La disciplina de ingeniería en el desarrollo de software ha estado en el centro de atención desde que los desarrolladores comenzaron a utilizar la IA para crear código, y a muchos equipos les preocupaba que estuviera creando riesgos innecesarios. Los titulares están llenos de advertencias sobre errores en el código que se apresuran o sobre altos ejecutivos que toman la codificación de Vibe en sus propias manos.
Aún así, los equipos están encontrando formas de generar confianza en el código generado por IA. El estudio DORA 2025 de Google concluye que la IA tiene un efecto amplificador en los procesos de las organizaciones: los procesos de calidad mejorados por la IA conducen a resultados de mayor calidad y más.
Nuestra propia investigación muestra que la mayoría de los equipos no juegan con las salvaguardas ni toman los resultados de la IA al pie de la letra. La mayoría de los equipos se están volviendo más estrictos y examinan sus resultados tanto como el trabajo de un compañero de equipo. Esto nos dice mucho sobre cómo los equipos con mejor desempeño están aprendiendo a trabajar con IA.
El 76 por ciento de los equipos empresariales están revisando el trabajo generado por IA al menos tan rigurosamente como el trabajo escrito por humanos. Los equipos que utilizan IA para acelerar su trabajo están viendo resultados al utilizar prácticas de ingeniería comprobadas para garantizar que el código se revise y pruebe adecuadamente.
En lugar de ser inherentemente inestable, el auge del código generado por IA ha enfatizado que las barreras de seguridad son la base de un software consistentemente confiable.
Utilice la IA como compañero de equipo virtual
Los equipos tratan el código generado por IA como si fuera creado por un ser humano. Los ingenieros utilizan la IA de manera más efectiva al considerarla como un compañero de equipo virtual. Están a cargo de las decisiones y utilizan la IA para acelerar la ejecución.
Hacer de la adopción de la IA un proceso iterativo que mejore con el tiempo, comenzar con tareas repetibles y de bajo riesgo y aplicar controles estrictos en los resultados permite que la tecnología funcione correctamente sin esperar resultados instantáneos.
La adopción generalizada de la codificación de IA no significa que pueda manejar por sí sola todos los aspectos de la ingeniería de software a gran escala, informa el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT. Lanzar a producción tiene más en juego que escribir código, por ejemplo. La validación de personas reales es importante para evitar que errores y alucinaciones afecten el negocio.
En esta etapa inicial del uso de la IA en los flujos de trabajo, es positivo que el 43 % de los equipos estén tratando el código de IA como código escrito por humanos, y el 33 % aplique pruebas más rigurosas. Incluso los mejores desarrolladores de un equipo no están por encima de los procesos y vías que garantizan una implementación de software confiable y rápida. La IA debería comunicarse de manera similar.
La confianza en la IA sigue la curva de riesgo
Como ocurre con cualquier tecnología nueva, introducir la IA en el ciclo de vida del software es un proceso de aprendizaje. Nuestros datos muestran que la confianza en la IA varía ampliamente según la etapa del ciclo de vida del software, lo que indica que los equipos están generando confianza con la debida cautela.
En las empresas con mejores resultados se está adoptando un enfoque pragmático. Los líderes de opinión de Gartner, Forrester y el equipo DORA de Google destacaron que las organizaciones que ven el éxito del desarrollo asistido por IA están fortaleciendo sus controles de ingeniería y logrando el éxito con el tiempo.
Esto está en consonancia con el ámbito en el que se confía en el desempeño de la IA. La gran mayoría (82%) ahora usa IA en la etapa de construcción, cayendo al 58% durante el lanzamiento, donde el riesgo de producción es mayor. Usar la IA principalmente para las primeras etapas del desarrollo de software es un paso lógico para garantizar que las fallas no afecten al negocio en general.
No revela una falta de confianza en la tecnología. Casi la mitad (46%) de los equipos confían en el rendimiento del código generado por IA, lo que indica que su uso más cauteloso en producción es una decisión empresarial mesurada y no escepticismo.
El resultado es mucho más fácil de revisar y refinar antes de la etapa de lanzamiento. Dado que muchas empresas aún carecen de una observabilidad total, los equipos a menudo se enteran de errores en el código en vivo después de que los usuarios les notifican. A pesar de las afirmaciones de que el desarrollo de software podría eventualmente automatizarse por completo, los equipos están mostrando una clara conciencia de dónde es esencial la supervisión humana.
En lugar de hacer juicios generales sobre las capacidades de la IA, están adoptando una visión más matizada, lo que es un buen augurio para el futuro de la entrega de software asistida por IA.
Combina velocidad con disciplina para ganar
Hay continuidad en la forma en que los equipos maduros garantizan que el código generado por IA sea adecuado para su propósito, pero todavía tiene un impacto sísmico en el papel de los ingenieros de software. Cuando hablo con los desarrolladores, su respuesta es unánime: el tiempo que la IA les ahorra centrarse en partes descuidadas de su proceso es invaluable.
La IA toma la carga cognitiva desde escribir código y crear configuraciones hasta revisar e instruir. Con el tiempo libre, los equipos tienen más oportunidades para priorizar la observabilidad, la cobertura de pruebas o los escenarios de recuperación ante desastres, componentes importantes de la higiene del software que a menudo se pasan por alto.
La adopción de la IA está aumentando la calidad de la documentación, según el informe DORA, lo que sugiere que muchos equipos están aprovechando la oportunidad para mejorar las prácticas de ingeniería más amplias que respaldan la entrega confiable de software.
A medida que asume los aspectos más mecánicos del desarrollo de software, los ingenieros se vuelven cada vez más responsables de las tareas más importantes: verificar los resultados, comprender los riesgos y garantizar que los resultados se alineen con los objetivos comerciales. Si alguien pregunta “¿Por qué lo hicimos así?” Si alguien no puede responder la pregunta sin preguntarle a la IA, eso es un problema. La gente debe estar al tanto.
Las organizaciones que se beneficiarán más de la IA no serán las que posean más automatización, sino aquellas que combinen la velocidad impulsada por la IA con la disciplina de ingeniería y el estricto cumplimiento de procesos repetibles.
La adopción de la IA es un desafío de DevOps
El debate en torno al código generado por IA a menudo se centra en si se puede confiar en la tecnología en DevOps. En la mayoría de los casos, los equipos construyen esta creencia de forma iterativa sin depender del juicio humano para obtener los mejores resultados.
A medida que las capacidades de IA continúan mejorando, es menos probable que la brecha entre los equipos de alto rendimiento y todos los demás esté determinada por el acceso a los últimos modelos.
Los ingenieros y equipos que prosperarán son aquellos que combinen el poder de la IA con su propio criterio.
Enumeramos las 10 mejores herramientas de codificación de vibraciones.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
