Web Reactiva

Surfeando la ola de la IA

Hace un año, el compañero que se burlaba de la IA en la máquina del café era el más ruidoso de la oficina. Hoy es el que baja la voz y te cuenta, casi en confesión, lo que probó anoche con un asistente de código y que le dejó con la boca abierta. Ese cambio de tono ya está en las reuniones de seguimiento, en los briefings con clientes y en los pasillos.

Si quieres tener a mano los 12 recursos de la semana, están todos ordenados en la newsletter de esta semana, con los artículos y vídeos que me llevaron a darle vueltas a este tema.

Lo que vas a encontrar aquí:

  • Por qué tanta gente genera ya la mayor parte de su código hablando con un asistente
  • Qué preguntas pasan a primer plano cuando la sintaxis deja de ser lo difícil
  • Cuatro decisiones concretas que hemos tomado en un equipo pequeño de tres personas
  • Por qué conviene hablar sin tapujos de cómo usas la IA en tu trabajo
  • El riesgo de acabar como un mero revisor de lo que otros (o algo) producen

¿Por qué los developers han pasado de reírse de la IA a usarla a diario?

Porque se ha acabado el periodo de las manos con siete dedos y los deberes de la hija. Primero fueron las bromas, luego las imágenes sospechosas y las fake news. Ahora nos estamos tragando anuncios y vídeos hechos al cien por cien con IA sin darnos ni cuenta, y los copilots de la vida se han colado en nuestro editor.

Me cruzo cada semana con artículos de compañías que confiesan haber probado un sprint de quince días trabajando solo con IA, y con developers individuales que hacen lo mismo por su cuenta. Un patrón se repite: sin esforzarse demasiado en optimizar su forma de trabajar, descubren que el 80% del código que producen sale de contarle a un asistente lo que quieren. Le das el contexto, le describes la tarea y le pides que la ejecute.

¿Nos fiamos? Lo justo. Falla, se equivoca, alucina. Pero nos fiamos más que antes, porque poco a poco aprendemos a atajar los errores. Las propias herramientas ayudan: casi todas incluyen ya una fase de planificación previa, para que no todo arranque a lo loco y el humano pueda decir si el plan tiene sentido. Y algunas verifican por su cuenta, por ejemplo lanzando los tests después de cada cambio con comandos que tú mismo defines.

💡 Aunque seas escéptico, hazte esta pregunta: ¿hay alguna parte de tu trabajo que delegarías si pudieras? Seguro que sí. Para muchos veteranos esa parte son los tests.

Y es lógico. Escribir tests unitarios o end to end cuando ya tienes el ecosistema funcionando no es la parte apasionante del oficio, aunque sea el andamio sobre el que se sostiene todo lo demás. Mucha gente ha empezado por ahí. Otros, ya rendidos a la potencia y a los peligros de estos cacharros, los usamos en más aspectos del desarrollo. Si quieres ver cómo lo hacen quienes lo llevan más lejos, tienes cómo hacer testing con IA.

¿Hasta dónde podemos usar la IA para programar?

Esa es la duda real, más que cuál es el mejor modelo o la mejor herramienta (de eso ya hablamos otras veces). Hay variedad: quien usa Claude, quien trabaja con modelos open source, quien se quedó en Copilot porque ya vivía en GitHub. La competencia es buena para que todo mejore, pero nos complica la vida porque toca decidir.

Y hay un motivo económico que quita la opción de volver atrás. Si tú desplegaras una funcionalidad en una semana y tardas tres por no apoyarte en las herramientas adecuadas, tu producto sale más caro. Si eres freelance y entregas llave en mano, tardas más en enseñar un primer prototipo que el cliente pueda ver y usar, y esa espera siempre fue un punto de fricción enorme en cualquier proyecto. Antes la herramienta se llamaba linter, análisis estático o integración continua. Ahora se llama IA. Quien no la use verá cómo otro entrega antes.

Pero no es solo cuestión de coste o de velocidad. También nos hace más atrevidos. En nuestro equipo lo vivo a diario: el jardín de contribuciones de GitHub, esos cuadraditos que se ponen más verdes cuanto más trabajas, nunca ha estado tan verde. Hay capturas que lo demuestran y las empresas lo notan. Añadir autenticación de doble factor, que además es un punto crítico donde perdemos gente (y perder gente suele ser perder dinero), ya no es un proyecto grande.

