Refactorizar una base de código escrita íntegramente por agentes de inteligencia artificial reduce de forma significativa el coste computacional de los cambios posteriores. Es la conclusión de un experimento publicado por Thoughtworks el 30 de julio de 2026 en el que el autor, tras construir una aplicación de unas 150.000 líneas —en su mayoría Rust— utilizando Claude Code y Cursor sin revisar el código, identificó que la capa de acceso a datos había quedado concentrada en un único archivo de 17.155 líneas. Aplicó entonces un plan de refactorización en 15 pasos sucesivos, midiendo en cada uno el número de líneas, el tiempo de ejecución y los tokens consumidos al solicitar a un sub-agente que repitiera exactamente el mismo cambio representativo.
El resultado más llamativo es la caída en los tokens de entrada: pasaron de 159.564 en la línea base a 27.360 tras la última iteración, un ahorro del 83% (unos 0,40 dólares al precio de Sonnet 5 publicado). El artículo subraya que el ahorro no proviene de una reducción general del volumen de código, que se mantuvo prácticamente estable, sino de la capacidad del agente para localizar y leer un subconjunto más pequeño de archivos relevantes. Los autores recomiendan, por tanto, aplicar refactorización disciplinada de forma sistemática en proyectos agenticos para reducir costes recurrentes en depuración, evolución de funcionalidades y mantenimiento.