"Software Factories" fue el tema del AI Engineer World's Fair 2026, celebrado en San Francisco a finales de junio y principios de julio de 2026 — se refiere a un consenso de la industria que está tomando forma en torno a 'entregar todo el ciclo de vida del desarrollo de software a un bucle autónomo de agentes de IA'. La selección de keynotes de la conferencia reunió a Microsoft, OpenAI, el bando de código abierto representado por Z.ai (GLM) y MiniMax, y Hugging Face, cada uno interpretando a su manera, en el lenguaje de su propio producto, cómo debería lucir una 'fábrica de software'. En la superficie, todos decían lo mismo — 'usar agentes de IA para automatizar el proceso de desarrollo' — pero al desglosar el argumento real de cada empresa, se descubre que están parados en lugares genuinamente distintos frente a preguntas como 'quién es responsable de qué dentro de la fábrica' y 'código abierto o cerrado'. Este artículo no busca declarar un ganador; expone los puntos clave de desacuerdo para que las empresas y desarrolladores que evalúan plataformas de agentes de IA para desarrollo puedan ver con claridad entre qué están eligiendo realmente.

Dónde Empieza Este Debate: Qué Son Realmente el AI Engineer World's Fair 2026 y las 'Software Factories'

El AI Engineer World's Fair 2026 se celebró del 29 de junio al 2 de julio de 2026 en Moscone West, San Francisco — una conferencia de la industria centrada en ingeniería de IA y despliegue aplicado, con el tema de este año fijado como 'Software Factories'. Según una definición ofrecida en una charla por Tereza Tížková, representando a Factory, co-curadora de la conferencia, una fábrica de software significa 'un bucle autónomo a lo largo de todo el ciclo de vida del desarrollo de software' — concretamente, recopilar señales, reaccionar a la retroalimentación de los usuarios y a los registros del sistema, priorizar y coordinar la integración. Su idea central: dejar que los agentes de IA hagan el trabajo real de 'construir', mientras el rol del desarrollador sube un nivel, hacia diseñar y mantener el sistema que permite a los agentes escribir código por su cuenta. Ese marco es el trasfondo compartido sobre el cual cada empresa después tomó su propia postura.

Punto de Desacuerdo Uno: ¿Es una Software Factory un 'Bucle de Agentes' o una 'Plataforma Productizada'? Microsoft y OpenAI Hablan Dos Idiomas Distintos

En la misma conferencia, tanto Microsoft como OpenAI decían 'los agentes de IA hacen el desarrollo más eficiente' — pero usando dos marcos de lenguaje distintos.

Microsoft estuvo representado por Pablo Castro, presentando Microsoft Foundry y posicionándolo como una 'fábrica de apps y agentes de IA'. Su argumento central era que la colaboración entre humanos y agentes produce un 'bucle de aprendizaje' — en otras palabras, la charla de Microsoft enfatizó un concepto de 'fábrica' en forma de plataforma que aloja agentes y aplicaciones, con el foco puesto en cómo el propio proceso de colaboración humano-máquina sigue acumulándose y mejorando.

OpenAI estuvo representado por Alexander Embiricos y Romain Huet, hablando de cómo los agentes Codex aumentan la productividad mediante bucles de agentes apilados. Su argumento central: si puedes conectar a un agente con 'en qué consiste el trabajo' y 'por qué se está haciendo', y luego con el proceso posterior de revisión y despliegue, el agente puede realmente completar más trabajo — en otras palabras, el énfasis de OpenAI está en que el bucle del agente en sí se conecte al principio y al final del proceso de desarrollo (por qué hay que hacer este trabajo, quién lo revisa una vez hecho, cómo se despliega), en lugar de solo automatizar el paso de generación de código. La keynote de apertura de la conferencia, por su parte, la dio swyx (Shawn Wang), cofundador de AI Engineer World's Fair/Latent Space, titulada 'Loopcraft: The Art of Stacking Loops' — hablaba como organizador de la conferencia, no como vocero de OpenAI, pero la charla también giró en torno a los 'bucles', trazando cómo la forma de interacción entre desarrolladores e IA ha evolucionado desde el chat simple, pasando por el uso de herramientas, hasta fijar objetivos, y de ahí a que la automatización y el diseño de bucles se conviertan en un oficio en sí mismo.

Poniendo lado a lado los argumentos de estas dos empresas, la diferencia no está en de quién es la tecnología más fuerte, sino en el punto de entrada de cada narrativa: Microsoft pone el énfasis en la 'fábrica', la plataforma que aloja todo; OpenAI pone el énfasis en el 'bucle' en sí — cómo se apila, cómo se conecta al principio y al final del proceso.

Punto de Desacuerdo Dos: ¿Cómo lo Ve el Bando de Código Abierto? GLM-5.2 de Z.ai y M3 de MiniMax

Si Microsoft y OpenAI representan la ruta cerrada y productizada, el otro lado de la conferencia tuvo representantes del bando de modelos de código abierto haciendo su caso.

