En el desarrollo de software con IA ya no basta con saber escribir buen código: también hay que saber “dirigir tráfico”. Con la expansión del agentic coding, un solo ingeniero puede tener en marcha varios agentes de programación en paralelo, cada uno generando cambios, proponiendo parches, abriendo pull requests o revisando módulos distintos. El resultado se parece a una cocina con demasiados fogones encendidos: el problema no es solo cocinar, es vigilar que nada se queme.
Ahí aparece una limitación muy terrenal: la atención humana. No por falta de capacidad técnica, sino porque el trabajo se llena de microdecisiones: “¿esto es seguro?”, “¿rompe algo?”, “¿qué cambió exactamente?”, “¿por qué este agente tocó ese archivo?”. Según contó TechCrunch, Cursor presenta una respuesta a ese caos con una propuesta concreta: dejar de vivir en el ciclo de “promptear y monitorizar” y pasar a un modelo donde los agentes se lancen por sí mismos y el humano entre en escena solo cuando el flujo lo necesite.
Qué es Automations y por qué cambia el ritmo del trabajo
Cursor ha anunciado Automations, un sistema pensado para iniciar agentes automáticamente dentro del entorno de desarrollo. La idea es sencilla de explicar con un ejemplo cotidiano: en lugar de estar mirando el horno para ver cuándo el pan está listo, pones un temporizador y solo vuelves cuando suena. El pan sigue requiriendo tu criterio final, pero no consume tu atención cada minuto.
En términos prácticos, Automations permite que un agente se active con disparadores como una nueva incorporación al repositorio, un mensaje de Slack o un temporizador. En lugar de que la persona escriba un prompt cada vez, el sistema inicia el trabajo y “sube el volumen” humano solo en puntos específicos del proceso. Jonas Nelle, responsable de ingeniería de Cursor para agentes asíncronos, lo resumía así en su conversación con TechCrunch: los humanos no desaparecen; dejan de ser quienes siempre inician la acción y pasan a ser llamados en el momento correcto del “cinturón transportador”.
Este matiz importa, porque cambia el coste mental. Cuando el desarrollador no tiene que estar “sosteniendo” a los agentes, el equipo puede asignar modelos a tareas que antes no merecían la pena por la fricción de coordinación. No es tanto hacer cosas imposibles; es hacer rentables tareas que eran demasiado pesadas de gestionar.
Del Bugbot a auditorías más profundas: cuando revisar ya no es una tarea manual
Cursor llevaba tiempo coqueteando con esta filosofía mediante una función previa: Bugbot. Ese sistema se activa cuando alguien añade código y revisa los cambios buscando errores u otros problemas. El valor de Bugbot era claro: reducir la posibilidad de que un fallo obvio se cuele por cansancio o prisa, como ese “typo” que nadie ve después de ocho horas mirando la misma pantalla.
Con Automations, la compañía plantea que ese mismo patrón puede ampliarse. TechCrunch explica que el equipo ha extendido el enfoque hacia auditorías de seguridad más involucradas y revisiones más exhaustivas. Aquí aparece una parte interesante: “pensar más” cuesta. En el lenguaje de los modelos, cuesta tokens, tiempo de cómputo y, por extensión, dinero. Josh Ma, líder de ingeniería, destacaba el valor de “gastar más tokens” para encontrar problemas más difíciles. Traducido al día a día, es como decidir que una inspección no sea solo “mirar si la puerta cierra”, sino comprobar bisagras, cerradura, marco y que no haya una llave escondida debajo del felpudo.
Este tipo de revisión profunda tiene especial sentido cuando el propio código lo producen agentes. Si un equipo va a aceptar que una parte relevante del trabajo la generen modelos, el control de calidad necesita subir un escalón: más automatizado, más constante y, cuando hace falta, más minucioso.
Automations en el mundo real: incidentes, logs y resúmenes semanales
La promesa no se queda en el control de estilo o la caza de bugs. Cursor afirma que ejecuta cientos de automations por hora, según recoge TechCrunch, y que el uso se extiende a respuesta ante incidentes. Un ejemplo concreto: un incidente de PagerDuty puede disparar un agente que consulta logs del servidor de inmediato a través de una conexión MCP. Si lo llevamos a una metáfora doméstica, es el detector de humo que no solo pita, sino que también te dice de qué habitación viene el problema y qué electrodoméstico estaba encendido.
