La irrupción de la inteligencia artificial ha provocado un cambio radical en la optimización de contenidos: del tradicional SEO (Search Engine Optimisation) se ha pasado a una nueva modalidad llamada AEO (Answer Engine Optimisation), en la que la prioridad es adaptar el contenido para que sea seleccionado y presentado como respuesta directa por los agentes inteligentes. Además, surge el concepto de Generative Engine Optimization (GEO), orientado a influir en el comportamiento de los modelos de lenguaje amplios (LLMs) para posicionar marcas y productos.
En este contexto, surge una cuestión clave: ¿están los propios asistentes de programación, como Claude Code, Codex o Cursor, modificando sus preferencias y métodos para elegir herramientas específicas? Esto incluye desde entornos de depuración, herramientas para pruebas de penetración, gestores de paquetes o bases de datos, hasta cualquier componente fundamental del stack de desarrollo.
La empresa especializada en servicios para el crecimiento de herramientas de desarrollo, Armature, responde afirmativamente a esta pregunta tras realizar un estudio exhaustivo que exploró cómo los agentes de programación descubren, evalúan y finalmente seleccionan las herramientas que incorporan a los proyectos en los que trabajan. 
Un cambio de paradigma con mucho en juego
Theodore Otzenberger, cofundador de Armature, explica a The New Stack que los desarrolladores han adoptado la IA de forma más rápida e intensa que cualquier otro colectivo profesional. Con el avance de los modelos y la mejora de los sistemas de orquestación, se están confiando a agentes autónomos tareas completas que antes requerían intervención humana en cada paso.
Tras analizar alrededor de 17.000 sesiones de elección de herramientas, Otzenberger señala que la reputación de las marcas tecnológicas, construida durante décadas, parece haberse congelado en el tiempo. Por ejemplo, aunque los agentes reconocen herramientas clásicas como Docker para entornos de contenedores, suelen desconocer nuevas funcionalidades como los sandboxes de Docker, lo que influye negativamente en su selección.
“Tu reputación influye en el momento de la decisión, pero ahora esa influencia está sometida a una gravedad diferente, menos ligada al reconocimiento humano y más a cómo el agente procesa y considera la herramienta”, indica Otzenberger.
Esto significa que, para los proveedores de herramientas de desarrollo, la presencia y elección de sus soluciones por parte de estos agentes puede determinar su supervivencia en el mercado. No basta con el reconocimiento tradicional: deben aparecer como indispensables y accesibles para una lectura y valoración totalmente automatizadas.
Los decisores están cambiando
Armature hizo público todo el proceso de análisis y los datos recogidos, permitiendo que otros investigadores puedan revisar y validar sus conclusiones. Este estudio se actualizará próximamente para incluir agentes y modelos más recientes como Astra y Fable 5.1.
Los cofundadores Otzenberger y Louis Scremin examinaron cómo diferentes tipos de desarrolladores humanos (desde programadores junior en startups hasta ingenieros senior en grandes empresas) interactuaban con los agentes. Utilizaron 1.163 variaciones de instrucciones y analizaron 5.292 sesiones validadas para obtener resultados representativos.
Métodos del análisis experimental
Se seleccionaron 75 repositorios de código público alojados en GitHub y tres agentes de programación (Claude Code, Codex y Cursor) para observar no solo las recomendaciones, sino la implementación concreta de herramientas en proyectos reales. Los repositorios cubrían distintos lenguajes y contextos, con un sesgo inicial hacia startups, corregido mediante técnicas estadísticas con datos públicos para equilibrar la muestra.
Para evitar que los agentes se sesgaran, se creó un entorno simulado en el que un «humano» (representado por el orquestador Gemini 3.7 Flash) validaba las decisiones, sirviendo de filtro para garantizar que no se priorizara automáticamente desarrollar soluciones internas sin recurrir a terceros.
Resultados: ¿Qué aprendieron sobre la elección de herramientas?
Los agentes varían su elección según el contexto del código y el lenguaje. Por ejemplo, al seleccionar servicios de correo electrónico o comunicación en cuatro proyectos diferentes, cada uno escrito en distintos lenguajes, el ganador fue distinto:
- Resend se impuso en proyectos en TypeScript en 55 de 89 sesiones.
- SendGrid fue la opción preferida para proyectos en Python en 22 de 24 ocasiones.
- Postmark ganó en código en Go con 20 selecciones de 24 posibles.
- Azure ACS fue la favorita en proyectos en Java en 22 de 23 casos.
Cada agente también tiene criterios distintos para escoger sus fuentes:
- Cursor utiliza fuentes de la web en dos tercios de las sesiones.
- Codex recurre a búsquedas web en el 94% de los casos, empleando operadores de búsqueda avanzados en gran parte de sus consultas.
- Claude Code prefiere sus conocimientos previos y solo explora la web en un 30% de los casos, aunque cuando lo hace, revisa un mayor número de páginas que Codex.
Solo en el 42% de los análisis coinciden los tres agentes en elegir la misma herramienta. Además, Claude Code tiende a construir soluciones internas casi el doble de veces que Codex y Cursor (19% frente a 10%).
Una nueva forma de «compras» tecnológicas
Jeet Pattanaik, fundador y CTO de Glokal AI OÜ, considera que los hallazgos de Armature representan una especie de compra o selección de herramientas automatizada que entra en las empresas por la «puerta trasera». Explica que la presencia frecuente de una herramienta no garantiza su elección: por ejemplo, PayPal fue mencionada 139 veces sin ser elegida, mientras que LangChain, el framework más citado (194 veces), apenas se seleccionó cuatro veces.
Según Pattanaik, la auténtica palanca será la información que el agente interpretará en el momento exacto de decidir, resaltando que pequeños detalles pueden inclinar la balanza.
Esta situación obliga a las empresas a optimizar no solo la presencia de su software, sino la documentación técnica y las páginas de precios, que serán leídas literalmente y sin concesiones por lectores automatizados, ajenos a elementos visuales o de marca.
Implicaciones y evolución futura
Estas tendencias obligan a replantear las estrategias de posicionamiento y marketing en el sector tecnológico, ya que los agentes inteligentes emergen como nuevos decisores en la cadena de selección de herramientas de desarrollo. Este fenómeno, aún incipiente, promete ser un tema de conversación recurrente entre desarrolladores y profesionales del sector en los próximos meses.
Ken Simpson, fundador de MailChannels, apunta que Armature está abriendo camino en un área emergente donde se analiza el comportamiento de los agentes para favorecer la elección de un producto sobre sus competidores, algo que será fundamental para orientar futuras tácticas comerciales y técnicas en un mercado cada vez más automatizado.
Fundada en 2026, Armature es una empresa joven cuyos estudios y análisis aún están en fases iniciales, pero sus investigaciones ofrecen un adelanto de cómo la inteligencia artificial está transformando el ecosistema tecnológico, exigiendo a las compañías reinventar sus estrategias y modos de llegar al usuario en una realidad dominada ya por decisiones algorítmicas.
