Durante décadas, el principio de que un humano debe tener la última palabra en los sistemas automatizados funcionó como garantía de control y responsabilidad. En el desarrollo de software, ese principio está siendo erosionado no por una decisión deliberada, sino por la acumulación de pequeñas concesiones que, sumadas, redefinen quién —o qué— toma realmente las decisiones.
Entre diciembre de 2024 y principios de 2026, las principales herramientas de programación asistida por IA introdujeron de forma progresiva modos de ejecución autónoma. Cursor habilitó en diciembre de 2024 un modo que permite a la IA ejecutar comandos sin aprobación previa. Claude Code incorporó en marzo de 2025 la auto-aceptación de cambios en archivos. Codex, de OpenAI, siguió en junio con una opción explícita para operar sin confirmación, asumiendo los riesgos conocidos. Para octubre de 2025, Claude Code ya permitía que la propia IA formulara preguntas al desarrollador durante el proceso, y en 2026 introdujo un mecanismo donde otra IA evalúa las solicitudes de permiso, eliminando al humano incluso de esa instancia intermedia.
El 97% que convierte la supervisión en teatro
Un análisis de comportamiento de usuarios de Claude Code reveló que el 97% de las solicitudes de permiso generadas por la IA fueron aprobadas sin modificación. El dato es contundente: cuando la tasa de aprobación se acerca al 100%, la revisión humana deja de ser un filtro de calidad y se convierte en latencia. Los propios desarrolladores lo reconocen así, y las herramientas han respondido a esa señal eliminando el paso intermedio.
Este patrón no es exclusivo del desarrollo de software. En sectores como la moderación de contenido, la detección de fraude o la aprobación de crédito, los sistemas de IA ya operan con supervisión humana nominal. Lo que distingue al caso del software es la velocidad con que el cambio se ha normalizado y la ausencia de un debate institucional sobre sus implicaciones.
Autonomía técnica, responsabilidad difusa
La delegación progresiva plantea un problema estructural: cuando un sistema autónomo comete un error, la cadena de responsabilidad se vuelve opaca. Si la IA ejecutó un comando sin aprobación, si otra IA validó esa ejecución y si el desarrollador nunca revisó el resultado, ¿quién responde? La posibilidad técnica de revertir cambios en entornos controlados ha servido como argumento para justificar la autonomía, pero no resuelve el problema en entornos de producción ni en decisiones con consecuencias externas.
Lo que está ocurriendo en el desarrollo de software es un experimento a escala real sobre los límites del control humano en sistemas de IA. Las organizaciones que adoptan estas herramientas sin redefinir sus marcos de gobernanza asumen una exposición que aún no está completamente cuantificada. La pregunta relevante ya no es si la IA puede tomar decisiones de forma autónoma —técnicamente, puede— sino bajo qué condiciones esa autonomía es aceptable y quién establece esos límites.




