Escalando la codificación agentiva a más de 150 PRs/semana: Lecciones de $85K en tokens en Lovable

Alexander Lebedev se unió a Lovable en enero de 2026, poco después del auge de los agentes de codificación de IA. En junio, había pasado de un solo desarrollador con algunos agentes que hacían 20–30 PRs combinados por semana a un humano supervisando 6–7 agentes (cada uno con su propio enjambre de subagentes) que impulsaban más de 150 PRs combinados semanalmente. El costo: ~$25K/mes en mayo, totalizando ~$85K en tokens desde enero. Aquí está cómo lo hizo — y qué se rompió en el camino.

De 30 a 150+ PRs/semana: La arquitectura

En enero, el proceso era tradicional: modo de planificación, solicitudes de permiso, revisión humana clásica de código. En junio, Lebedev había construido un agente dedicado que escribe tareas para otros agentes, con múltiples niveles de agentes de implementación y revisión. Los cambios grandes ahora se entregan como un stack de 10 PRs en lugar de un solo PR. La revisión humana solo toca decisiones importantes, rara vez el código en sí.

¿A dónde van los tokens?: 75% implementación, 25% automatización

La mayor parte del gasto de $85K — alrededor del 75% — va directamente a la implementación (creación de código). El 25% restante (y creciente) financia la automatización: revisiones de IA fuera del entorno de desarrollo, revisiones de IA posteriores a la fusión y tareas automatizadas rutinarias. Lebedev predice que la participación de la automatización seguirá aumentando a medida que más trabajo salga del bucle de PR de creación de código.

Revisión humana: Excepción, no regla

Lebedev argumenta que la revisión línea por línea del código escrito por IA es tan poco práctica como lo fue revisar la salida del compilador después del cambio de ensamblador a lenguajes de alto nivel. En cambio, la revisión humana se reserva para los cambios más impactantes — generalmente no en los PRs, sino a nivel de RFC/ADR: discusiones de diseño de sistemas, sesiones de pizarra, elecciones de infraestructura. Una sola decisión de diseño puede tener más impacto que 50 PRs de implementación.

La desventaja: la revisión de código era una herramienta de aprendizaje y un mecanismo de difusión del conocimiento. La ingeniería ahora necesita nuevas formas de preservar esos efectos secundarios. Lebedev admite: "Aún no veo buenas soluciones, solo espacio para nuevos experimentos."

Clasificación de riesgo de cambios: La red de seguridad

Evitar la revisión humana no funciona de manera ingenua a escala, especialmente para los recién llegados que no saben lo que no saben. Lebedev construyó un flujo de trabajo de IA que clasifica cada PR por nivel de riesgo y aplica estrictamente la revisión humana en PRs de alto riesgo. El clasificador utiliza:

• Un único archivo de políticas en markdown leído por el agente, que inspecciona el diff del PR y los metadatos.
• Dimensiones de clasificación: tamaño, nivel de riesgo, propiedad del código (¿el equipo del autor posee la mayoría del código modificado?).
• Categorías de alto riesgo: infraestructura, autenticación, diffs grandes, características de producción.
• Ejemplo de bajo riesgo: publicar una entrada de blog.

La salida de clasificación alimenta una herramienta determinista que aplica la política a través de acciones de GitHub y reglas de rama para permitir o denegar la fusión.

Conclusión clave

Escalar la codificación con agentes requiere no solo más agentes, sino cambios estructurales: agentes generadores de tareas, apilamiento de PRs, clasificación automatizada de riesgos y un cambio consciente de la atención humana de la revisión línea por línea a decisiones a nivel de arquitectura. La factura de $85K en tokens es una inversión para demostrar que el modelo funciona, pero los problemas difíciles (compartir conocimiento, incorporación) siguen sin resolverse.