Las cifras procedentes del interior de una gran corporación tecnológica son poco frecuentes, y por eso merece la pena echar un vistazo detenido a dos datos que el ingeniero de Google Haydn Belfield ha hecho públicos.Primero: más del 75 por ciento del código de producción de la empresa lo escribe la IA.Segundo: el 88 por ciento de los cambios sigue requiriendo control humano.

Ambos valores van de la mano.Por separado, el primero suena a una sustitución del trabajo de desarrollo, el segundo a un estancamiento.Juntos describen algo más sobrio: una división del trabajo en la que la escritura de código está en gran medida automatizada, pero la decisión sobre el qué y el si permanece en manos humanas.

Código de producción no es lo mismo que software terminado

Código de producción se refiere al código que realmente se utiliza en el funcionamiento en vivo – a diferencia de experimentos, prototipos o scripts desechables.Que una gran parte de él se genere de forma automática muestra hasta dónde llega hoy la generación de código.

Sin embargo, la proporción no dice nada sobre cuánto trabajo hay en la formulación de la tarea, en la revisión del resultado y en la corrección.A eso remite precisamente la segunda cifra.Si casi nueve de cada diez cambios necesitan control humano, entonces la IA es un ejecutor muy productivo, no un desarrollador autónomo.

Para los responsables de proyecto esta distinción es fundamental.El ahorro de tiempo se produce al teclear, al generar variantes, al rellenar patrones conocidos.No se produce automáticamente allí donde reside la complejidad real de un proyecto: en la coordinación de requisitos, en las decisiones de arquitectura, en la cuestión de qué solución seguirá siendo mantenible dentro de cinco años.

Ninguna aceleración de la investigación mediante IA de investigación

Belfield también se pronunció sobre una expectativa más ambiciosa: que la IA acelere de forma perceptible la propia investigación en IA.En Deepmind, tal aceleración no es medible.Una métrica interna, el General Capability Index, muestra un crecimiento uniforme – es decir, una mejora constante de las capacidades, pero ningún salto en el ritmo.

De ello deduce que una IA que se mejora a sí misma sigue siendo, por ahora, música del futuro.Con ello se alude a un sistema que desarrolla a sus propios sucesores y, de ese modo, se vuelve cada vez mejor más rápido.La idea marca muchos escenarios sobre los próximos años – según esta valoración, sin embargo, actualmente no hay pruebas de que ya se haya producido.

Para la planificación en las empresas, esto es una noticia tranquilizadora.Quien hoy concibe una plataforma no tiene que contar con que la base tecnológica se aleje de forma impredecible en pocos meses.Las mejoras llegan, pero llegan a un ritmo que se puede reflejar en las hojas de ruta.

Qué significa esto para la práctica en proyectos web

Las cifras no se pueden trasladar uno a uno.Google trabaja con infraestructura propia, modelos propios y una base de código muy grande y bien documentada – condiciones que no se dan así en un entorno de mediana empresa.La dirección del mensaje sí es trasladable.

  • La generación de código es el día a día, no tecnología del futuro. Quien aún no la utiliza en proyectos web está perdiendo tiempo en tareas rutinarias: componentes estándar, pruebas, pasos de migración, configuraciones recurrentes.
  • La revisión sigue siendo el cuello de botella. Si se genera mucho más código, hay que revisar mucho más código.Los equipos que no hacen crecer su capacidad de revisión solo trasladan el problema hacia atrás.
  • La responsabilidad no se puede delegar. Seguridad, protección de datos, accesibilidad y rendimiento son propiedades que alguien debe revisar y asumir.Un resultado generado es una propuesta, no una aprobación.
  • Mantener expectativas realistas. De estas cifras no se puede deducir una duplicación de la velocidad de desarrollo en el proyecto global.Se acelera un paso parcial, no toda la cadena de valor.

El aseguramiento de la calidad se convierte en competencia clave

Si escribir código resulta más barato, aumenta el valor relativo de todas las actividades que lo rodean: requisitos claros, interfaces comprensibles, pruebas automatizadas, documentación trazable.Estos trabajos siempre fueron importantes, solo que su ausencia se notaba más lentamente.

Con código generado se nota más rápido.Un modelo se orienta por lo que encuentra en la base de código existente y en el encargo.Si la estructura es confusa, surgen rápidamente muchas líneas de estructura confusa.El orden en la base de código deja de ser un fin en sí mismo y se convierte en el requisito para que la automatización siquiera produzca resultados utilizables.

En la práctica, esto significa: estándares de codificación definidos, un proceso de revisión vinculante con responsabilidades claras y una estrategia de pruebas que haga visibles pronto las regresiones – es decir, la reaparición involuntaria de errores antiguos.Estos componentes determinan si la generación de código aporta velocidad o solo deuda técnica.

Clasificación

Para los proyectos web y de software, las cifras de Google son sobre todo una ayuda de calibración: el desarrollo asistido por IA es lo bastante productivo como para planificarlo de forma fija y, al mismo tiempo, está muy lejos de asumir el control y la responsabilidad.Quien oriente a ello sus presupuestos y plazos debería incluir en el cálculo el ahorro en la implementación – y, a la vez, prever más esfuerzo para revisión y aseguramiento de la calidad.

El ritmo de los modelos crece constantemente, pero sin saltos; por lo tanto, queda tiempo para adaptar los procesos y las estructuras de equipo de forma ordenada, en lugar de reconstruirlos bajo presión.

Fuentes