En un episodio reciente de un formato especializado sobre pruebas de software, Richard Seidl y el Dr. Benjamin Hummel hablan sobre qué tareas y qué responsabilidad quedan en manos de las desarrolladoras y los desarrolladores cuando el código es generado por IA. La pregunta, formulada de manera provocadora, es si al final solo queda leer. Toca un punto que hace tiempo se percibe en los proyectos: el cuello de botella se desplaza de la producción a la revisión.

El esfuerzo se desplaza, no desaparece

Los asistentes de IA generan grandes cantidades de código en poco tiempo. Eso acorta la fase en la que surgen las líneas — y alarga la fase en la que alguien debe evaluar si esas líneas hacen lo correcto. Quien ha escrito una función por sí mismo conoce los supuestos que hay detrás. Quien la recibe ya hecha debe reconstruir primero esos supuestos.

No se trata de una disciplina nueva. La revisión de código, es decir, la revisión de cambios por una segunda persona, forma parte del oficio desde hace años. Lo nuevo es la proporción: antes, la revisión era el control sobre un crecimiento limitado; hoy puede convertirse en la parte principal del tiempo de trabajo. Quien planifica ganancias de velocidad debería incluir también esta parte — de lo contrario, el ritmo en el diseño se ve consumido por el retrabajo en la integración.

Leer no es una actividad menor

El código generado a menudo parece plausible. Sigue patrones habituales, está formateado y comentado. Precisamente eso dificulta la revisión, porque faltan las señales superficiales de calidad en las que antes uno se habría detenido. Las preguntas relevantes están más abajo:

  • ¿La implementación resuelve el requisito real o solo la tarea formulada literalmente?
  • ¿Qué casos límite están tratados y cuáles se ignoran en silencio?
  • ¿La solución encaja con la arquitectura existente o establece un segundo patrón para el mismo problema?
  • ¿Se validan correctamente los datos, se comprueban los permisos, se tratan los errores de forma limpia?
  • ¿Surgen nuevas dependencias que deban mantenerse y actualizarse?

Esta evaluación presupone experiencia. Solo se puede revisar lo que uno mismo habría podido diseñar. Eso aboga por emplear en proyectos asistidos por IA no menos competencia sénior, sino más específica — como contrapeso a la cantidad.

Las pruebas como el juicio más sólido

Las revisiones son muestras tomadas por personas y, por tanto, dependen del estado de ánimo del día y de la presión de tiempo. Las pruebas automatizadas son la contraparte repetible. Describen lo que un sistema debe hacer y saltan cuando un cambio rompe esa promesa. En un entorno en el que los cambios llegan más rápido y en bloques más grandes, su valor aumenta.

Importante es la dirección de la mirada. Las pruebas que surgen después del código generado tienden a reflejar solo lo que el código hace de todos modos — incluidos los errores. Las pruebas derivadas del requisito, en cambio, comprueban el comportamiento deseado. Por eso vale la pena formular criterios de aceptación funcionales antes de la implementación, en un lenguaje que también entiendan los departamentos especializados.

Igual de importante es no confundir cifras altas de pruebas con seguridad. Un indicador como la cobertura de pruebas — la proporción del código que se ejecuta en las corridas de prueba — dice algo sobre el alcance, no sobre la relevancia. Lo decisivo es si están cubiertas las rutas críticas: pago, inicio de sesión, migración de datos, interfaces con sistemas de terceros.

La responsabilidad sigue siendo de las personas

Para los clientes, el aspecto organizativo es tan importante como el técnico. Un sistema asistente no asume responsabilidad; esta recae en quienes aprueban y operan el código. Esta asignación no debería quedar implícita.

En la práctica, esto significa aclarar algunos puntos en la estructura del proyecto: ¿Quién aprueba los cambios y puede ser la misma persona que formuló el prompt? ¿Qué áreas del sistema son tan sensibles que las contribuciones generadas deben revisarse especialmente o excluirse allí? ¿Cómo se documenta que un cambio fue revisado? ¿Qué reglas se aplican a las licencias y al manejo de datos internos en los prompts? ¿Y qué comprobaciones automatizadas deben superarse antes de que una persona siquiera lea?

Qué cambia en el día a día del proyecto

Tiene sentido un orden en el que las máquinas se encarguen de lo mecánico y las personas conserven el juicio. El análisis estático, las reglas de formato, las comprobaciones de dependencias y seguridad, así como la suite de pruebas, se ejecutan automáticamente en la pipeline de build. Solo después comienza la revisión funcional — y esta se concentra en la arquitectura, los casos límite y la trazabilidad.

También es útil mantener pequeños los cambios. Los bloques generados grandes son difíciles de evaluar y, en caso de duda, se aprueban sin más. Los paquetes pequeños y claramente delimitados por tema se pueden revisar, probar y revertir en caso de error.

Clasificación

Para los proyectos web y de software, esto significa una estructura de costes desplazada: lo que se ahorra al escribir debe invertirse en parte en revisión, pruebas y herramientas — el beneficio neto surge solo cuando esta estructura está en pie. Quien compara ofertas debería preguntar, por tanto, no solo por la velocidad, sino por el proceso de revisión, la cobertura de pruebas de los flujos críticos y responsabilidades de aprobación claras. La promesa más sólida en proyectos asistidos por IA no es con qué rapidez surge el código, sino con qué fiabilidad se revisa lo que entra en operación.

Fuentes