Software Factory: la capa que falta entre tú y la IA en la empresa

La escena que estás viviendo ahora

Abriste Claude Code hace tres meses. O fue Cursor. O Copilot. Al principio te pareció lindo, jugaste un fin de semana, pensaste que iba a ser otra ola más. Después se volvió hábito. Hoy programás distinto. Tu productividad no se duplicó. Se triplicó en algunas tareas y en otras simplemente entregás cosas que antes no entregabas.

Y ahí vino la reunión. Tu CTO, tu VP, el head de ingeniería, alguien del liderazgo se sienta y pregunta: ¿cómo hacemos que esto sea práctica de toda la empresa? ¿Cómo cincuenta personas usan esto al mismo tiempo, de la forma correcta, sin que sea un caos?

No tenés una buena respuesta. Tenés una respuesta de manual: hacer training, estandarizar prompts, escribir guidelines. Pero en el fondo sabés que no es eso. Hay una capa técnica que falta, y todavía nadie habló bien sobre ella.

El problema que nadie te contó todavía

Cuando una persona usa IA para programar, es magia. Cuando cincuenta personas usan IA para programar simultáneamente, sin coordinación, es deuda técnica industrial en formación. Y lo extraño es que la empresa tarda meses en darse cuenta.

Lo que está pasando mientras tanto:

• Cada dev usa una herramienta diferente. Un equipo está en Cursor, otro en Claude Code, los de Java prefieren Copilot, alguien probó Kiro la semana pasada. Convenciones diferentes, prompts diferentes, calidad diferente.
• Nadie sabe lo que la IA escribió. No hay auditoría. Si aparece un bug en producción, no se puede saber si fue dev humano o agente. No hay trazabilidad.
• El agente corre en la máquina del dev, con acceso a todo. Variables de entorno, base local, secretos en el .env, repositorios privados. La superficie de ataque se expandió silenciosamente.
• El costo crece sin visibilidad. Cada dev paga su suscripción. La empresa no ve el todo. ¿Cuánto cuesta el uso real de IA por equipo? ¿Por feature? ¿Por bug fix? Nadie sabe.
• Lock-in implícito. En tres meses tu empresa acopló procesos a una herramienta específica. Cambiar de proveedor pasó a ser un proyecto, no una decisión.

Nada de esto es catastrófico en el corto plazo. Pero en el segundo semestre se vuelve el tipo de problema que aparece en un consejo con la palabra gobernanza en el slide.

La capa que falta: Software Factory

Software Factory es el nombre que se le está dando a la capa que orquesta el uso de IA en la ingeniería de software, a escala empresarial, con control y portabilidad. No es una herramienta que comprás. Es una arquitectura que diseñás, con componentes que pueden ser open source, comerciales, o construidos in-house.

La idea central: el agente de IA es el operario de la fábrica. La fábrica es lo que construís alrededor. Y es la fábrica la que define si la IA va a ser productiva, segura y escalable, o un caos lindo de demostración que nadie logra poner en producción.

Una Software Factory bien diseñada tiene cuatro elementos:

Hay un quinto elemento que es más cultural que técnico, pero que cambia todo en la decisión estratégica: agnosticismo de modelo. La fábrica está diseñada para que puedas cambiar Claude por GPT, GPT por Gemini, comercial por self-hosted (Llama, Qwen, DeepSeek), sin reescribir el proceso. El agente es pieza intercambiable. La fábrica es tuya.

Cómo funciona en la práctica

Imaginá el flujo concreto de una empresa que adoptó Software Factory. Llega una issue en GitHub: implementar un endpoint nuevo. En vez de que un dev abra el IDE y empiece a tipear con IA asistiendo, pasa lo siguiente:

1. La issue se rutea a la fábrica, que provisiona un sandbox limpio con copia del repositorio.
2. Un agente de planificación lee la issue, analiza el código relevante y genera un plan de implementación.
3. Un agente de implementación trabaja en una branch aislada, escribe el código, corre los tests.
4. Un agente de revisión (o humano) evalúa el resultado. Si está aprobado, se vuelve pull request automático.
5. Todo eso queda logueado: prompts, decisiones, costo, tiempo, modelo usado, quién aprobó.

El dev humano participa en las puntas: arquitectura, decisiones críticas, revisión final. El medio del trabajo lo ejecuta una orquesta de agentes que él diseñó.

No hace falta que sea esto mañana. Pero sí hace falta empezar a diseñarlo ahora, porque los primeros componentes (sandboxing, logs, estandarización de prompts) ya pueden entrar a tu pipeline sin revolución.

El mercado ya se movió, y vos quizá no te diste cuenta

En abril de 2026, una startup americana llamada Factory levantó US$ 150 millones con valuación de US$ 1,5 billones para vender exactamente esto: una plataforma de Software Factory empresarial basada en agentes (ellos los llaman Droids) que cubren el ciclo entero de desarrollo. Clientes: Morgan Stanley, EY, Palo Alto Networks, Nvidia.

En el mismo período, surgieron bibliotecas open source para construir el mismo concepto de forma agnóstica y auto-hospedada. Todo el ecosistema apunta en la misma dirección: es hora de tratar la IA como infraestructura, no como herramienta de productividad individual.

Las big techs ya vienen internalizando esto hace meses. Lo que está llegando al mercado ahora es la posibilidad de que cualquier empresa de mediano porte construya o contrate su propia fábrica, sin necesidad de volverse Google.

Por qué en Brasil esto importa todavía más

Una empresa brasileña regulada no puede tirar datos sensibles en SaaS americano de cualquier forma. LGPD, CVM, BACEN, ANPD, secreto comercial en minería, datos clínicos en salud. La lista de constraints es más grande que en cualquier mercado maduro del hemisferio norte.

Eso significa que adoptar directamente una plataforma como Factory.ai hospedada en EE.UU. puede no ser opción para buena parte del mercado corporativo de acá. Y significa también que tercerizar la fábrica no es lo mismo que tercerizar el ChatGPT corporativo. Acá es código siendo escrito sobre repositorios privados, con acceso a credenciales y datos de producción.

La lectura razonable para una empresa regulada brasileña es construir la fábrica internamente, o con socio local, usando primitivas open source para la capa de orquestación y los modelos comerciales o self-hosted para la capa de inteligencia. Eso preserva soberanía, atiende compliance, y mantiene la puerta abierta para cambiar de proveedor de modelo conforme el mercado evoluciona.

Qué cambia para vos, según el rol

El recado

Estamos en el momento en que la adopción individual de IA se vuelve adopción empresarial. Es el giro que separa a quien usa IA de quien opera con IA. La diferencia entre quien gana y quien pierde en este giro no está en el modelo elegido, está en la capa que se construye alrededor del modelo.

Si solo habías escuchado hablar de prompt engineering, copilot y agente, ahora tenés una cuarta pieza en el vocabulario: Software Factory. Es la pieza que faltaba para que la conversación tenga sentido a escala.

Voy a seguir escribiendo sobre esto en las próximas semanas. Cómo empezar. Cómo evitar los errores más comunes. Cómo decidir entre comprar una plataforma y construir in-house. Cómo pensar compliance en el contexto brasileño. Si tu empresa está pensando en esto, hablamos.