Los Minions de Stripe y la nueva era de los agentes autónomos de programación
Los Minions llegaron, y no estamos hablando de los personajes amarillos del cine 😄
Stripe, una de las mayores empresas de pagos del mundo, creó agentes autónomos de programación que están transformando la forma en que se desarrolla software dentro de la compañía.
El número que llama la atención de entrada es este: más de 1.300 pull requests generados por semana, de forma automática, sin que ninguna línea de código haya sido escrita por un ser humano.
Pero tranqui, esto no significa que los ingenieros fueron despedidos.
Todo el código producido por estos agentes pasa por revisión humana antes de llegar a producción.
Lo que cambió es otra cosa: los ingenieros dejaron de escribir código repetitivo y pasaron a enfocarse en lo que realmente importa, que es revisar, validar y tomar decisiones estratégicas.
Parece futuro, pero ya está ocurriendo ahora, dentro de una infraestructura que procesa más de 1 billón de dólares en pagos por año.
Entonces la pregunta que queda es: ¿cómo funciona exactamente este sistema y qué representa para el desarrollo de software de aquí en adelante?
Es exactamente eso lo que vamos a explorar aquí. 🚀
¿Qué son los Minions de Stripe?
Los Minions son, en la práctica, agentes autónomos desarrollados internamente por Stripe para ejecutar tareas de programación de forma independiente. El nombre es informal, pero el concepto detrás es bastante sofisticado. Estos agentes se alimentan de modelos de lenguaje a gran escala, los famosos LLMs, y fueron configurados para entender el contexto del repositorio de código de Stripe, identificar tareas que pueden ser automatizadas y generar soluciones funcionales a partir de eso.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
No se trata de un simple autocompletado o de una herramienta que sugiere líneas de código mientras escribes. Los Minions operan de punta a punta en determinadas tareas, desde la lectura del problema hasta la apertura de un pull request completo, listo para ser revisado por un ingeniero humano.
Lo que diferencia este enfoque de otras herramientas de IA en el mercado es justamente el nivel de autonomía involucrado. Mientras herramientas como GitHub Copilot funcionan como asistentes que reaccionan a lo que el desarrollador está haciendo, y editores de código basados en IA como Cursor todavía dependen de supervisión humana constante, los Minions actúan de forma proactiva. Reciben una tarea, planifican los pasos necesarios para resolver el problema, navegan por el código existente, hacen modificaciones coherentes con el patrón de la base de código y entregan un resultado estructurado. Este tipo de ejecución se llama one-shot, porque el agente recibe una única instrucción y entrega el resultado completo sin necesidad de intervenciones intermedias.
Cameron Bernhardt, Engineering Manager en Stripe, comentó en una publicación en LinkedIn que los Minions evolucionaron de un concepto a la generación de más de mil pull requests por semana, resaltando que todo el código es revisado por humanos, pero que los agentes están produciendo cambios de punta a punta con cada vez más autonomía.
Es importante entender también que los Minions no fueron creados para reemplazar ingenieros, sino para absorber la parte más mecánica y repetitiva de su trabajo. Dentro de una empresa del tamaño de Stripe, con una base de código masiva y cientos de ingenieros trabajando en paralelo, existe una cantidad enorme de tareas que, aunque necesarias, consumen tiempo y energía cognitiva sin necesariamente exigir creatividad o juicio humano. Son exactamente esas tareas las que los agentes asumieron, liberando a los ingenieros para pensar en problemas más complejos, arquitectura, seguridad y experiencia de usuario.
De dónde vinieron los Minions: el origen en el proyecto Goose
Los Minions no surgieron de la nada. El sistema evolucionó a partir de un fork interno de Goose, que es uno de los primeros agentes de programación ampliamente utilizados y que fue desarrollado por Block. El equipo de ingeniería de Stripe tomó esa base, la adaptó a la infraestructura interna de LLMs de la empresa y refinó el sistema para cumplir con los requisitos específicos de los Minions.
