Una noticia del entorno de OpenAI está generando debate actualmente: dos ingenieros de la empresa afirman haber diseñado un dispositivo de hardware con el modelo GPT-6-Astra en menos de una semana. Se trata de un gadget para el agente de programación Codex, y el diseño abarcó no solo el software, sino toda la cadena desde la carcasa pasando por la placa de circuito hasta el firmware, es decir, el software de control que se ejecuta directamente sobre el hardware.

Esto suena a una ruptura con todo lo que hasta ahora se consideraba un plazo realista en el desarrollo de productos. Sin embargo, más interesante que el récord es la parte de la historia que suele quedar eclipsada en los titulares: antes de la fabricación fueron necesarias varias rondas de corrección. El modelo no dominaba de forma consistente las tolerancias de producción, es decir, esas desviaciones dimensionales admisibles con las que deben trabajar los procesos de fabricación reales. Un modelo interno más reciente debería reducir claramente esta debilidad.

El primer borrador es rápido, los últimos porcentajes son caros

Precisamente este patrón lo conocen los responsables de proyectos del desarrollo de software. Un modelo de IA entrega en poco tiempo una primera versión sorprendentemente completa: modelo de datos, interfaces, plantillas, casos de prueba. Lo que sigue después es el laborioso trabajo en las condiciones marco, en todo aquello que está infrarrepresentado en el material de entrenamiento porque constituye conocimiento experiencial tácito.

En el hardware, esas son las tolerancias de fabricación. En proyectos web son cosas comparables: cómo se comporta una interfaz bajo carga, qué requisitos de protección de datos se aplican a un formulario determinado, cómo trabaja realmente una redacción, qué lastres arrastra una base de datos que ha crecido con el tiempo. Un modelo puede formularlo de manera que parezca plausible; si es correcto en el caso concreto solo se decide en la verificación.

Por qué las rondas de corrección no son un defecto

Sería erróneo leer el informe como prueba de una IA sobreestimada. Diseñar un dispositivo en menos de una semana sigue siendo notable, incluso con retrabajo. La lectura realista es: la IA desplaza el esfuerzo de la generación a la verificación.

Esto cambia la economía del proyecto. Si un primer borrador es casi gratuito, merece la pena generar varias variantes y compararlas en lugar de discutir largo tiempo sobre la única arquitectura correcta. Al mismo tiempo, aumenta el valor de las personas que pueden evaluar un borrador de forma rápida y fiable. La revisión pasa de ser un subproducto a una actividad central.

Qué se puede derivar de ello para los proyectos

Del proceso descrito se pueden trasladar algunos puntos sin forzar la noticia:

  • La velocidad surge en el diseño, no en la aprobación. Planifique las ganancias de tiempo allí donde surgen las variantes, no en la aceptación, las pruebas y la documentación.
  • Los bucles de corrección forman parte del plan. Un borrador generado por IA que solo está listo para producción tras varias iteraciones es lo normal, no la excepción.
  • Prever una instancia de verificación especializada. En el ejemplo fueron ingenieros quienes reconocieron los problemas de tolerancia. En proyectos de software se necesitan personas que puedan evaluar cuestiones de seguridad, rendimiento y jurídicas.
  • El estado del modelo es un parámetro del proyecto. Que un modelo interno más reciente deba reducir debilidades conocidas muestra que lo que hoy exige un costoso retrabajo puede verse distinto en pocos meses. Las decisiones de arquitectura deberían mantener abierta la posibilidad de cambiar de modelo.

El límite discurre a lo largo de la retroalimentación con la realidad

El hardware es un caso de prueba especialmente claro para esta cuestión. Una placa de circuito que se desvía una décima de milímetro no se puede parchear a posteriori; hay que fabricarla de nuevo. El software perdona más porque un despliegue es barato. Pero precisamente ahí radica también un riesgo: como las correcciones parecen fáciles, en los proyectos web a menudo se verifica demasiado poco antes de poner algo en producción.

Por eso resulta útil la pregunta de cuánto cuesta un error en el punto correspondiente. En un prototipo interno, un borrador de IA puede ejecutarse sin verificar. En un proceso de pago, una interfaz de datos con un sistema ERP o un componente que procesa datos personales, se aplican otros criterios, independientemente de lo convincente que parezca el código generado.

De la herramienta al modelo de trabajo

El verdadero avance en el caso descrito es menos la calidad de los resultados individuales que la amplitud: un único modelo abarcó la construcción de la carcasa, la electrónica y el firmware, disciplinas que de otro modo están repartidas entre distintos equipos. Para los proyectos, esto significa que las transferencias entre áreas especializadas pueden perder peso, mientras que la coordinación y los requisitos claros ganan peso.

Cuanto más genera un modelo por sí mismo, más importante se vuelve la pregunta de si las especificaciones estaban realmente completas. Un diseño puede ser coherente en sí mismo y aun así no ajustarse a la necesidad. El trabajo en requisitos precisos no se ha vuelto por ello superfluo, sino que pasa aún más a primer plano.

Clasificación para proyectos web y de software

Para el desarrollo con TYPO3 y el desarrollo individual, el ejemplo se puede traducir con sobriedad: los primeros borradores, estructuras de datos, esqueletos de extensiones y cobertura de pruebas surgen hoy mucho más rápido que hace dos años, y esta tendencia continuará. Sin embargo, la calidad fiable sigue surgiendo allí donde los especialistas verifican los borradores contra requisitos reales: contra el comportamiento bajo carga, la protección de datos, la realidad operativa y la forma de trabajar de la redacción.

Quien ajusta el presupuesto y el cronograma en consecuencia, es decir, prevé menos para la generación y más para ciclos de revisión estructurados, aprovecha la ganancia de velocidad sin entregar los riesgos.

Fuentes