Z.ai (el equipo de GLM) presentó de forma remota a través de Zixuan Li, lanzando el modelo de lenguaje grande de código abierto GLM-5.2, posicionado como un 'modelo insignia para tareas de largo horizonte'. Z.ai también lanzó una herramienta llamada ZCode, que afirma 'ser compatible con todos los modelos de frontera', y comparó ZCode con OpenAI Codex en la charla. Eso señala la ruta que Z.ai eligió: emparejar un modelo de código abierto con una capa de herramientas que afirma ser compatible con múltiples modelos de frontera, en lugar de atar las herramientas del agente a su propio modelo dentro de un único ecosistema cerrado, como hacen Microsoft u OpenAI.

MiniMax, la empresa china, estuvo representada por Olive Song, quien anunció su último modelo de pesos abiertos, M3, en una entrevista realizada por Thomas Wolf de Hugging Face. Los reportes públicos hasta ahora no han entrado en mucho detalle sobre las características técnicas específicas de M3, y este artículo no especulará más allá de lo reportado — el hecho confirmable se limita a este marco: 'la representante de MiniMax, Olive Song, anunció M3, un modelo de pesos abiertos, en esta conferencia, y fue entrevistada por Thomas Wolf de Hugging Face'. Las cifras de rendimiento, la escala de entrenamiento y detalles similares aún esperan más información pública.

Vale la pena notar: GLM-5.2 y M3 pertenecen a dos empresas distintas (Z.ai y MiniMax) y no deberían confundirse como el mismo producto en la misma ruta; lo único que comparten es que ambos se lanzan como modelos de pesos abiertos/código abierto — lo cual, frente a las rutas relativamente cerradas y productizadas de Microsoft y OpenAI, forma un segundo hilo narrativo paralelo a lo largo de la conferencia.

Punto de Desacuerdo Tres: ¿Quién Tiene el Derecho de Definir 'Software Factory'?

Un punto de discusión fácil de pasar por alto, pero que vale la pena señalar: el marco definitorio detrás del tema mismo de la conferencia, 'Software Factories', vino de Tížková de Factory, no de Microsoft, OpenAI, ni de ninguna de las empresas del bando de código abierto. En otras palabras, cuando cada empresa usó palabras como 'fábrica' y 'bucle' en sus charlas, estaban tomando prestado o haciendo eco del mismo marco narrativo a nivel de conferencia, rellenándolo con su propio lenguaje de producto — pero el derecho de definir originalmente ese marco pertenecía a una de las co-curadoras del evento. Por eso también distintas empresas en la misma conferencia pueden terminar con interpretaciones concretas genuinamente distintas de 'software factory' — porque este es un concepto que todavía se está definiendo colectivamente, no una especificación técnica con una única respuesta acordada aún.

Ambos Bandos Están Diciendo en Realidad lo Mismo: Bucles y Automatización Son el Consenso — el Desacuerdo Está en Quién Controla el Bucle

Al juntar estos puntos de desacuerdo, surge una observación neutral: ya sea el 'bucle de aprendizaje' de Microsoft, el enfoque de bucles de agentes apilados que enfatiza OpenAI, o el modelo de tareas de largo horizonte que impulsa Z.ai, casi todas las empresas en esta conferencia coincidieron en la dirección general de que 'el proceso de desarrollo se está moviendo hacia un bucle autónomo' — eso es el consenso, no el desacuerdo. La verdadera división está en dónde corre ese bucle, qué modelo lo impulsa, y si los desarrolladores pueden sustituir cualquier pieza de él. Microsoft y OpenAI tienden a presentar el bucle empaquetado con su propia plataforma y su propio modelo; Z.ai, a través de su posicionamiento de 'ZCode es compatible con todos los modelos de frontera', enfatiza que la capa de herramientas y la capa de modelo se pueden elegir por separado. Esta es una diferencia estructural de enfoque, no una comparación de qué tecnología es mejor — las empresas que evalúan estas plataformas deberían tratar ambas cosas como preguntas separadas.

Qué Significa Esto para Empresas y Desarrolladores: Qué Indicadores Mirar al Evaluar una Plataforma de Agentes de IA para Desarrollo

Convirtiendo los puntos de desacuerdo de este debate en una lista de verificación práctica para empresas que evalúan plataformas de agentes de IA para desarrollo, hay aproximadamente tres direcciones. Primero: ¿el diseño del 'bucle' de la plataforma está atado a un solo proveedor de modelos, o permite intercambiar distintos modelos en distintos pasos? — esto afecta directamente tu margen de negociación futuro y el riesgo de dependencia del proveedor. Segundo: ¿hasta dónde llega realmente la 'automatización' de la plataforma — solo generación de código, o, como describe OpenAI, se conecta hasta por qué se hace el trabajo, la revisión y el despliegue como un flujo completo? Distintas profundidades de automatización implican una complejidad de integración y necesidades de gobernanza muy diferentes. Tercero: el código abierto y el cerrado no son inherentemente buenos o malos, pero representan supuestos operativos distintos — un modelo de código abierto le da a la empresa más flexibilidad para autoalojar y personalizar, pero exige asumir más responsabilidad operativa propia; una plataforma cerrada absorbe esa complejidad operativa, pero la empresa tiene relativamente menos control sobre el modelo subyacente. Estos tres indicadores son, en el fondo, la misma lógica que una empresa debería preguntarse al elegir cualquier solución de acceso multi-modelo.