Mientras tanto, herramientas interactivas como Cursor y Claude Code siguen siendo utilizadas dentro de Stripe para flujos de trabajo que todavía requieren supervisión humana directa. Es decir, los Minions no reemplazaron esas herramientas, sino que ocuparon un espacio complementario en el ecosistema de desarrollo de software de la empresa, encargándose de las tareas que pueden ejecutarse de forma completamente autónoma.
Esa decisión de partir de una base existente en vez de construir todo desde cero muestra una madurez interesante del equipo. En lugar de reinventar la rueda, aprovecharon lo que ya funcionaba e invirtieron la energía en lo que realmente diferenciaba la solución: la integración profunda con el entorno interno de Stripe, incluyendo sistemas de CI/CD, repositorios propietarios y estándares de código específicos de la empresa.
Cómo los agentes autónomos generan pull requests en la práctica
El proceso comienza con la identificación de una tarea. Y aquí está uno de los detalles más interesantes del sistema: esa tarea puede venir de diversas fuentes. Un ingeniero puede lanzar un Minion directamente por un mensaje en Slack, o la tarea puede originarse de un reporte de bug, de un feature request o de cualquier otra fuente que describa lo que necesita hacerse. Esa flexibilidad en la entrada de datos hace que el sistema sea mucho más accesible e esté integrado al flujo de trabajo del día a día.
A partir de ahí, el agente autónomo accede al repositorio, analiza el contexto alrededor del problema y comienza a planificar la solución. Esa planificación implica entender qué archivos necesitan ser modificados, qué dependencias existen, qué patrones de código se utilizan en la base existente y cómo el cambio propuesto va a encajar sin romper nada. Ese nivel de razonamiento contextual es lo que hace que los modelos de lenguaje modernos sean tan poderosos para este tipo de aplicación.
Después de que el plan está definido, el agente ejecuta las modificaciones. Escribe el código, crea o actualiza tests automatizados cuando es necesario, ajusta documentación si corresponde y organiza todo dentro de un pull request bien estructurado. Ese PR no llega de cualquier manera al equipo: viene con una descripción clara de lo que se hizo, por qué se hizo y cuáles fueron las decisiones tomadas a lo largo del camino. Esto facilita mucho el trabajo del ingeniero que va a revisar, porque no necesita deducir las intenciones detrás de los cambios.
El concepto de blueprints: la receta detrás de la autonomía
Uno de los elementos más importantes de la arquitectura de los Minions es el concepto de blueprints. En traducción directa serían como planos o proyectos, pero en el contexto de los Minions funcionan como workflows definidos en código que especifican cómo las tareas se dividen en subtareas.
Los ingenieros de Stripe describen los blueprints como una colección de habilidades del agente entrelazadas con código, garantizando eficiencia mientras mantienen la adaptabilidad. En la práctica, cada blueprint combina rutinas determinísticas, que son pasos fijos y predecibles, con bucles flexibles del agente, donde el LLM toma decisiones basadas en el contexto. Esa mezcla es lo que permite que los Minions manejen tanto tareas estandarizadas como situaciones que requieren algún grado de adaptación.
Piensa en los blueprints como recetas de cocina, pero donde algunas etapas son fijas, como precalentar el horno, y otras dependen del criterio del cocinero, como ajustar el condimento. Ese equilibrio entre rigidez y flexibilidad es fundamental para que los agentes puedan operar de forma autónoma sin comprometer la calidad del resultado final.
Confiabilidad garantizada por CI/CD y tests automatizados
Un sistema que genera más de mil pull requests por semana en una empresa que procesa billones de dólares no puede darse el lujo de tener fallos. Por eso, la confiabilidad de los Minions se refuerza con pipelines de CI/CD, tests automatizados y análisis estático de código. Cada cambio generado por un agente pasa por estos filtros antes incluso de llegar al ingeniero para revisión.
