Las máquinas están en ascenso - pero developers aún tienen las llaves

Los rumores sobre la muerte inminente del desarrollo de software —supuestamente a manos de la IA— están muy exagerados. En realidad, estamos ante una bifurcación en el camino: una opción nos lleva a adoptar la (todavía) lejana idea de un desarrollo de software totalmente automatizado; la otra, a reconocer que el trabajo de una persona desarrolladora va mucho más allá de escribir líneas de código.

La decisión que tomemos como industria podría tener consecuencias significativas a largo plazo. El aumento de la complacencia en torno al código generado por IA y el giro hacia lo que se ha denominado vibe coding —un “estilo” de programación en el que el código se genera mediante comandos en lenguaje natural hasta que parece funcionar— dará como resultado un código con más errores, más costoso de ejecutar y más difícil de modificar en el futuro. Y si continúa la devaluación de las habilidades en desarrollo de software, podríamos encontrarnos sin una fuerza laboral con las capacidades necesarias para corregir problemas más adelante.

Esto significa que las personas desarrolladoras serán más importantes que nunca en la manera en que el mundo construye y mantiene software. Sí, sus prácticas evolucionarán gracias a la asistencia con IA, pero en un mundo con cada vez más código generado por máquinas, el criterio y la experiencia humana serán fundamentales.

Los peligros del código generado por IA ya están aquí

Los riesgos del código generado por IA no son ciencia ficción: ya están entre nosotros. Una investigación realizada por GitClear a principios de este año indica que, desde que los asistentes de codificación como GitHub Copilot se popularizaron, el code churn —que GitClear define como “cambios que estaban incompletos o eran erróneos cuando la persona autora los escribió, hizo commit y los subió al repositorio de la empresa”— ha aumentado de forma significativa. GitClear también encontró una disminución notable en el número de líneas de código que se han “movido”, una señal de refactorización (esencialmente “cuidar y alimentar” el código para hacerlo más efectivo).

En otras palabras, desde que se introdujeron los asistentes de codificación, ha habido un incremento marcado en líneas de código sin un aumento proporcional en las líneas eliminadas, actualizadas o reemplazadas. Al mismo tiempo, ha disminuido el número de líneas movidas, lo que indica que se ha escrito mucho código pero no se ha refactorizado. Más código no siempre es algo bueno (a veces es todo lo contrario); los hallazgos de GitClear apuntan a una complacencia y falta de rigor respecto a la calidad del código.

¿Debemos descartar la IA del desarrollo de software?

Esto no significa que debamos descartar la IA en el desarrollo y entrega de software. Al contrario, hay mucho por lo que entusiasmarse. Como señalamos en el último volumen del Radar Tecnológico —el informe de Thoughtworks sobre tecnologías y prácticas que observamos en nuestro trabajo con cientos de clientes en todo el mundo—, el espacio de asistencia para codificación está lleno de oportunidades.

Mencionamos herramientas como Cursor, Cline y Windsurf, que permiten lo que se denomina software engineering agents. En la práctica, esto se traduce en funciones tipo agente dentro de los entornos de desarrollo, donde las personas pueden pedir que se realicen ciertas tareas de codificación utilizando lenguaje natural. A pesar del bombo, sigue siendo una colaboración entre personas y máquinas.

Dicho esto, enfocarse únicamente en la generación de código es perder de vista la variedad de formas en que la IA puede ayudar a las personas desarrolladoras. Hace tiempo que nos interesa, por ejemplo, usar IA generativa para comprender bases de código heredadas, y vemos mucho potencial en herramientas como Unblocked, un asistente de equipo basado en IA que ayuda justamente en eso. De hecho, el mes pasado exploramos cómo Claude Code, de Anthropic, podría ayudarnos a agregar soporte para nuevos lenguajes en una herramienta llamada Code Concise, que usamos para entender sistemas heredados. Los resultados fueron mixtos, pero hay potencial real.

Ajustar nuestras prácticas para aprovechar mejor la IA

Es importante recordar que gran parte del trabajo de desarrollo no consiste en crear algo desde cero. Una proporción considerable consiste en evolucionar y adaptar software ya existente (y muchas veces heredado). Bases de código extensas y desordenadas que arrastran deuda técnica son, desafortunadamente, lo común. Aplicar IA sin más probablemente empeore este desorden, no lo mejore. Y enfoques como el vibe coding solo agravan la situación.

Por eso el juicio profesional se vuelve más importante que nunca. En la última edición del Radar destacamos el diseño de código amigable con IA, basado en nuestra experiencia de que los asistentes de codificación funcionan mejor con bases de código bien estructuradas.

En la práctica, esto implica varias cosas: usar nombres claros y expresivos (para que el contexto se comunique de forma efectiva, algo esencial para el mantenimiento del código), reducir duplicaciones, asegurar la modularidad y crear abstracciones útiles. Estas prácticas ayudan a que el código sea más legible para los sistemas de IA.

Las buenas prácticas de codificación son demasiado fáciles de ignorar cuando la productividad y efectividad se miden solo por volumen de entrega. Esto ya era un problema antes de contar con herramientas de IA, y ahora hay que resistirlo aún más.

La asistencia de IA exige mayor responsabilidad humana

Mike Krieger, cofundador de Instagram, afirmó recientemente que en tres años las personas ingenieras de software no escribirán código: solo revisarán el código generado por IA. Puede parecer una afirmación audaz, pero vale la pena recordar que la revisión de código siempre ha sido una parte clave del trabajo de desarrollo. Con esto en mente, tal vez la evolución del desarrollo de software no sea tan radical como personas como Krieger lo hacen parecer.

Pero también existe el argumento de que, a medida que la IA se integre en la construcción de software, las personas desarrolladoras asumirán más responsabilidades, no menos. Esto es algo que hemos discutido bastante en Thoughtworks: la tarea de verificar que un sistema construido con IA funcione correctamente recaerá en las personas. Sí, la verificación también podrá estar asistida por IA, pero será responsabilidad de la persona desarrolladora garantizar la confianza.

En un mundo donde la confianza se ha vuelto un valor crucial —como lo demuestra la aparición del cargo Chief Trust Officer—, el trabajo de las personas desarrolladoras se vuelve aún más esencial para la infraestructura de la industria global. Por eso es vital que este trabajo sea valorado: el impacto de una automatización sin criterio o basada únicamente en “buenas vibras” podría resultar sumamente problemático (y costoso) en los próximos años.