El panorama de la asistencia al desarrollo con inteligencia artificial ha dado un salto significativo con la reciente actualización de Air, la plataforma que permite ejecutar tareas de codificación en entornos aislados y paralelos. La nueva versión no solo amplía la compatibilidad con agentes externos como GitHub Copilot, OpenCode, Pi o Cline, sino que también introduce la posibilidad de trabajar con modelos locales y mejora la navegación en proyectos Java y Kotlin gracias al motor de IntelliJ. Este movimiento responde a dos de las demandas más recurrentes por parte de los equipos de desarrollo: poder usar la herramienta de IA que la empresa ya ha aprobado y, al mismo tiempo, conservar la flexibilidad de elegir el modelo o el 'harness' que mejor se adapte a cada tarea.
Para entender el impacto real de esta actualización, conviene analizar cómo Air modifica el flujo de trabajo tradicional. Hasta ahora, la plataforma ofrecía espacios de trabajo separados para agentes como Claude, Codex, Gemini CLI o Junie, permitiendo que cada uno ejecutara tareas en paralelo y que el desarrollador revisara los cambios propuestos antes de integrarlos en el repositorio. Con la nueva versión, este mismo flujo se extiende a cualquier agente compatible con el Agent Client Protocol (ACP), un protocolo abierto desarrollado conjuntamente por JetBrains y Zed. ACP establece un lenguaje común entre los agentes de codificación y los entornos de desarrollo, eliminando la necesidad de integraciones personalizadas para cada herramienta.
La consecuencia más inmediata es que las empresas que han estandarizado el uso de GitHub Copilot como única herramienta de IA aprobada pueden ahora conectarlo a Air sin cambiar de proveedor. Basta con activar el modo servidor ACP del CLI de Copilot para que Air lo reconozca como un agente más, heredando toda la gestión de accesos y modelos que la compañía ya tenía configurada. Este enfoque no solo reduce la fricción con los departamentos de seguridad y cumplimiento, sino que también permite a los desarrolladores beneficiarse de la orquestación de Air —paralelismo, revisión de cambios, aislamiento de tareas— sin renunciar a la herramienta corporativa.
La flexibilidad no termina ahí. Air también se abre a otros agentes como OpenCode y Pi, y permite que el desarrollador elija el 'harness' que prefiera. El harness es el software que rodea al modelo: recoge el contexto, llama a las herramientas, gestiona la tarea y convierte las respuestas del modelo en cambios de código. Cada harness aborda este proceso de forma diferente y admite distintos proveedores de modelos. Con Air, puedes usar OpenCode con un proveedor en la nube o Pi con un modelo local, y la plataforma se encarga de la comunicación a través de ACP.
Precisamente el soporte para modelos locales ha sido una de las características más esperadas. Ahora es posible conectar un agente compatible con ACP a un modelo que se ejecute en el propio ordenador mediante gestores como Ollama o LM Studio. Esto permite desarrollar sin conexión a internet, elegir el modelo que mejor se ajuste al proyecto o al entorno, y mantener los datos dentro de la máquina local, lo que resulta especialmente valioso en contextos donde la privacidad o las políticas de seguridad limitan el uso de servicios cloud. Desde Q2BSTUDIO, como empresa especializada en el desarrollo de aplicaciones a medida, vemos en esta capacidad una oportunidad para integrar asistentes de IA en entornos controlados sin depender de APIs externas, algo que cada vez más clientes nos solicitan en sus proyectos de transformación digital.
En el terreno de la inteligencia del lenguaje, Air incorpora ahora el motor de código de IntelliJ IDEA (en fase beta) para ofrecer navegación y diagnóstico en proyectos Java y Kotlin, incluso en proyectos mixtos. Mientras se crea una tarea, el desarrollador puede saltar a definiciones, buscar usos, localizar símbolos y seguir caminos de código directamente en Air. Esto facilita la comprensión del código que el agente va a modificar y permite dar un contexto más preciso. Una vez que el agente termina, Air resalta los errores y advertencias en el código Java y Kotlin afectado, de modo que el desarrollador puede inspeccionar los problemas antes de aceptar los cambios, sin necesidad de abrir el IDE ni esperar a que el código falle durante la compilación. Para equipos que trabajan con lenguajes de tipado estático, esta integración reduce drásticamente el tiempo de revisión y evita que errores sutiles lleguen a producción.
