Las grandes migraciones se consideran en el desarrollo de software la categoría de proyectos más desagradable: mucho esfuerzo, poca utilidad visible, alto riesgo.Precisamente por eso, las bases de código heredadas a menudo permanecen durante años en una tecnología que nadie elegiría ya voluntariamente.Un informe sobre un proyecto de migración en GitHub muestra que este cálculo está cambiando: alrededor de 800.000 líneas de código se trasladaron allí de TypeScript y Node.js a Rust, con apoyo de IA que fue lo que hizo que el proyecto fuera económicamente viable en primer lugar.El control humano siguió siendo indispensable.

Por qué las migraciones normalmente quedan pendientes

Una migración de lenguaje no genera, en el mejor de los casos, ni una sola funcionalidad nueva.El producto se comporta después exactamente igual que antes, solo que sobre una base técnica diferente.El beneficio reside en propiedades que difícilmente se pueden traducir en puntos de la hoja de ruta: comportamiento en tiempo de ejecución, necesidades de memoria, mantenibilidad, disponibilidad de desarrolladoras y desarrolladores para el lenguaje correspondiente.

Frente a esto hay un esfuerzo que crece linealmente con la cantidad de código.Con cifras de seis dígitos de líneas, la traducción manual ya no suele ser una propuesta realista, porque ata a equipos durante meses que al mismo tiempo deben atender el negocio en curso.El resultado se conoce de muchas empresas: la migración lleva años en la lista y se pospone cada año.

Qué cambia con el apoyo de IA

Los modelos de lenguaje son comparativamente fuertes precisamente en este tipo de trabajo.Una migración es en gran parte una tarea de traducción con una plantilla clara: la estructura destino es conocida, la semántica deseada está en el código de origen y normalmente existen pruebas con las que se puede verificar el resultado.A diferencia de los desarrollos nuevos, el modelo no tiene que adivinar qué se quiere decir: tiene que trasladar lo existente.

Esto desplaza notablemente el lado de los costes.Si una parte considerable del trabajo mecánico de traducción se automatiza, el empleo de personal se traslada de la generación a la revisión.Un proyecto que antes habría fracasado por la mera cantidad se vuelve así planificable.

La capa de revisión permanece

Sin embargo, el punto central del informe de GitHub no es la automatización, sino su límite: sin control humano el resultado no era sostenible.Esto coincide con lo que en general se puede observar en el trabajo de código asistido por IA.

El código generado parece plausible.A menudo compila, se lee limpio y acierta con el estilo del lenguaje destino.Que haga lo mismo que el original en todos los casos límite no queda dicho con ello.Especialmente delicados son los puntos en los que los lenguajes difieren conceptualmente, por ejemplo en el tratamiento de la concurrencia, del manejo de errores o del ciclo de vida de los objetos.Justo ahí surgen desviaciones que ninguna suite de pruebas detecta automáticamente si las pruebas mismas provienen del mundo antiguo.

En la práctica esto significa: el tiempo ahorrado no va íntegramente al haber.Una parte se destina a la revisión, a pruebas adicionales y a corregir de forma específica los puntos en los que la automatización llega a sus límites.

Transferible a bases de código de medianas empresas

Pocas empresas se enfrentan a una migración de esta magnitud.Sin embargo, la estructura del problema es la misma cuando se quiere elevar una aplicación PHP antigua a una versión actual, migrar una instancia de TYPO3 a través de varias versiones principales o adaptar una extensión propia a un modelo de API actual.

Para tales proyectos se pueden derivar algunos puntos del procedimiento:

  • Cobertura de pruebas primero. La traducción automatizada es tan fiable como la revisión que hay detrás.Donde no existen pruebas, deberían crearse antes de la migración, contra el sistema antiguo mientras aún funciona.
  • Trabajar por etapas. Los módulos con límites claros se pueden trasladar individualmente y aceptar individualmente.Esto mantiene manejable la carga de revisión por paso.
  • Planificar la revisión como un paquete de trabajo propio. La revisión no es un apéndice, sino la parte del proyecto que determina la calidad.Debe entrar en la planificación con tiempo y responsabilidades propios.
  • Identificar áreas críticas. Procesamiento de pagos, asignación de derechos, exportaciones de datos: donde los errores resultan caros, se necesita una revisión profunda manual en lugar de muestras aleatorias.

Qué significa esto para la planificación del proyecto

La consecuencia interesante es menos de naturaleza técnica que económica.Las migraciones que hasta ahora se posponían con el argumento de «demasiado caro, demasiado largo» deben reevaluarse.Un cálculo de 2022 ya no refleja de forma fiable el esfuerzo actual para tales proyectos.

Al mismo tiempo, nada cambia en la responsabilidad sobre el resultado.Un equipo que asume una base de código debe entenderla, independientemente de quién o qué haya escrito el primer borrador.Quien contrata una migración asistida por IA contrata una generación más rápida, no un atajo en el aseguramiento de la calidad.

Para proyectos web y de software, por tanto, lo que se desplaza sobre todo es la pregunta que está al principio: ya no si una modernización es financiable en absoluto, sino cuánto esfuerzo de revisión justifica un determinado ámbito del sistema.

Quien gestiona una plataforma consolidada y va posponiendo un relanzamiento debería recalcular la viabilidad y, al mismo tiempo, fijar por escrito un presupuesto para pruebas y revisión antes de que el tiempo de desarrollo ahorrado se destine a otra cosa.

Fuentes