Esto significa que, cuando un humano se sienta a revisar un pull request generado por un Minion, ya sabe que el código compiló, que los tests pasaron y que no hay violaciones obvias de estándares. Ese filtro previo reduce significativamente el tiempo de revisión y aumenta la confianza en el proceso en su conjunto.
Los ingenieros de Stripe también notaron que los Minions rinden mejor en tareas bien definidas, como ajustes de configuración, actualizaciones de dependencias y refactorizaciones puntuales. Esto tiene sentido, porque son exactamente las tareas donde los criterios de éxito son más claros y medibles, facilitando tanto la ejecución por parte del agente como la validación por parte del humano.
El papel de los modelos de lenguaje en esta ecuación
Los modelos de lenguaje son el corazón de todo este sistema. Sin ellos, los Minions serían simplemente scripts de automatización tradicionales, limitados a tareas muy bien definidas e sin capacidad de manejar cualquier variación o ambigüedad. Lo que los LLMs aportan es la capacidad de comprender contexto en lenguaje natural y en código al mismo tiempo, hacer inferencias sobre lo que necesita hacerse basándose en descripciones vagas o incompletas, y adaptar la solución al estilo y las convenciones específicas de una base de código particular.
Stripe no reveló públicamente qué modelo o qué modelos específicos están detrás de los Minions, pero el comportamiento descrito es consistente con lo que los modelos de lenguaje más avanzados disponibles hoy son capaces de hacer. El uso de técnicas como recuperación aumentada por contexto, donde el agente busca información relevante dentro del repositorio antes de actuar, y encadenamiento de razonamiento, donde el modelo divide el problema en etapas más pequeñas antes de resolver cada una, son parte fundamental de cómo estos agentes consiguen entregar resultados coherentes en una base de código tan grande y compleja como la de Stripe.
Otro punto relevante es la capacidad de aprendizaje continuo que puede incorporarse a estos sistemas. A medida que los ingenieros revisan los pull requests generados por los agentes y hacen correcciones o sugerencias, ese feedback puede usarse para ajustar el comportamiento de los modelos a lo largo del tiempo. No necesariamente en tiempo real, pero sí en ciclos de actualización periódicos que hacen a los agentes progresivamente más alineados con las expectativas del equipo. Esto crea un bucle de mejora continua que, a largo plazo, tiende a aumentar tanto la calidad como la autonomía de los agentes dentro del flujo de desarrollo de software.
Qué significa esto para los ingenieros de software
La narrativa de que la IA va a reemplazar a los desarrolladores es recurrente, pero lo que Stripe está mostrando en la práctica apunta hacia una dirección diferente. Lo que está ocurriendo allí es una redistribución de responsabilidades, no una eliminación de funciones. Los ingenieros siguen siendo piezas centrales del proceso, pero el tipo de trabajo que hacen cambió. En vez de gastar horas escribiendo código para tareas rutinarias de mantenimiento, actualización de dependencias, refactorización estandarizada o correcciones simples de bugs, ahora dedican ese tiempo a revisar lo que los agentes autónomos produjeron y tomar decisiones sobre lo que va o no a producción.
Este modelo de trabajo exige un conjunto de habilidades un poco diferente al que se valoraba antes. Saber escribir código con velocidad sigue importando, pero pasa a ser casi secundario en relación con la capacidad de leer código críticamente, identificar fallos de lógica, evaluar riesgos de seguridad y entender el impacto sistémico de un cambio. En otras palabras, las habilidades de revisión y juicio ganan protagonismo. Ingenieros que desarrollan una buena capacidad de trabajar en colaboración con agentes, sabiendo cómo orientarlos, evaluarlos y corregirlos, tienden a volverse mucho más productivos que aquellos que se resisten a este nuevo flujo.