También hay automatizaciones más “de oficina”, como resúmenes semanales en Slack sobre cambios en el codebase. Este detalle puede parecer menor, pero ataca un dolor muy común: el conocimiento se fragmenta. Cuando varias personas y varios agentes tocan el repositorio, entender “qué pasó esta semana” se convierte en un rompecabezas. Un buen resumen no sustituye leer el código, pero ayuda a elegir qué vale la pena mirar primero.
Y aquí está la frase clave de Nelle, también recogida por TechCrunch: en abstracto, lo que hace una automatización podría haberlo lanzado un humano. La diferencia es que, al hacerlo automático, cambian las tareas que un modelo puede hacer “de manera útil” dentro de un código vivo. En el fondo, Automations es menos una función y más una forma de organizar el trabajo.
Competencia apretada: OpenAI, Anthropic y una carrera por el “modo agente”
El anuncio llega en un momento de competencia intensa en herramientas de programación con IA. TechCrunch menciona que tanto OpenAI como Anthropic han realizado actualizaciones relevantes de sus propuestas de coding agentic en el último mes. No es casual: el mercado está moviéndose desde “autocompletar inteligente” hacia “ejecutar tareas completas”, y ahí el diferencial ya no es solo el modelo, sino el producto que lo integra, lo controla y lo hace confiable.
En este contexto, Cursor intenta posicionarse con una idea pragmática: el problema no es que falten agentes, es que sobran cosas que vigilar. Si el valor se mide por cuánto trabajo útil sale sin que el equipo pierda el control, entonces los disparadores, los estados, los checkpoints y el modo de “meter al humano” se vuelven centrales. Dicho de otra forma: no gana quien tenga el copiloto más hablador, sino quien tenga el mejor sistema de pilotos automáticos con caja negra y alarmas cuando toca.
Señales de mercado: cuota estable y crecimiento de ingresos
Más allá del producto, hay números. TechCrunch recoge datos de Ramp que sitúan la cuota de mercado de Cursor estable desde mayo, con alrededor de un 25% de los clientes de IA generativa suscritos a Cursor de alguna manera. Ese dato sugiere dos cosas a la vez: que Cursor ya es un actor grande en su nicho y que el pastel está creciendo, porque mantener cuota en un mercado en expansión suele equivaler a crecer en volumen.
La otra señal es financiera. Bloomberg informó, según el texto de TechCrunch, de que los ingresos anuales de Cursor habrían superado los 2.000 millones de dólares y que se habrían duplicado en los últimos tres meses. Es una cifra que impresiona por velocidad, más que por el número en sí: sugiere una adopción acelerada y una disposición del mercado a pagar por herramientas que integren agentes de código en el flujo real de trabajo, no solo en demos.
Lo que significa para los equipos: menos malabares, más control y nuevas responsabilidades
Si Automations funciona como promete, el cambio cultural es grande. El desarrollador deja de ser “operador” de prompts para convertirse más en “editor jefe” del sistema: define reglas, elige disparadores, revisa resultados y decide cuándo intervenir. Esto puede liberar tiempo para arquitectura, producto o refactorizaciones que siempre se posponen.
También abre nuevos riesgos. Automatizar la ejecución de agentes implica que el repositorio puede cambiar con más frecuencia y con menos fricción inicial. Por eso el diseño de salvaguardas es crucial: límites de permisos, revisiones obligatorias, auditorías automáticas y trazabilidad clara de qué agente hizo qué. Un sistema que “trabaja solo” necesita ser, al mismo tiempo, fácil de detener y fácil de auditar. En la práctica, la confianza se construye como con un coche con asistentes de conducción: te ayuda mucho, pero quieres saber cuándo frena, por qué frena y cómo tomar el volante sin pelearte con el sistema.
Cursor, con Automations, parece apostar por ese punto medio: agentes que hacen, humanos que deciden, y una cinta transportadora que organiza el caos. Si el sector está entrando en la era de los “equipos híbridos” entre personas y modelos, herramientas como esta intentan resolver la pregunta más incómoda: no “¿puede hacerlo la IA?”, sino “¿podemos vivir con el resultado sin estar mirando cada segundo?”.