Preguntas Frecuentes

¿Qué es 'Software Factories', y por qué se convirtió en el tema de esta conferencia de IA de 2026?

'Software Factories' fue el tema del AI Engineer World's Fair 2026. Según la definición ofrecida por Tereza Tížková de Factory, significa 'un bucle autónomo a lo largo de todo el ciclo de vida del desarrollo de software', que abarca recopilar señales, reaccionar a la retroalimentación y los registros, priorizar y coordinar la integración; la idea central es dejar que los agentes de IA hagan el trabajo real de construcción, mientras los desarrolladores pasan a construir el sistema automatizado en sí.

¿Es el 'bucle de aprendizaje' de Microsoft lo mismo que el enfoque de bucles de agentes apilados de OpenAI?

No del todo. Foundry de Microsoft, presentado por Pablo Castro, se posiciona como una 'fábrica de apps y agentes de IA', con el argumento central de que la colaboración humano-agente produce un bucle de aprendizaje; el agente Codex de OpenAI, discutido por Alexander Embiricos y Romain Huet, enfatiza apilar múltiples bucles de agentes y conectar a un agente con en qué consiste el trabajo, por qué se hace, y el proceso de revisión y despliegue. Ambos describen un proceso de desarrollo automatizado usando la palabra 'bucle', pero entran desde ángulos distintos y enfatizan cosas distintas — no deberían tratarse como el mismo diseño.

¿Cuál es la diferencia entre GLM-5.2 de Z.ai y el enfoque de OpenAI Codex?

GLM-5.2, lanzado por Z.ai, es un modelo de lenguaje grande de código abierto posicionado como modelo insignia para tareas de largo horizonte, emparejado con una herramienta llamada ZCode que afirma ser compatible con todos los modelos de frontera; OpenAI Codex es un producto de agente atado al propio modelo y ecosistema de plataforma de OpenAI. La diferencia está en código abierto vs. cerrado, y en si la capa de herramientas está atada a un modelo específico — este artículo no juzga cuál enfoque es técnicamente mejor.

¿Qué especificaciones técnicas concretas anunció MiniMax para M3?

Los reportes públicos hasta ahora no han entrado en mucho detalle sobre las características técnicas específicas de M3; el único hecho confirmable es que la representante de MiniMax, Olive Song, anunció este modelo de pesos abiertos en la conferencia y fue entrevistada por Thomas Wolf de Hugging Face. Este artículo no especula sobre cifras de rendimiento o escala de entrenamiento no verificadas — atento a los anuncios oficiales de MiniMax.

¿Deberían las empresas priorizar la ruta de código abierto o cerrado al evaluar plataformas de agentes de IA para desarrollo?

La conferencia presentó dos rutas paralelas, sin una opción absolutamente mejor. Al evaluar, las empresas pueden referirse a tres indicadores: si el bucle está atado a un solo proveedor de modelos, hasta dónde se extiende la automatización a lo largo del flujo de desarrollo (generación pura vs. conexión hasta revisión y despliegue), y si el equipo mismo tiene la capacidad de asumir la responsabilidad operativa que conlleva autoalojar un modelo de código abierto. La respuesta correcta depende de la capacidad técnica y las necesidades de gobernanza propias de la empresa, no de que una ruta sea inherentemente superior.

Fuente

El material que originó este tema es un video recopilatorio de keynotes publicado por el canal de YouTube AI Engineer, “WF2026: Software Factories & Keynotes ft. Microsoft, OpenAI, OpenClaw, Z.ai (GLM), MiniMax, HF” (publicado alrededor del 3 de julio de 2026, con conteos de vistas en el rango aproximado de 69,000 a 80,000 según fuentes de terceros verificadas de forma cruzada, no una cifra oficial precisa). Este artículo no usa la transcripción de ese video como base factual; en cambio, se basa en la cobertura en el terreno de Latent Space sobre el AI Engineer World's Fair 2026 (29 de junio al 2 de julio de 2026, Moscone West, San Francisco) — la serie AIEWF Daily Dispatch — verificada de forma cruzada con otra cobertura mediática, reorganizada aquí como una comparación punto por punto en lugar de una traducción oración por oración del reportaje original o del video. Todas las atribuciones de declaraciones a representantes de Microsoft, OpenAI, Z.ai, MiniMax y Hugging Face en este artículo se limitan a lo que cubre ese reportaje verificado; cualquier especificación técnica concreta, cifra de rendimiento o cita completa no proporcionada en ese reportaje no se inventa ni se extiende aquí.