# Post LinkedIn: el valle en U de los agentes > Fuente: docs/research-fable-agents-u-curve.es.md — versión divulgación, 2026-08-02 --- Tu agente de IA no se pierde porque el repo sea grande. Se pierde porque el repo todavía no es grande de la manera correcta. El patrón lo vimos todos: 📈 Proyecto chico: el agente vuela. Cada tarea sale a la primera. 📉 El repo crece: en algún momento indeterminado, el agente empieza a divagar, toca archivos que no debía, y un día propone reescribir todo. 📈 El software madura — módulos estancos, tests extensivos — y el agente recupera el norte. Con un repo aún más grande. Eso no es una curva de "más código = peor". Es una curva en U. Y una curva en U descarta al tamaño como culpable. La variable real es otra: cuánto contexto *verificado* necesita el agente para tocar algo sin romper nada. En el repo chico, lo tiene todo. En el repo mediano sin estructura, el acoplamiento hace que para tocar A haya que entender B, C y D... y todo lo que el agente no leyó lo rellena con suposiciones que *suenan* a conocimiento. Los caminos erráticos son exactamente eso: suposición muestreada donde falta evidencia. ¿Y por qué quiere reescribir todo? Porque es su forma de reducir incertidumbre: su propio código es lo único 100 % consistente dentro de su ventana. Localmente racional. Globalmente destructivo. ¿Y por qué los tests lo rescatan? Porque un test que falla no es una instrucción más compitiendo por atención: es evidencia que colapsa la suposición. Los tests convierten errores que se acumulan en errores que se corrigen. La conclusión incómoda para 2026: Los módulos estancos no hacen al agente más inteligente. Hacen que su ignorancia sea irrelevante. Que es mejor. La mejor estrategia de AI-readiness no salió este año. Salió en 1972, se llama information hiding, y la escribió David Parnas. Modularidad, fronteras claras, tests densos. Lo que siempre fue buena ingeniería ahora es, además, la infraestructura que tus agentes necesitan para no perderse. Y el valle — esa fase intermedia donde la estructura todavía no existe — es donde hoy mueren la mayoría de los proyectos con agentes. Ahí el feedback hay que imponerlo desde afuera: contratos, verificación determinista, tests antes de que "haya tiempo para tests". ¿En qué punto de la U está tu repo? #AIAgents #SoftwareEngineering #DeveloperExperience #CodeQuality --- ## Notas de uso - Hook alternativo (más confrontativo): "La mejor estrategia de AI-readiness tiene 54 años y no la inventó ningún lab de IA." - Largo: ~1.900 caracteres, dentro del rango óptimo de LinkedIn (se corta en "ver más" tras ~210 caracteres: el hook de dos líneas queda entero). - Si se quiere citar evidencia: los benchmarks 2026 reportan colapso de ~91 % → ~15 % de pass rate al crecer los repos sin estructura (ver research-fable-agents-u-curve.es.md §C1, con caveat de provenance). - Versión en inglés disponible a pedido.