Un artículo académico reciente sostiene que la ingeniería de software tal como se concibe desde 1968 atraviesa una transformación equivalente al salto de los circuitos analógicos a las computadoras con programa almacenado. La tesis central es que los agentes de inteligencia artificial —sistemas donde un modelo de lenguaje grande (LLM) actúa como motor de razonamiento y genera código de forma dinámica como instrumento efímero— no representan una mejora incremental, sino un cambio de paradigma. El texto articula tresClaims principales. Primera, que el paradigma agentico es una consecuencia inevitable de las leyes de escalado de complejidad, dado que los LLM pueden externalizar el razonamiento hacia modelos cuya capacidad crece con el cómputo de entrenamiento. Segunda, que la transición del "software como resultado" al "agente como resultado" elimina un intermediario innecesario, de forma análoga a como el SaaS eliminó la instalación local; los autores lo formalizan como el tercer gran cambio de paradigma en la entrega de software, después del software licenciado y del propio SaaS, y proponen el término "Agent-as-a-Service" (AaaS) como etapa final lógica. Tercera, que está emergiendo una disciplina diferenciada, la "Agentic Engineering", con objeto de estudio, modelo de control y rol humano distintos: los profesionales pasan de ser programadores a arquitectos de intención, coordinadores de agentes y auditores de resultados.
El documento fundamenta la diferencia con un análisis de primeros principios. Define el software tradicional como un conjunto estático de reglas de decisión codificadas por humanos, y el sistema agentico como una tupla formada por un LLM, herramientas ejecutables, un subsistema de memoria y un mecanismo de planificación que opera en bucles iterativos. Apoyándose en la distinción de Brooks entre complejidad accidental y esencial, los autores demuestran formalmente que el número de rutas de interacción posibles entre componentes crece de forma exponencial, mientras que la capacidad cognitiva humana para razonar sobre esas interacciones es esencialmente constante; ese desajuste es, según el artículo, la raíz estructural de la caída de productividad marginal en los proyectos de software a medida que crecen. Frente a ello, los agentes generan la lógica de decisión en tiempo de ejecución, lo que altera de raíz la premisa fundacional de la disciplina.
El trabajo también revisa evidencia empírica reciente —entre ella los benchmarks SWE-bench Verified, EvoClaw y estudios de coordinación multiagente de LangChain— para mostrar tanto el potencial transformador del paradigma como sus limitaciones actuales. Finalmente, propone una hoja de ruta en cuatro etapas hacia ecosistemas de agentes autoevolutivos y ofrece recomendaciones concretas para profesionales que atraviesan esta transición, sin afirmar que la ingeniería de software tradicional haya desaparecido, pero sí que su rol central está siendo reconfigurado.