GitHub convirtió a Copilot en un equipo, no en un asistente

GitHub Copilot ya puede ejecutar varias tareas de programación al mismo tiempo mediante agentes separados. El cambio convierte al desarrollador en algo más parecido a un líder de equipo: asigna trabajo, revisa resultados y decide qué llega al código final. Durante buena parte de la explosión de la inteligencia artificial generativa, la promesa para los programadores fue sencilla: tener un asistente sentado virtualmente a su lado. Le pedías que completara una función, explicara un bloque de código o encontrara un error y Copilot respondía. GitHub está empujando esa idea mucho más lejos.

La compañía ahora permite ejecutar varios agentes de IA al mismo tiempo dentro de la aplicación de GitHub Copilot. Cada uno puede recibir una tarea distinta y trabajar en paralelo sin alterar directamente el trabajo de los demás. En otras palabras, Copilot empieza a parecerse menos a un asistente y más a un pequeño equipo de desarrollo. Y ese cambio importa porque refleja hacia dónde se está moviendo toda la IA agéntica: sistemas que ya no esperan una instrucción para cada paso, sino que pueden dividir objetivos, ejecutar acciones y entregar resultados para que una persona los supervise.

Copilot ya puede trabajar en varias cosas a la vez

La lógica es relativamente sencilla. Supongamos que un equipo necesita actualizar la interfaz de una aplicación, corregir un bug y escribir nuevas pruebas. En lugar de darle las tres tareas a un mismo asistente y esperar a que termine una antes de iniciar la siguiente, el desarrollador puede abrir diferentes sesiones. Un agente trabaja en el bug. Otro prepara las pruebas. Un tercero modifica la interfaz.

GitHub explica que las sesiones permanecen aisladas mediante ramas y Git worktrees independientes, por lo que los agentes pueden trabajar simultáneamente sin pisarse constantemente los cambios. La compañía llevó esta lógica a su aplicación de Copilot, que está disponible de manera general para macOS, Windows y Linux.

Desde ahí, el usuario puede revisar diferencias en el código, ejecutar comandos, validar cambios y abrir un pull request utilizando los mismos procesos de revisión que ya existen dentro de un equipo humano. La idea recuerda más a administrar personas que a utilizar un chatbot.

De escribir código a repartir trabajo

El cambio no apareció de la noche a la mañana. En abril, GitHub presentó /fleet, una función de Copilot CLI que permite dividir un objetivo entre varios subagentes y ejecutarlos en paralelo. Detrás existe un orquestador que analiza la tarea, identifica partes independientes y distribuye el trabajo. Un agente puede investigar una sección del repositorio mientras otro modifica archivos y otro revisa una parte diferente del proyecto.

GitHub incluso ha tenido que mejorar la forma en que Copilot decide cuándo vale la pena delegar, porque crear agentes adicionales también tiene un costo: más llamadas a modelos, más coordinación y potencialmente más tiempo. Ese matiz es importante. Tener cinco agentes no significa automáticamente obtener cinco veces más productividad.

Es un problema que empieza a aparecer en otros entornos donde los agentes de IA ya realizan trabajo que antes correspondía directamente a personas. Conforme las máquinas reciben mayor autonomía, la función humana se desplaza hacia decidir qué delegar, supervisar resultados y determinar cuándo intervenir.

GitHub quiere convertirse en el lugar donde trabajan todos los agentes

La estrategia va más allá de Copilot. En octubre de 2025, GitHub presentó Agent HQ, una apuesta para convertir su plataforma en un centro desde el cual los desarrolladores puedan coordinar agentes de distintas compañías. La visión contempla sistemas de Anthropic, OpenAI, Google, Cognition y xAI trabajando dentro del mismo flujo de GitHub. La compañía lo describió como un sistema para orquestar una flota de agentes especializados en lugar de depender de uno solo.

Claude y Codex, por ejemplo, ya se integraron en Agent HQ junto con Copilot, permitiendo utilizar diferentes agentes para distintas partes de un proyecto. Incluso la colaboración comienza a salir del editor. Desde agosto, una conversación en Microsoft Teams puede convertirse en una sesión compartida con un agente de GitHub Copilot, donde distintos participantes pueden añadir contexto y orientar el trabajo. El patrón es claro: la IA empieza a ocupar un lugar dentro del equipo y no solamente dentro de una ventana de chat.

Para México, el cambio no es pequeño

La evolución también importa para una comunidad tecnológica mexicana que lleva años creciendo. El Octoverse de GitHub reportó que México superaba los 1.9 millones de desarrolladores en la plataforma en 2024, con un crecimiento anual de 21%. A nivel global, GitHub superó los 180 millones de desarrolladores en 2025, y cerca de 80% de los nuevos usuarios probó Copilot durante su primera semana. Los datos de GitHub muestran hasta qué punto la IA ya forma parte del desarrollo de software cotidiano.

Para startups, agencias y equipos tecnológicos pequeños en México, los agentes paralelos pueden ampliar lo que un grupo reducido es capaz de construir. Un desarrollador podría delegar documentación, pruebas, investigación de errores o tareas relativamente independientes mientras se concentra en decisiones de arquitectura y producto. Pero también eleva el nivel de responsabilidad. Los sistemas necesitan contexto, reglas y supervisión.

En programación sucede exactamente lo mismo. Un agente puede producir código. Cinco agentes pueden producir mucho más código. Eso no significa que sea buen código.

El programador se está convirtiendo en manager de agentes

Quizá ese sea el cambio más interesante. Durante años, aprender programación significó principalmente aprender a decirle a una computadora exactamente qué debía hacer. Después llegó Copilot y parte del trabajo comenzó a consistir en explicarle a una IA qué código necesitabas. La siguiente etapa podría consistir en algo diferente: decidir quién hace qué.

Qué agente investiga. Cuál implementa. Cuál prueba. Cuál revisa. Qué cambios merecen llegar a producción y cuáles deben descartarse. Esto también complica la conversación sobre los empleos que podrían cambiar por la inteligencia artificial. La pregunta ya no es únicamente si la IA escribirá código en lugar de una persona. También es qué sucede cuando un solo desarrollador puede dirigir a varios agentes que escriben código al mismo tiempo.

GitHub Copilot nació con una metáfora bastante clara: tú eras el piloto y la IA ocupaba el asiento de al lado. Cada vez se parece menos a eso. Ahora tú estás frente al equipo.