publicado
Siempre ha sido así
5 mins
Siempre ha sido así
El encuentro
El otro día quedé con un buen amigo, además de un desarrollador open source de los que han creado proyectos con bastante recorrido y alcance internacional. Hablamos de cómo está cambiando el desarrollo de software y de cómo se estaba adaptando al trabajo con IA.
Su respuesta me dejó pensando:
"Me centro en definir bien las cosas, dejo que el bicho las haga y reviso cero código".
Me sorprendió. No porque no entienda el atractivo de trabajar así, sino porque venía de alguien acostumbrado a cuidar proyectos grandes y a trabajar con mucha disciplina. La conversación siguió más o menos por aquí:
—Oye, pero trabajando así pierdes el control.
—Siempre ha sido así.
Y, pensándolo después, algo de razón tenía.
Cuando una empresa externaliza un desarrollo, puede acabar recibiendo un código difícil de mantener, aunque en las reuniones se hayan cumplido todos los hitos y en los informes todo aparezca en verde. Seguro que muchos habéis visto proyectos enormes, con presupuestos importantes, que luego funcionan regular. O habéis estado en equipos donde se pedían dos aprobaciones para una pull request y alguien acababa escribiendo en el chat: "¿Quién me regala un approve?".
Eso también era perder el control. Solo que, antes, el código a veces olía desde lejos. Veías una solución improvisada, una chapuza difícil de disimular. Ahora la IA puede presentar algo muy ordenado, bien nombrado y aparentemente impecable que, por debajo, tenga decisiones equivocadas o problemas que no se ven a simple vista.
—Vale, la IA puede generar algo impresionante. Pero ¿qué pasa si el que se equivoca eres tú al definir lo que hay que hacer?
Pues toca seguir iterando y corrigiendo. Ahí se ve cuánto hay de ingeniería en el trabajo: en ser metódico, dividir el problema, concretar los pasos y saber qué pedir. Cuanto mejor sea ese proceso, menos probable es que acabes con una aplicación que parece estar al 90 % en un día y se quede para siempre en ese punto. Porque ese último 10 % suele ser justo lo más incómodo: los detalles, los casos raros, los errores y todo lo que no sale en la demo.
—¿Y cómo controlas la calidad?
Mi amigo me explicó que define un flujo de trabajo con agentes que entrevistan, diseñan e implementan. Al final, otros agentes revisan el resultado desde distintas perspectivas para intentar detectar los problemas importantes.
—¿Y si hay un fallo que no se arregla?
Se lo vuelve a pedir a la IA. Y si entra en un bucle —el famoso rabbit hole—, le toca arremangarse y resolverlo él.
Ahí aparece una cuestión que escucho bastante entre desarrolladores:
"Si es código generado por IA y no me has dejado revisarlo, no es código del que yo pueda responsabilizarme".
En teoría parece una afirmación lógica, pero el trabajo ya nos ha puesto muchas veces delante de código que no escribimos: mantenimientos heredados, desarrollos externalizados, sistemas que alguien dejó a medias. Al final, si te pagan para mantenerlo, te toca entenderlo, arreglarlo y seguir. Como decía un viejo conocido con mucho criterio: "Si te pagan es porque es chungo".
A veces hay que calzarse las botas de pescar, ponerte unas pinzas de la nariz y meterse hasta la cintura en el cenagal. La IA no elimina esa responsabilidad, eso si te puede poner nenufares flotando entre el fango.
Esto me recuerda un poco a cómo han cambiado algunos talleres mecánicos. Antes ibas al taller "bueno" y había un señor con un mono azul y un lápiz en la oreja, que escuchaba el coche y te decía: "Esto tiene pinta de ser tal cosa". Ahora lo primero suele ser enchufarlo a una máquina. Eso ayuda mucho, claro. Pero si no aparece una respuesta clara, también puede empezar el cambio de piezas por tanteo. La herramienta aporta información; el oficio sigue estando en interpretar lo que dice y decidir qué hacer.
—Entonces, ¿estamos entrando en la era del usar y tirar?
