Uber está convirtiendo la IA en una herramienta de productividad, pero también en una herramienta financiera. En 2026, la compañía está gastando más en inteligencia artificial mientras contrata con más cautela, y su CEO, Dara Khosrowshahi, dijo que los agentes autónomos ya producen cerca del 10% de los cambios de código de Uber; aun así, ese código pasa por revisión humana antes de incorporarse al repositorio ^[10].

La lectura más simple es esta: Uber no está diciendo que ya no necesita ingenieros. Lo que está probando es si puede aumentar la capacidad de sus equipos sin sumar personas al mismo ritmo que antes.

Menos contratación incremental, más rendimiento por empleado

El cambio de fondo no es solo técnico. Es una nueva forma de hacer las cuentas. Si un equipo puede entregar más software con la misma plantilla, la empresa puede moderar nuevas contrataciones sin renunciar necesariamente a más producción.

Khosrowshahi ha descrito el objetivo en términos de “throughput”, es decir, volumen de trabajo producido: quiere que los empleados usen IA para aumentar su rendimiento un 20%, 30%, 50% o incluso 100% ^[10]. En la práctica, eso convierte a la IA en una alternativa parcial a contratar más personal cada vez que aparece una nueva necesidad de ingeniería.

La compañía también ha planteado una posibilidad a más largo plazo: reemplazar parte del crecimiento incremental de plantilla de ingeniería por agentes de IA y GPU, los chips especializados que se usan para ejecutar cargas intensivas de inteligencia artificial ^[5][10]. Pero el modelo actual, según la información disponible, sigue siendo supervisado: los humanos continúan revisando y validando el trabajo antes de que llegue a producción ^[10].

Qué están haciendo los agentes dentro de ingeniería

La diferencia importante es que Uber no habla solo de autocompletado de código. La apuesta más ambiciosa es el desarrollo “agéntico”: herramientas que no se limitan a sugerir una línea, sino que pueden recibir una tarea más amplia, consultar contexto del proyecto, preparar cambios y dejarlos listos para revisión.

El CTO de Uber, Praveen Neppalli Naga, dijo que la empresa se ha volcado con fuerza en la codificación asistida por IA, que el 95% de sus ingenieros usa herramientas de IA cada mes y que un agente interno realiza alrededor de 1.800 cambios de código por semana ^[13]. Es una cifra relevante porque muestra que la IA ya no está en fase de experimento aislado, sino integrada en el flujo diario de desarrollo.

Ese flujo también parece ir más allá de escribir código desde cero. Una sesión de Developer Productivity Engineering describió inversiones de Uber en IA a lo largo de todo el ciclo de desarrollo de software para ayudar a los equipos a “Ship Quality Faster” —entregar calidad más rápido—, con asistentes adaptados a grandes monorrepositorios, sistemas agénticos para migraciones de código a gran escala, pruebas automatizadas con IA y flujos de revisión de código asistidos ^[14].

Para un lector no técnico, el punto es sencillo: la IA no solo redacta fragmentos de software. También puede ayudar en tareas repetitivas, migraciones, pruebas y revisiones preliminares, que suelen consumir muchas horas de ingeniería.

Por qué el 10% no cuenta toda la historia

El dato de que los agentes autónomos producen alrededor del 10% de los cambios de código de Uber es llamativo, pero conviene no confundir métricas distintas ^[10].

Un análisis de The Pragmatic Engineer informó que el 84% de los desarrolladores de Uber eran usuarios de codificación agéntica, ya fuera mediante agentes en línea de comandos o mediante solicitudes más complejas que el simple autocompletado dentro de un IDE, el entorno donde los programadores escriben código ^[8]. El mismo reporte indicó que entre el 65% y el 72% del código se generaba con IA dentro de herramientas basadas en IDE ^[8].

Eso no contradice el 10%. Mide otra cosa. El 10% se refiere a cambios de código atribuidos a agentes autónomos; el rango de 65% a 72% se refiere a código generado dentro de herramientas de desarrollo asistidas por IA ^[8][10]. En otras palabras: la IA puede estar ayudando a redactar una parte mucho mayor del código que la parte de cambios finales que Uber contabiliza como producida por agentes autónomos.

La contratación no desaparece: cambia el coste

La lógica empresarial es clara: si la IA aumenta la productividad real, Uber puede crecer en capacidad técnica sin ampliar plantilla en la misma proporción. Por eso la estrategia se entiende mejor como una política de eficiencia de plantilla que como una sustitución total e inmediata de ingenieros ^[10].

Pero el coste no se evapora. Se desplaza. Reportes sobre el uso de Claude Code en Uber señalaron que la demanda de herramientas de codificación con IA habría consumido antes de lo previsto el presupuesto de 2026 destinado a ese uso, y también mencionaron herramientas como Claude Code y Cursor dentro de la compañía ^[2][3]. Esos reportes deben leerse como indicios, no como una contabilidad completa del gasto en IA de Uber. Aun así, ilustran el nuevo equilibrio: la capacidad de producir software empieza a planificarse como una combinación de personas, agentes, herramientas y cómputo.

Dicho de otra forma, contratar menos no significa gastar menos automáticamente. Puede significar gastar de otra manera: menos crecimiento de nómina, más inversión en infraestructura, licencias, modelos y procesos de control.

La IA también entra en operaciones

La historia no se limita a programadores escribiendo más rápido. Uber lleva años usando IA para fijar precios de viajes compartidos y emparejar conductores con pasajeros ^[20]. Más recientemente, se ha informado de aplicaciones de IA generativa y agéntica en atención al cliente, incorporación de conductores y partes del ciclo de desarrollo de ingeniería, con menos intervención manual en algunos flujos operativos ^[11].

Esto importa porque los cuellos de botella no siempre están en escribir una función nueva. También pueden aparecer en soporte, diagnóstico de fallos, incorporación de usuarios o coordinación entre sistemas internos. Si los agentes reducen pasos manuales en esas áreas, el impacto en productividad puede extenderse más allá del equipo de software ^[11].

Qué significa para los ingenieros

La evidencia disponible apunta a un modelo de ingeniería supervisada por humanos, no a una fábrica de software sin ingenieros. Uber usa agentes para preparar más trabajo y acelerar tareas, pero sus empleados siguen revisando el código generado por IA antes de integrarlo ^[10].

La presión, por tanto, parece estar sobre la contratación incremental: los nuevos puestos que una empresa habría abierto para absorber más trabajo. Si los equipos actuales producen más con IA, Uber puede necesitar menos contrataciones adicionales de las que habría previsto en un modelo tradicional ^[10].

Eso no elimina las funciones críticas de los ingenieros. Al contrario, aumenta el peso de tareas como arquitectura, criterio técnico, depuración, revisión, seguridad y calidad en producción. La IA puede encargarse de más borradores, migraciones, pruebas y trabajo repetitivo; la responsabilidad final sigue recayendo en personas capaces de decidir qué debe aceptarse y qué no ^[10][14].

La gran incógnita es cuánto de esta productividad se sostiene cuando se mide con rigor. Las cifras de adopción son altas, pero adopción no equivale automáticamente a eficiencia neta. Por ahora, Uber está haciendo una apuesta clara: usar agentes de IA para que cada ingeniero tenga más palanca, y usar esa palanca para crecer con una plantilla que aumente más despacio.