Abrís el editor. Describís una tarea. Esperás. Revisás. Ajustás. Hacés commit. Todas las herramientas de coding con IA del mercado — Cursor, Claude Code, Codex de OpenAI — arrancan con el mismo ritual: un humano escribe un prompt. La IA es rápida, claro. Pero vos seguís siendo el cuello de botella. Sos el que tiene que cambiar de contexto entre tu issue tracker y tu editor, formular el problema en lenguaje natural y vigilar el resultado como niñera. Tu backlog no se achica porque cada interacción con IA te cuesta el único recurso que la IA no puede fabricar: tu atención.

En los primeros diez días de abril de 2026, GitHub reconstruyó silenciosamente todo ese ciclo — y te sacó del asiento del conductor.

El 1 de abril, GitHub rebautizó su "Copilot coding agent" como Copilot cloud agent y lo expandió más allá de los pull requests. El agente ahora puede trabajar en branches de forma independiente, investigar un codebase antes de tocar nada, y generar planes de implementación antes de escribir una sola línea. El 3 de abril, GitHub agregó controles de runners a nivel de organización — permitiendo a los admins configurar la infraestructura por defecto del agente en todos los repos y blindarla para que equipos individuales no puedan sobreescribirla. El mismo día: firma criptográfica de commits, lo que significa que cada commit del agente ahora muestra un badge de "Verified", desbloqueando repos que exigen commits firmados como política de seguridad. El 8 de abril, todo esto aterrizó en GitHub Mobile. Ahora podés asignar un issue a @copilot desde tu celular en el metro y tener un pull request listo para revisión cuando llegues a la oficina.

Seis entradas de changelog en diez días. Eso no es un lanzamiento de feature — es la construcción de una plataforma.

La bifurcación arquitectónica de la que nadie habla

Esto es lo que importa más que cualquier benchmark de modelos. Todos los demás agentes de coding son prompt-driven: abrís Cursor, escribís lo que querés, Cursor lo hace. Invocás Claude Code en una terminal y describís la tarea. Encargás un job en el dashboard cloud de Codex. En todos los casos, un humano inicia la interacción.

El cloud agent de Copilot es event-driven. Asignás @copilot a un Issue de GitHub — eso es todo. El agente lee la descripción del issue, lo descompone en un checklist, abre un branch, escribe código, pushea commits iterativos, corre tus tests automatizados y linters, y abre un pull request pidiendo revisión humana. Sin sesión de editor. Sin terminal. Sin prompt. El issue en sí es el prompt.

La diferencia no es el modelo que impulsa al agente. GitHub rutea hacia los mismos modelos de OpenAI y Anthropic que usan los competidores. La diferencia es la posición en el workflow. Issues, pull requests, Actions, code review y el repositorio mismo son todas superficies de GitHub. Copilot no necesita una capa de integración porque ya vive dentro del sistema de registro. No se conecta a tu workflow — es tu workflow.

El precio de eliminar el trigger humano

Pero no nos hagamos los distraídos, esto no es todo color de rosa.

Los agentes event-driven crean un problema nuevo: fatiga de revisión. Cuando un humano le asigna diez issues de baja prioridad a @copilot un lunes por la mañana, esos PRs caen en la cola de revisión sin importar si el equipo tiene capacidad para procesarlos. El volumen de output autónomo puede saturar la capacidad de revisión más rápido de lo que achica el backlog. Cambiaste un cuello de botella — hacer prompts — por otro: revisar código que no pediste en el momento que llega.

GitHub parece consciente de la presión. El 10 de abril, impuso nuevos límites de tasa para usuarios Pro+, citando "un aumento en patrones de alta concurrencia y uso intensivo". También retiró el modelo Opus 4.6 Fast de inmediato y pausó los registros de prueba gratuita por abuso. Traducción: la gente descubrió el loop de coding autónomo y lo reventó.

Mientras tanto, Cursor no se queda quieto. El 2 de abril, Cursor 3 se lanzó con orquestación paralela de agentes — múltiples agentes trabajando en refactoring, testing y documentación simultáneamente — más una "Agents Window" dedicada para gestionar proyectos multi-paso. Es prompt-driven, sí, pero la interfaz de prompts se volvió dramáticamente más poderosa.

Qué significa esto para vos

Si tu equipo ya vive en GitHub — issues, PRs, Actions, todo el stack — el cloud agent de Copilot es el camino de menor fricción hacia el coding autónomo hoy. Ninguna herramienta nueva que instalar. Ninguna interfaz nueva que aprender. Asignás un issue, revisás un PR. El agente trabaja dentro del modelo de gobernanza que tu organización ya tiene: reglas de protección de branches, revisiones requeridas, commits firmados, políticas de runners.

Si valorás la elección de modelo, el control granular sobre lo que el agente hace en cada paso, o simplemente no confiás en código que no pediste explícitamente — herramientas prompt-driven como Cursor 3 o Claude Code te dan más transparencia y loops de feedback más ajustados.

Ambos enfoques van a coexistir. Pero la dirección es clara.

El prompt era el último cuello de botella humano

Durante tres años, optimizamos el coding con IA alrededor de mejores prompts. Instrucciones más claras. Ventanas de contexto más amplias — la cantidad de texto que la IA mantiene en su memoria de trabajo. Autocompletado más inteligente. Todo asumía que el humano presiona el primer botón.

GitHub eliminó el botón. El trabajo principal del desarrollador acaba de cambiar — silenciosamente, a lo largo de seis entradas de changelog en diez días — de "decirle a la IA qué construir" a "revisar lo que la IA ya construyó".

Si eso es liberación o un nuevo tipo de infierno depende enteramente de qué tan bueno es tu proceso de code review. Y si alguna vez trabajaste en un equipo con un backlog de 200 PRs... bueno. Ya sabés la respuesta.