Quizá, al menos en algunos productos. Antes podíamos pensar en el software como un traje a medida: si el profesional era bueno, quedaba perfecto y duraba mucho. Pero llevaba tiempo, costaba dinero y no se podía hacer de cualquier manera.
Ahora se parece más a comprar unos vaqueros en una gran cadena. Se producen muchos, en unas tallas concretas, rápido y a buen precio. Puede que no te queden perfectos, pero te sirven. Y si se rompen, pues te compras otros.
A lo mejor dentro de poco oiremos algo así:
—Este frontend no está muy fino. Habría que dedicarle tiempo a mejorarlo.
—¿Para qué? Eso es del año pasado. Con lo que han avanzado los modelos, lo rehacemos en un par de semanas y que aguante.
No sé si acabaremos trabajando de esta manera, de forma habitual. Pero la posibilidad está ahí, y también la pregunta de qué partes del software merecen un trabajo a medida y cuáles pueden resolverse con una prenda de producción en serie.
¿La profesión ya no llena igual?
Es verdad que algunos miramos atrás con una mezcla rara de nostalgia y desconcierto.
Antes te metías de lleno en un problema: buscabas, probabas, depurabas y pasabas horas concentrado. Cuando por fin encontrabas la solución, la satisfacción era enorme. Parte de la experiencia consistía en resolver las cosas de forma que después un perfil más junior pudiera encargarse del trabajo más rutinario con facilidad.
Ahora le explicas al bicho lo que quieres hacer y muchas veces te devuelve una solución brillante. A veces, incluso, piensas: "Yo no habría llegado a esto en la vida". Otras veces se le cuelan gamusinos que no ves hasta más adelante. Y mientras tanto, el bicho se come encantado buena parte de ese trabajo más mecánico que le iba a servir a un perfil junior para pillar tablas.
Por un lado, es difícil no asombrarse de lo que se puede construir en un día. Por otro, puede aparecer una sensación extraña: ¿sigo haciendo de ingeniero si no he leído todo lo que se ha generado? ¿Qué parte del trabajo me corresponde ahora? ¿Cómo explico una decisión que no tomé línea por línea?
Quizá la respuesta más incómoda sea también la más sencilla: el mercado no tiene por qué valorar cuánto disfrutábamos construyendo cada pieza a mano. No parece que vayamos a llenar ferias de artesanía con programas hechos a mano. La profesión está cambiando, aunque todavía no sepamos del todo en qué se va a convertir.
Mi opinión de "mierda"
Soy solo un perro viejo que ha pasado por un montón de proyectos, algunos con más fortuna que otros, y viendo ahora que con el tema de la IA esto tiene novedades cada semana, me siento como un político "cambiando de opinión", pero me apetecía compartir lo que pienso, puedo estar equivocado, o igual tener razón en algún punto, el tiempo lo dirá :).
En los últimos dos años me da la impresión de que es más habitual que las nuevas versiones de software salgan con fallos. No sé si es una sensación compartida o si me he vuelto un poco paranoico, pero sí creo que conviene hablar de calidad teniendo en cuenta qué tipo de proyecto tenemos delante.
No es lo mismo:
Hacer un prototipo.
Desarrollar un software de bajo riesgo.
Trabajar en una startup que necesita demostrar rápido si su idea funciona.
Mantener un producto serio con una base de código grande.
Desarrollar un sistema crítico.
Entregar software desde una consultora a un cliente.
Si estás prototipando, dale gas. El objetivo es probar una idea. Pero conviene que quien pone el dinero sepa que un prototipo no es lo mismo que un producto. Ese problema no lo ha inventado la IA, ya pasaba antes.
En un producto de bajo riesgo, con usuarios que toleran algún tropiezo, quizá compense priorizar la velocidad y corregir sobre la marcha.
En una startup, muchas veces hay que correr para demostrar que el negocio puede funcionar. Esa urgencia puede llevar a tomar atajos, con o sin IA. El problema aparece cuando el "ya lo arreglaremos" se convierte en la forma normal de trabajar.