¿Qué pregunta nos hacemos ahora que el cómo se implementa se desdibuja?

Fíjate en cómo cambia la conversación. Antes, ante el doble factor, la pregunta era cómo se implementa. Ahora vas a tu asistente y le dices que quieres doble factor en el proyecto, y la primera pregunta que te haces es otra: ¿cómo impacta esto al resto del sistema? ¿Es mejor este proveedor o aquel? ¿Cómo encaja con lo que ya tenemos?

Hay equipos que incluso lanzan varios asistentes en paralelo, cada uno en una terminal, pidiendo una aproximación distinta para comparar. Yo no lo hago, pero lo veo cada vez más. Con los errores pasa lo mismo. El «¿de dónde viene este maldito error en producción?» sigue ahí, pero ahora puedes preguntarle a una herramienta con acceso a los logs dónde falla. No siempre acierta, y se pierde un poco la magia de ir a buscar el fallo, pero lo siguiente que haces es más interesante: ¿están bien los tests?, ¿falta alguno?, ¿necesitamos otra capa de comprobación?, ¿es correcta la UX o ese botón está donde no debería?

Si te interesa esta evolución del perfil, en qué habilidades necesita un programador para trabajar con IA lo desarrollo con más calma.

¿Sigue valiendo la sintaxis, o ahora el valor está en la estrategia?

La sintaxis ya no es el valor más alto de tu trabajo mirando hacia delante. Quedó atrás la etapa en la que le pedías algo en JavaScript y te lo devolvía en Python, o en la que ignoraba tus estándares de código. Escribir bien la sintaxis, la IA sabe.

Lo que queda es el toque humano: qué construyo, cómo lo construyo, qué arquitectura uso, qué necesita el usuario. Los que venimos del backend pensábamos poco en el usuario final; ahora hay que ponerlo más arriba. ¿Es esto lo bastante rápido? ¿Se integra fácil en el frontend? ¿Hace falta pasar tanta información entre capas? Son preguntas de siempre, pero ya no queda una capa de trabajo mecánico que las tape.

Y se nota en los plazos. Montar un prototipo que pruebe el cliente es cuestión de jornadas, no de semanas. Poner a prueba una idea ya no exige poner en marcha toda la maquinaria para despejar una duda.

🔑 Si el código ya no es el cuello de botella, lo son las personas: los cambios de opinión del cliente, el jefe de proyecto que no lo quiere así, el servidor que no aguanta la carga, la persona que se va y obliga a repartir su trabajo. Y los edge cases, que la IA mira con poco cariño y que tú, con olfato, detectabas mientras escribías.

¿Cómo adaptar un equipo pequeño a trabajar con IA?

Te cuento las decisiones que hemos tomado en un equipo de tres personas donde esto nos ha impactado de lleno. Este episodio probablemente quede obsoleto en unos años, pero hoy nos están sirviendo.

Primera: las estimaciones no se acortan solo porque la IA escriba más rápido. Que la máquina sea veloz no significa que lo haga mejor, y al separarte del código tienes que seguir teniendo el control de lo que se genera. Eso pide contexto, restricciones, cambios pequeños y controlados. No es vibe coding, no es tirarle algo a un chat para que monte el proyecto entero. El valor está en el control: una buena batería de tests en varios niveles y análisis estático que detecte la deuda técnica y el incumplimiento de las reglas de lenguajes y frameworks. Si quieres entender mejor ese control, necesitas revisar todo el código que genera la IA es una buena lectura.

Segunda: la documentación cambia de naturaleza. Antes documentar eran sudores y excusas. Ahora una sola petición a un modelo te genera una montaña que probablemente nadie leerá. Así que hay dos caminos: generar la documentación a medida cuando la necesitas (¿cómo creo usuarios sin especificar la contraseña?) o hacer que la IA lea esa documentación como contexto. Un truco: pon al principio los tres, cuatro o cinco puntos esenciales, una especie de quick reference que sirva tanto a humanos como a la máquina. De paso estoy haciendo experimentos con código de hace diez años para ver si la IA puede ayudar a migrarlo, y me estoy llevando sorpresas. Ya te lo contaré.

