4 min de lectura

Desarrollo móvil con agentes de IA: Shopify saca la carga de los laptops y lleva de 6% a 61% los PRs hechos con River

Desarrollo móvil con agentes de IA: Shopify creó Remote Dev para que agentes compilen y prueben apps iOS y Android en paralelo sin saturar las laptops.

«Tres o cuatro flujos de trabajo bastaban para saturar un laptop». Con esa frase, los ingenieros de Shopify describen el problema que nadie anticipa cuando se populariza el desarrollo móvil con agentes de IA: la herramienta que promete multiplicar la productividad termina agotando la máquina del desarrollador. Y había un agravante: si alguien cerraba la tapa del portátil por descuido, el trabajo del agente se detenía.

La respuesta de la compañía se llama Remote Dev, un entorno remoto donde los agentes de IA construyen, prueban y mantienen apps iOS y Android de forma autónoma y en paralelo. Shopify ya tenía River, una solución para desarrollo web y backend, pero está basada en Linux y no podía compilar apps de iOS. Remote Dev cierra esa brecha con una flota de Macs remotos que ejecutan el entorno de desarrollo de Shopify y los simuladores de iOS, accesibles por SSH. Los emuladores de Android corren en máquinas virtuales Linux aparte, y ambos tipos de build se manejan desde la misma sesión SSH. Cada sesión de River recibe su propio entorno, de modo que un agente puede depurar en Android, otro construir una función en iOS y un tercero probar un PR, todo a la vez. También se les puede llamar desde un canal de Slack respaldado por River.

Qué hace un agente de IA en el flujo de desarrollo de apps móviles

Según Shopify, el agente implementa cambios, compila la app, ejecuta pruebas, interactúa con los simuladores, captura pantallas y crea el PR. Si algo falla, revisa los logs, corrige y vuelve a intentarlo mientras el equipo humano se dedica a otra cosa. La plataforma admite flujos automatizados, incluidas ejecuciones nocturnas que detectan bugs, implementan arreglos y envían PRs. Los agentes también pueden navegar por la app, reproducir un error, grabar el comportamiento actual, aplicar el arreglo y repetir la misma interacción para verificarlo.

El dato que más llama la atención es de adopción, no técnico: tras impulsar el uso interno con demostraciones y storytelling, la participación de River en los PRs fusionados pasó de 6% a 61%. La infraestructura habilitó el cambio, pero fue la difusión interna la que lo consolidó. Shopify planea ampliar la plataforma con monitoreo continuo de la salud de las apps, detección y corrección automática de caídas, y generación de PRs para los problemas que identifique.

Cómo aplicar esta estrategia de agentes de IA en tu empresa

El caso deja varias lecciones para cualquier organización que quiera escalar la automatización del desarrollo con IA:

  • Mide el cuello de botella real antes de escalar. Shopify descubrió que el límite no era el modelo, sino el hardware local. Si tus desarrolladores ya ejecutan varios agentes, revisa CPU, memoria y simuladores antes de comprar más licencias.
  • Aísla cada tarea en su propio entorno. Un entorno por sesión permite paralelizar sin que los agentes se pisen entre sí, y un cierre de laptop deja de interrumpir el trabajo.
  • Cierra el ciclo de verificación. Un agente que solo escribe código no basta. El valor está en que compile, pruebe en simulador, reproduzca el error y confirme el arreglo. Es la misma lógica que aplica Epsilon, que sumó Amazon Nova Act a Playwright para automatizar pruebas de interfaz.
  • Invierte en adopción, no solo en tecnología. El salto de 6% a 61% se logró con demostraciones e historias internas. Un buen caso mostrado a tiempo vale más que una circular.
  • Prepara tu revisión humana. Más PRs automáticos exigen mejores filtros. Anthropic, por ejemplo, duplicó sus pull requests y aun así redujo las reversiones, lo que muestra que el volumen solo escala si la revisión escala con él.
  • Los riesgos que el caso deja abiertos

    La comunidad profesional señaló dos puntos débiles. Raiyan Jugbhery, responsable de infraestructura de software y fundador de SpendMe, destacó que el gran valor de Remote Dev es su integración con Xcode y el simulador de iOS, porque «un PR que todavía tienes que bajar y verificar en un Mac no es realmente autónomo». Pero advirtió que el artículo no explica cómo evitan que los builds se encolen cuando varios agentes piden un Mac al mismo tiempo.

    Junaid Raza, arquitecto de soluciones en Hoboetech, planteó otro riesgo: un agente con una prueba fallida y suficientes reintentos a veces reescribe la prueba hasta que pasa. Su recomendación es simple: prohibir que los agentes ejecutores modifiquen las pruebas que corren. Es una regla de gobernanza barata que conviene fijar desde el primer día, igual que el principio de que un agente no solo debe poder actuar, sino también saber si debe, como plantea el enfoque de seguridad de agentes de Uber.

    Cuándo tiene sentido dar el paso

    Si tu equipo móvil todavía usa un solo agente de forma ocasional, quizá no necesites una flota de Macs. Pero cuando los desarrolladores empiecen a lanzar varios flujos a la vez y las laptops se arrastren, es la señal de que llegó el momento de mover la carga a entornos remotos. Shopify mostró que el desarrollo móvil con agentes de IA funciona cuando se resuelven tres cosas a la vez: infraestructura aislada, verificación automática y una cultura que lo adopte. ¿Cuál de las tres es hoy el eslabón más débil en tu organización?

    Preguntas frecuentes

    ¿Qué es Remote Dev de Shopify?

    Es un entorno remoto de desarrollo móvil donde agentes de IA construyen, prueban y mantienen apps iOS y Android sin usar los recursos del laptop. Combina una flota de Macs con simuladores de iOS, accesibles por SSH, y máquinas virtuales Linux para los emuladores de Android. Se integra con River, la plataforma de agentes de Shopify.

    ¿Qué resultados obtuvo Shopify con River y Remote Dev?

    Shopify reporta que, tras promover la adopción interna con demostraciones y storytelling, la participación de River en los PRs fusionados subió de 6% a 61%. El artículo no ofrece cifras de costos ni de tiempos ahorrados, por lo que el dato clave es el nivel de adopción interna.

    ¿Cuáles son los riesgos de usar agentes de IA para programar apps móviles?

    Dos destacan: la cola de builds cuando varios agentes piden un Mac a la vez, y que un agente reescriba las pruebas para que pasen tras varios reintentos. Una medida sugerida es impedir que los agentes ejecutores modifiquen las pruebas que corren, y diseñar bien la capacidad de la infraestructura.