Con una base de código considerable y un producto serio, ir siempre a toda velocidad puede salir caro. Nosotros intentamos poner controles para que el código llegue lo más depurado posible y aún así, seguimos revisando. Eso nos convierte en parte del cuello de botella: quizá no avancemos cinco veces más rápido, sino dos. Pero también sabemos que una caída importante puede dejar el servicio fuera de juego, y que una maraña de código difícil de entender puede acabar haciendo inviable el proyecto.
Si hablamos de un sistema crítico —por ejemplo, del software que interviene en el funcionamiento de una central nuclear—, el nivel de exigencia cambia por completo. Cada componente requiere revisiones, pruebas y garantías acordes con el riesgo. Los procesos de desarrollo que incorporan IA también deben estar a la altura, aunque eso implique más tiempo y recursos.
Pero queda una pregunta incómoda: ¿cómo puede comprobar el cliente que el proveedor ha aplicado realmente esos controles? Esperemos que haya unos mínimos de rigor y ética profesional. Si no, probablemente nos encontraremos con problemas serios en los próximos años.
Y si somos una consultora aquí viene un tema complicado, en muchos casos vendes horas no producto, o presupuestos cerrados, la competencia va a ser feroz, y estamos en un dilema parecido al que comentamos con los sístemas críticos, aunque como hemos dicho antes... esto también ha ocurrido en el pasado.
Ser ingeniero en 2026
Durante años nos ha gustado llamarnos Ingenieros o Software Crafters. Ahora esa etiqueta se pone a prueba.
Cuando hablamos de ingeniería solemos pensar en procesos que buscan resultados previsibles: hago A y obtengo B. Con la IA, una misma petición puede producir respuestas parecidas, pero no idénticas. Y, además, una respuesta convincente no siempre es una respuesta correcta.
A eso se suma la presión del mercado. Tú puedes querer revisarlo todo, pero habrá proveedores que entreguen mucho más rápido o cobren bastante menos porque aceptan otro nivel de riesgo. El cliente puede comparar plazos y precios con facilidad; evaluar la calidad interna y el coste de mantener el sistema es bastante más difícil.
No sé si eso nos deja sin sitio. Sí creo que cambia dónde está el trabajo que más valor aporta. Como ingenieros, todavía podemos:
- Entender las piezas y las limitaciones con las que contamos.
- Convertir una necesidad difusa en requisitos claros.
- Diseñar procesos de desarrollo con agentes que se puedan revisar y mejorar.
- Incorporar lo aprendido en cada proyecto para ajustar esos procesos.
- Decidir cuándo la velocidad compensa y cuándo hay que parar.
- Revisar las partes importantes —o todo el sistema, si el riesgo lo exige— y responder por el resultado.
La revolución industrial cambió el tablero en el siglo XIX. En este siglo, la IA también está moviendo muchas piezas. Seguimos aprendiendo mientras las herramientas evolucionan, pero hay una diferencia curiosa: no estamos montando siempre el mismo coche en una cadena. Estamos pidiendo a un sistema que genere soluciones distintas para problemas distintos.
Y en ese escenario, quizá la pregunta no sea solo cuánto código podemos producir. También tendremos que decidir qué nivel de calidad necesita cada producto, cómo vamos a comprobarlo y quién se hace responsable cuando algo falla.
Porque, sí: en parte, siempre ha sido así. El software ya se externalizaba, se heredaba y se mantenía sin haberlo escrito. Lo que ha cambiado es que ahora podemos producir mucho más, mucho más rápido, y que algunos problemas llegan mejor vestidos.
🙌 Agradecimientos
Gracias a Luis Gonzalo Cañas Iniesta , otro perro viejo en esto del desarrollo de software, por revisar este artículo, aportar ideas y mejorar varios de los puntos. Siempre es un lujo contar con alguien que ha estado metido en mil charcos.
¿Tienes ganas de hincarle el diente a un Headless CMS?
Soy uno de los creadores de Content Island
Échame un correo si quieres que haga un webinar sobre este Headless CMS en tu empresa o centro educativo: braulio.diez@lemoncode.net