Desde que me dedico al desarrollo de software, siempre he tenido la misma sensación: las organizaciones tienden a optimizar para el pasado. Cuando me enfrento a cómo están introduciendo la IA en el desarrollo, no puedo evitar pensar que estamos optimizando para el 2008.
En los últimos meses, estoy viendo el mismo patrón en muchas compañías: un exceso de copilotos que dejan al albur del buen hacer de los desarrolladores o que hacen que los arquitectos de software pierdan el tiempo construyendo prompts de cabecera. También me he encontrado con quienes, en algún microservicio, meten una llamada a un LLM, o quizá los más avanzados han incorporado un agente (normalmente de un producto) para automatizar tareas. Pero todos ellos cometen el mismo error: mantener exactamente el mismo proceso de diseño, codificación, pruebas y entrega. Y la vida siguió, como siguen las cosas que no tienen mucho sentido.
La IA ha venido, nos guste o no, a cambiar las reglas del juego. En un proceso de desarrollo clásico, un humano o un desarrollador, que a veces no son lo mismo, es quien genera los artefactos principales, y la máquina los valida, ejecuta e incluso los despliega. Ahora mismo hay un pequeño giro que lo cambia todo: la máquina lo genera y el humano lo valida.
Lo he dicho ya varias veces: hay que reinventar el proceso y, cuando digo esto, no hablo de hacer AI washing. Hablo de darnos cuenta de que el modelo operativo ya no es lineal. El flujo pasa a ser iterativo, orientado por especificaciones y con ciclos de retroalimentación muy intensos. Los agentes escriben código, prueban, refactorizan, sintetizan requisitos incompletos, detectan anomalías y, por supuesto, generan esos artefactos que antes tardábamos días en hacer en solo horas. Y se sigue usando un proceso diseñado para la escasez, en lugar de aprovechar esta abundancia.
El otro día leí un artículo muy revelador, titulado «Augmenting software engineering with AI«, que alertaba sobre cómo los equipos están introduciendo IA en fases puntuales del ciclo sin rediseñar la arquitectura ni el way of work. Y como ello estaba generando inconsistencias y deuda técnica.
Podemos sumarle más datos a todo esto, y es que tanto Stanford HAI como Gartner hablan del aumento desmesurado en el gasto de IA generativa que se prevé para 2026; Gartner señala que superará los 2 billones de dólares. Que ser valiente no salga tan caro, que ser cobarde no valga la pena. Pero ¿cómo podrán las compañías absorber la IA sin cambiar su modelo operativo? Spoiler: no podrán.
En mi opinión, el modelo alternativo consiste principalmente en tomar dos decisiones estructurales.
La primera es asumir que hay que crear un «AI-Driven Development Lifecycle» propio. No basta con maquillar su viejo SDLC; hay que crear un ciclo nuevo en el que los artefactos generados por IA no sean accesorios, sino inputs y outputs del proceso. Esto exige fases explícitas de evaluación, validación, calidad, observabilidad, etc. Con un gobierno mínimo de la IA donde entendamos y controlemos la cadena de pensamiento.
La segunda es adoptar desde el principio el «Spec-Driven Development» como motor del nuevo ciclo de desarrollo. La IA genera mucho contenido, pero el valor del desarrollador radica en definir la partitura, no en escribir la pieza. Pero, sobre todo, en ayudar a refinar el proceso. El famoso human in the loop. Quizá developer in the loop. Por supuesto, también architect in the loop. Los agentes tienen que trabajar dentro de un marco con suficiente autonomía, pero sin tener sustos en cuanto al coste, la seguridad o la coherencia entre dominios.
Si queremos evitar que la IA multiplique el caos, es fundamental rediseñar el proceso. De esta manera multiplicaremos el valor.
Referencias:
- Las referencias a Joaquín Sabina en mis posts son intencionadas. Es la banda sonora de mi vida y de mis reflexiones. ¿Por qué? Nos sobran los motivos.
- Augmenting software engineering with AI and developing it further towards AI-assisted model-driven software engineering (jul 2025) https://arxiv.org/html/2409.18048v3
- Artificial Intelligence Index Report 2025 https://hai.stanford.edu/ai-index