Este artículo sostiene que medir a los ingenieros por su «rastro de IA» —tokens consumidos y líneas de código generadas— es un error, ya que esas métricas no equivalen a impacto real. Un ingeniero senior puede dedicar la mayor parte de su tiempo a actividades sin código —redactar documentos de visión, revisar pull requests complejos, influir en otros equipos o mentorizar— y aun así aportar más valor que quien duplica su producción de PRs. Andy Grove, en High Output Management, denominó a esto «apalancamiento»: la salida de un líder se extiende más allá de su trabajo directo hacia lo que habilita en la organización.
Sin embargo, la irrupción de los agentes de codificación ha cambiado la práctica. Ya no existe una forma establecida de construir software con ellos, y los líderes técnicos necesitan experiencia directa con los nuevos medios de producción. El autor enumera preguntas abiertas sobre revisión de código, gestión de contexto, mantenimiento de codebases y nivel de autonomía, y propone que el personal de staff y principal ejecute experimentos, pruebe herramientas nuevas y someta los modelos a problemas reales. Esa experimentación intensa debería producir inevitablemente un rastro visible: tokens quemados, código escrito, prototipos fallidos y ramas abandonadas.
A partir de su propia experimentación, el autor comparte conclusiones concretas: limitar la ventana de contexto al 50 % para reducir errores; definir tareas por adelantado con guardrails deterministas para evitar acciones no pedidas; mantener la revisión humana del código crítico; diseñar codebases «greppables» que los agentes puedan explorar con búsquedas; y usar un agente de QA de otra familia de modelos para detectar fallos. La idea central es que la experimentación seria genera rastro, pero ese rastro no es la contribución: medirlo como objetivo de rendimiento sería tan equivocado como medir a un líder por su número de commits.