agentes. Además, el proyecto necesitaba validaciones constantes para evitar que una migración rápida introdujera nuevos problemas.
Qué cambia para los equipos de software
El caso muestra una aplicación concreta de la IA en ingeniería de software. No se trata únicamente de pedirle a un chatbot que escriba una función, sino de coordinar varios agentes sobre una tarea amplia, con revisiones, pruebas y cambios distribuidos en un código real.
Para los equipos, esto puede cambiar la forma de evaluar proyectos antiguos. Migraciones tecnológicas, reescrituras, mejoras de rendimiento y eliminación de dependencias obsoletas suelen competir con nuevas funciones por el tiempo de los ingenieros. Si los agentes reducen parte del trabajo mecánico, algunas de esas tareas pueden dejar de parecer imposibles de financiar.
También cambia el papel de los desarrolladores. En lugar de escribir cada línea manualmente, pueden dedicar más tiempo a definir el objetivo, revisar decisiones, detectar riesgos y asegurar que el resultado cumple con los estándares del producto.
Asana planea probar este enfoque en otras migraciones, reescrituras y problemas de rendimiento que antes suponía que tardarían años. La lección no es que la experiencia técnica haya perdido valor, sino que puede utilizarse de una manera distinta: menos tiempo en tareas repetitivas y más atención al diseño y la calidad.
La IA ya está entrando en el trabajo cotidiano de los equipos de software. La pregunta práctica no es si un agente puede escribir código, sino qué proyectos que llevas años posponiendo podrían volverse razonables con una combinación de automatización y revisión humana.