Hace poco conversaba con un amigo sobre una vieja característica de los ingenieros de sistemas que era decir siempre ‘no’. El argumento era que, durante mucho tiempo, los desarrolladores fueron quienes ponían límites a las ideas porque construir software llevaba tiempo, tenía costos y, sobre todo, generaba una responsabilidad que alguien debía asumir después.

La inteligencia artificial cambió esa ecuación. Hoy podemos pedirle a un modelo que construya un prototipo, probarlo, modificarlo y volver a empezar en una fracción del tiempo que antes necesitábamos. Logramos experimentar con ideas que quizás hubiéramos descartado simplemente porque no justificaban el esfuerzo inicial. En ese sentido, creo que deberíamos decir “sí” mucho más seguido.

Sin embargo, hay una diferencia importante entre construir código y hacerse cargo de un sistema. Que producir código sea más barato no significa que mantenerlo también lo sea.

Un prototipo puede funcionar perfectamente durante una semana y terminar convertido en una herramienta que utiliza un equipo, procesa información de clientes o se integra con otros sistemas. En ese momento dejó de ser un experimento. Alguien tiene que entenderlo, mantenerlo y responder cuando algo falla.

La inteligencia artificial puede ayudarnos mucho en esa tarea, debido a que analiza código, detecta problemas, documenta componentes, propone cambios y acelera una refactorización. Sin embargo, no elimina la responsabilidad sobre aquello que ponemos en producción. Si el sistema falla a las tres de la mañana, alguien tendrá que responder. Si se pierden datos, alguien deberá recuperarlos. Si aparece una vulnerabilidad, alguien tendrá que entender qué ocurrió y decidir cómo resolverlo.

Por eso, creo que hoy podemos pensar en dos tipos de código. Por un lado, está el código descartable: prototipos, pruebas, scripts y experimentos que estamos dispuestos a tirar. En esos casos, podemos darle mucha libertad a la IA. Generar rápido, probar y aprender sin preocuparnos demasiado por construir una solución definitiva.

Por otro lado, está el código que forma parte de un producto. Ahí me importa menos quién escribió cada línea. Me importa que el equipo entienda el sistema del que está a cargo: cómo funciona, por qué se tomaron determinadas decisiones, dónde puede fallar y qué consecuencias puede tener una falla.

No necesitamos conocer cada línea de código para asumir esa responsabilidad. Lo fundamental es poder explicar y defender aquello que pusimos en producción.

Para mí, ese es uno de los cambios más importantes que introduce la IA en el desarrollo de software. Podemos decir “sí” mucho más rápido y experimentar con mucha más libertad. El verdadero desafío será reconocer el momento en que ese experimento deja de ser descartable y se convierte en un sistema que alguien tendrá que sostener.

Ahí es cuando vuelve a aparecer la ingeniería.

Si bien la inteligencia artificial permite desarrollar software con mayor velocidad, el desafío radica en convertir esa capacidad en soluciones que respondan a necesidades reales y puedan sostenerse en el tiempo.

En Rocbird ayudamos a las empresas a incorporar IA con criterio humano, a través de talentos especializados en datos, analítica y tecnologías emergentes. Aprovechar estas herramientas requiere tanto conocimiento técnico como capacidad para entender los problemas y tomar las decisiones adecuadas.