· 2 min de lectura · Wladmir Bonazza
Cuatro meses construyendo Kodzonia. Treinta días de números.
7.209 llamadas, 3,8 mil millones de tokens y 529 despachos de subagentes — en código real, no en una demo. Qué están haciendo los agentes, y la decisión de arquitectura detrás de eso.
En los últimos años vengo construyendo soluciones complejas de IA para problemas reales — agentes autónomos, sistemas multimodales, voz, integraciones, MCP, migración de datos y automatizaciones operando en entornos que ya existían antes de la IA.
Kodzonia nació de esas experiencias.
Cuatro meses construyendo. Los números de abajo son solo de los últimos 30 días.
7.209 llamadas. 3,8 mil millones de tokens.
Esto es un recorte del panel de auditoría de Kodzonia — la plataforma de ingeniería agéntica que vengo construyendo en Zonialabs.
Y lo más interesante no es el volumen de tokens. Es lo que los agentes están haciendo.
Hoy uso Kodzonia diariamente en código real — incluso en el que sostiene la operación de BeCash, donde soy CTO. El propio Kodzonia también se desarrolla con Kodzonia. Y ya tiene código aceptado fuera de casa: pull requests mergeados en un proyecto externo de firmware Linux.
Las herramientas más usadas en esos 30 días:
run_shell · read_file · code_search · dispatch_subagent · edit_file · apply_changeset · git_inspect
1.495 ejecuciones de shell. 740 lecturas de archivo. 640 búsquedas en el código. 529 despachos de subagentes. Más ediciones, changesets, inspecciones de Git y memoria.
Esto no es autocompletado.
Son agentes leyendo el repositorio, buscando código, delegando trabajo a otros agentes y modificando el sistema — trabajando con el contexto del proyecto entero, no solo el archivo abierto.
Hay una decisión de arquitectura detrás de esto: Kodzonia no fue construido en torno a un único modelo.
En esos 30 días, el gateway orquestó modelos de Anthropic, Kimi y OpenAI.
El modelo es parte de la arquitectura — no la arquitectura entera.
Después de años poniendo IA en sistemas reales — y de cuatro meses construyendo Kodzonia — una cosa me quedó clara:
La IA en producción no muere en el modelo. Muere en la segunda semana.
La demo funciona.
Después encuentra el legado. La integración que nadie documentó. La decisión arquitectural de hace meses. El contexto que desapareció entre una sesión y otra. Un segundo proyecto que depende del primero. Y el costo de tratar cada tarea como si necesitara el mismo modelo.
Fue ese "después de la demo" lo que me hizo construir Kodzonia.
No estoy construyendo otro autocompletado.
Estoy construyendo un sistema de ingeniería donde los agentes trabajan con contexto, memoria, múltiples proyectos, herramientas y modelos distintos como partes del mismo todo.
Kodzonia es también una de las tecnologías que dieron origen a Zonialabs.
Hasta ahora construí mucho más de lo que mostré.
Eso cambia a partir de hoy.
Voy a abrir por aquí los números, las decisiones y los errores del camino — y compartir lo que aprenda mientras el producto evoluciona.
Para quienes ya pasaron la fase de la demo: ¿cuál fue el primer problema que apareció cuando pusieron IA a trabajar en una base de código que ya existía?