El formato software-architektur.tv dedica un episodio a la pregunta de cómo debe construirse el software en la era de la IA generativa. El invitado es Randy Shoup en conversación con Ralf D. Müller. En cuanto al contenido, hasta ahora solo existe el anuncio; sin embargo, la ocasión es adecuada para ordenar una pregunta que actualmente está sobre la mesa en muchos proyectos: ¿Qué cambia realmente cuando los equipos de desarrollo trabajan con asistencia de IA, y qué permanece sin cambios?
El cuello de botella se desplaza
Cuando la generación de código se vuelve más rápida, el esfuerzo no desaparece, se desplaza. Se desplaza hacia la decisión sobre qué componentes deben crearse en primer lugar, cómo se relacionan entre sí y cómo se reconoce más tarde si el conjunto sigue funcionando. Precisamente eso es trabajo de arquitectura, y resulta difícil delegarlo, porque sopesa contextos funcionales, la realidad operativa y el presupuesto entre sí.
En la práctica, esto significa: los equipos que ya tenían separaciones limpias se benefician de forma perceptible. Los equipos cuyos sistemas han crecido históricamente y están deficientemente documentados producen con asistencia, sobre todo, más de lo mismo con mayor rapidez. Las herramientas refuerzan la estructura existente, no la sustituyen.
La revisión se vuelve más importante, no menos
En la revisión de código —la revisión sistemática de cambios por una segunda persona— cambia el carácter del trabajo. Clásicamente se comprueba sobre todo si alguien ha cometido un error de razonamiento. Con el código generado se añade una segunda pregunta: ¿es esta solución realmente la adecuada para este sistema, o es solo una solución estándar plausible procedente de otro contexto?
El código generado suele verse bien. Está formateado de forma consistente, nombra las cosas de manera comprensible y a menudo contiene comentarios. Eso dificulta la revisión, porque las señales superficiales de calidad ya no son inequívocas. Por eso resultan útiles las preguntas de verificación que apuntan al contexto:
- ¿El cambio utiliza componentes existentes del proyecto o construye una solución paralela al lado?
- ¿Se tratan realmente los casos de error, los permisos y los valores límite, o solo se mencionan?
- ¿El corte encaja con los límites de módulo existentes?
- ¿Existen pruebas que verifiquen el núcleo funcional, y no solo que confirmen la implementación generada?
El último punto es delicado. Si la implementación y la prueba provienen de la misma fuente, es posible que verifiquen la misma suposición errónea. Las pruebas conservan su valor sobre todo cuando se derivan del requisito funcional.
La responsabilidad sigue siendo de las personas
Para los clientes, este es el punto central: la responsabilidad de un sistema, su procesamiento de datos y su seguridad no puede transferirse a una herramienta. Quien aprueba un cambio es responsable de él, independientemente de quién o qué haya escrito el primer borrador. De ahí se deriva una regla sencilla: nada pasa a producción que nadie en el equipo pueda explicar.
Esto tiene consecuencias para la planificación del proyecto. Si la creación de una funcionalidad es más rápida, pero la comprensión y la verificación tardan lo mismo, la duración total disminuye menos de lo esperado. Más realista es suponer que la proporción del tiempo dedicada a concepción, revisión y prueba aumenta respecto al esfuerzo total.
Qué estructura rinde ahora
Algunos principios no quedan sustituidos por la asistencia de IA, sino que se vuelven más importantes:
- Límites claros entre módulos. Proporcionan tanto a las personas como a las herramientas un contexto manejable.
- Verificaciones automatizadas en la pipeline. El análisis estático, las comprobaciones de dependencias y licencias, así como los escaneos de seguridad, escalan con la cantidad de código; la revisión visual manual no lo hace.
- Decisiones documentadas. Breves notas sobre por qué se eligió una solución son la única fuente a partir de la cual puede reconstruirse la intención.
- Observabilidad en operación. El logging y las métricas muestran si un cambio se comporta en el caso de carga real como se pensó.
A ello se añaden cuestiones organizativas que deben aclararse desde el principio: ¿qué herramientas pueden utilizarse, qué datos pueden salir de la empresa durante su uso y cómo se documenta la procedencia del código? Estos puntos pertenecen a los contratos y a la Definition of Done, es decir, a la lista vinculante de lo que hace que una tarea se considere completada.
No es una cuestión de herramientas, sino de madurez
El beneficio de las herramientas generativas correlaciona menos con el modelo elegido que con la madurez del entorno de desarrollo que lo rodea. Un proyecto con builds reproducibles, pruebas significativas y un proceso de revisión que funciona puede aceptar o descartar propuestas con rapidez. Un proyecto sin estas bases pierde el control sobre su propio código más rápido que antes.
Para los proyectos web y de software, esto significa: las inversiones en estrategia de pruebas, automatización del despliegue y decisiones de arquitectura documentadas ahora rinden el doble: aseguran el mantenimiento y además hacen que la asistencia de IA sea realmente productiva. Por eso, quien evalúa una oferta debería preguntar menos por qué herramientas de asistencia se van a utilizar y más por cómo están reguladas la revisión, las pruebas y la entrega.
Die Geschwindigkeit einzelner Arbeitsschritte entscheidet selten über den Erfolg eines Projekts; die Frage, ob das System in drei Jahren noch veränderbar ist, dagegen fast immer.
Quellen
- software-architektur.tv: Softwarebauen im KI-Zeitalter – im Talk mit Randy Shoup — heise developer News