Tercera: compartir con el equipo esta nueva capa de abstracción. Ya compartes reglas de estilo, de análisis estático, de commits o de pull requests para que todos escriban igual. Pues el contexto que das a la IA, los comandos específicos que resuelven tareas repetitivas (por ejemplo redactar las merge requests), merecen el mismo cariño y deben vivir en el repositorio, no en la cabeza de cada uno. Y conviene usar más o menos las mismas herramientas.

⚠️ Si lo que has afinado con tu asistente se queda solo en tu máquina, tu equipo repite el trabajo y cada uno acaba con reglas de juego distintas.

Cuarta, y la más importante: hablar sin tapujos de lo que nos está pasando. Basta de esconder que usas IA para hacer tu trabajo. Si tu empresa lo permite, cuéntalo en las dailies y en las reuniones de seguimiento. No te hace peor profesional; te hace más visible el valor que aportas. Tareas farragosas que antes llevaban días ahora llevan una hora, y eso se puede explicar. Circula por Reddit la historia de alguien que pasó un año con su trabajo automatizado antes de la IA, cobrando sin que nadie lo supiera, hasta que lo confesó en un foro público. Mejor poner las cartas sobre la mesa, dentro de lo que permita el compliance, porque muchas empresas no te dejan usar nada. Y para quien quiera hacerlo bien desde dentro, cómo implantar la IA en un equipo de desarrollo sin caos puede ayudarte a plantear la conversación.

¿Qué riesgo corremos si nos convertimos en meros revisores?

Hay un documental de hace unos veinte años, Paisajes transformados (Manufactured Landscapes), de un fotógrafo canadiense que entra en una fábrica china. Se ven manos montando radios a ritmo récord. Hay una escena que tengo grabada a fuego: una persona con un fajo de piezas de plástico, todas iguales, comprobando una por una que por cada tubito pasa el agua. Uno por uno. Ni siquiera monta nada. Revisa.

No quiero que acabemos así. Y puede pasar. Las reuniones ya se resumen con IA, hay quien manda a su agente a que asista por él, y las tareas nacen directamente de esas reuniones. Los navegadores y hasta los sistemas operativos se pueden controlar con IA, que va haciendo capturas y decide si lo que ves está bien o mal. Hay agentes que ejecutan el proceso del software de principio a fin, conectados a un MCP de GitHub y a una herramienta de revisión de código. Conseguirlo da trabajo, pero se puede. Si encadenamos todo eso y nuestro papel es solo mirar, vale más que eso.

¿Cómo surfear esta ola sin caerse?

Con cuidado, con control y en compañía. Entender cómo funciona todo esto, ponerte las pilas y adaptarte sin pasarte las noches soñando que un robot te quita el puesto. Las cuatro decisiones de arriba son mi punto de partida: estimar con realismo, documentar a medida, compartir lo que aprendes y contar cómo trabajas.

Si quieres seguir la conversación, deja tu comentario en la newsletter o en las notas del programa. Esto lo vamos resolviendo entre todos.

🧨 Última oportunidad para recibir la dinamita que mereces sobre programación con IA el próximo domingo: Suscríbete gratis a Web Reactiva en https://webreactiva.com/newsletter

Escrito por:

Imagen de Daniel Primo

Daniel Primo

CEO en pantuflas de Web Reactiva. Programador y formador en tecnologías que cambian el mundo y a las personas. Activo en linkedin, en substack y canal @webreactiva en telegram

Lo más popular

  1. 1Qué es el AI harness y el harness engineeringEn tendencia404 calambrazos
  2. 2SDD: qué es el Spec Driven Development y uso con IAEn tendencia201 calambrazos
  3. 310 mejores skills para Claude Code aplicadas a metodologías de agentes189 calambrazos
  4. 4Los mejores plugins para OpenCode 2160 calambrazos
  5. 5Claude Fable 5.2 vs Opus 5.5: precio, benchmarks y cuál usarEn tendencia141 calambrazos

Aquí hay algo que podría hacer cambiar tu futuro.

Usamos cookies de terceros para mostrar este formulario de suscripción (que no es de publicidad ;)

Leer más