Herramientas que usamos a diario
Además, hay un impacto claro en la velocidad de entrega de proyectos. Con los agentes absorbiendo el volumen de tareas repetitivas, los equipos logran avanzar en múltiples frentes al mismo tiempo sin necesidad de aumentar el headcount proporcionalmente. Para empresas que operan a escala global y necesitan mantener sistemas críticos funcionando con altísima disponibilidad, como es el caso de Stripe, esa capacidad de escalar el desarrollo de software sin inflar el equipo es una ventaja competitiva concreta y medible.
Confiabilidad en un entorno de alto riesgo
Un detalle que no puede pasar desapercibido es el contexto en el que los Minions operan. El código gestionado por estos agentes soporta más de 1 billón de dólares en volumen anual de pagos y funciona en un ecosistema con dependencias complejas que involucran instituciones financieras, marcos regulatorios y obligaciones de compliance. Esto no es un proyecto paralelo ni un experimento de laboratorio. Es producción real, en una de las infraestructuras de pagos más críticas del mundo.
Este contexto eleva el nivel de exigencia sobre la calidad del código generado por los agentes. Cualquier error, por pequeño que sea, puede tener consecuencias financieras reales. Por eso, la combinación de revisión humana obligatoria con validación automatizada a través de pipelines de CI/CD y tests crea una red de seguridad robusta que permite que los Minions operen con velocidad sin comprometer la integridad del sistema.
La confiabilidad y la correctitud del código generado permanecen en el centro de toda la estrategia de deploy de los agentes autónomos a esta escala, y ese es un punto que el equipo de Stripe se encarga de reforzar en sus comunicaciones sobre el proyecto.
Una tendencia que va mucho más allá de Stripe
El sistema de los Minions refleja una tendencia más amplia en el desarrollo de software orientado por agentes, donde agentes basados en LLMs se integran de forma profunda a los entornos de desarrollo, sistemas de control de versiones y pipelines de CI/CD para producir código de calidad de producción con supervisión mínima.
Stripe no es la única empresa explorando esta dirección, pero está entre las que lo están haciendo a mayor escala y con mayor transparencia sobre los resultados. El volumen de más de 1.300 pull requests semanales generados por agentes es un dato que todo el mercado está observando con atención, porque demuestra que este enfoque funciona en producción, dentro de una empresa que no puede darse el lujo de tener inestabilidad en su sistema. La experiencia de Stripe sugiere que los agentes autónomos de programación pueden aumentar significativamente la productividad de los desarrolladores manteniendo controles rigurosos de calidad.
Para equipos más pequeños y startups, la lección más valiosa quizás no sea replicar exactamente lo que Stripe hizo, sino entender el principio detrás de la estrategia: identificar qué tareas dentro del flujo de desarrollo de software son repetitivas, bien definidas y con criterios claros de éxito, y comenzar a automatizarlas con el apoyo de modelos de lenguaje. No necesita ser un sistema sofisticado desde el inicio. Incluso la automatización de tareas simples, como generación de tests unitarios o actualización de documentación, ya libera tiempo valioso para que el equipo se enfoque en lo que realmente diferencia al producto.
El futuro es colaboración entre humanos y agentes
Lo que queda claro al observar lo que Stripe construyó con los Minions es que el futuro del desarrollo de software no es humano o máquina. Es humano y máquina, trabajando en capas complementarias, donde cada uno hace lo que mejor sabe hacer. Los agentes se encargan del volumen, la consistencia y la velocidad. Los ingenieros se encargan del juicio, la creatividad y la responsabilidad.
El dato de que todos los pull requests contienen cero líneas de código escritas por humanos, pero pasan íntegramente por revisión humana, ilustra perfectamente ese equilibrio. No es automatización total y descontrolada. Es automatización con gobernanza, donde la máquina ejecuta y el humano valida. Esa colaboración, cuando está bien calibrada, tiene el potencial de transformar profundamente cómo se construye software en los próximos años. 🤖