Otra mejora importante es la ejecución de tareas en contenedores Docker en Windows, que hasta ahora solo estaba disponible en macOS. Esto permite que las dependencias y los comandos del agente se ejecuten en un contenedor aislado, con Docker Desktop como requisito. En entornos corporativos donde la estandarización del sistema operativo es Windows, esta funcionalidad es clave para garantizar la reproducibilidad de los entornos de desarrollo. Además, la actualización incluye varias mejoras en el control durante las ejecuciones de los agentes: se puede inspeccionar el cambio completo propuesto antes de conceder permiso —haciendo clic en el nombre del archivo para abrir la edición completa en la pestaña 'Cambio propuesto'—, se muestra el uso de la ventana de contexto y los recuentos de tokens para el agente Claude, y se añade un nivel de esfuerzo 'xhigh' para tareas que requieren más razonamiento con Claude Fable, Opus y Sonnet 5. También se ha incorporado una opción para evitar que el Mac entre en reposo durante tareas largas, algo que los desarrolladores que trabajan con procesos batch agradecerán.
Desde una perspectiva más amplia, esta actualización consolida a Air como una plataforma que no solo compite con otras soluciones de agentes de IA, sino que también ofrece un marco de trabajo unificado para equipos que deben lidiar con múltiples herramientas, políticas de seguridad y requisitos de conformidad. En Q2BSTUDIO, donde desarrollamos proyectos de cloud AWS/Azure y soluciones de IA para nuestros clientes, valoramos especialmente la capacidad de integrar agentes externos sin tener que renegociar contratos o abandonar las herramientas ya validadas. La combinación de modelos locales, compatibilidad con ACP y la potencia del motor de IntelliJ posiciona a Air como una opción sólida para equipos que buscan automatizar partes del ciclo de desarrollo sin sacrificar el control ni la calidad.
Por supuesto, la ciberseguridad sigue siendo un factor crítico. Poder ejecutar agentes en contenedores Docker y trabajar con modelos locales reduce la superficie de ataque al minimizar las conexiones a servicios externos. Además, el flujo de revisión de cambios antes de la integración actúa como una barrera adicional contra código malicioso o modificaciones no deseadas. En proyectos donde manejamos datos sensibles, como los que requieren ciberseguridad avanzada, esta arquitectura es perfectamente alineada con las mejores prácticas de DevSecOps.
En cuanto a inteligencia de negocio, aunque Air no está directamente orientado al análisis de datos, la capacidad de conectar agentes que puedan generar informes o realizar transformaciones de código puede integrarse en flujos más amplios de BI / Power BI. Por ejemplo, un agente que accede a una base de datos y genera consultas SQL podría ser orquestado desde Air para luego alimentar un dashboard. La flexibilidad de ACP permite que estos casos de uso se exploren sin necesidad de desarrollar conectores específicos.
Por último, cabe destacar que Air está disponible para Mac, Linux y Windows, y puede descargarse desde air.dev/download o actualizarse a través de JetBrains Toolbox. La compañía invita a probar la nueva versión con los agentes y modelos existentes y a compartir la experiencia. Para los equipos de desarrollo que ya utilizan herramientas de IA o que están considerando adoptarlas, esta actualización representa un punto de inflexión: por primera vez, es posible centralizar la gestión de agentes heterogéneos en un único flujo de trabajo, manteniendo la autonomía del desarrollador y la gobernanza de la empresa.
En definitiva, Air se posiciona como una capa de orquestación que resuelve uno de los problemas más espinosos de la adopción de IA en el desarrollo de software: la fragmentación de herramientas. Al abrirse a agentes externos y modelos locales, no solo democratiza el acceso a la inteligencia artificial, sino que también ofrece un camino pragmático para que las empresas puedan avanzar en su transformación digital sin tener que reemplazar todo su ecosistema de desarrollo. Desde Q2BSTUDIO, donde ayudamos a las organizaciones a implementar soluciones de automatización y software a medida, vemos en Air un aliado natural para proyectos que requieren agilidad, control y seguridad.
