Se está produciendo un cambio crucial en el desarrollo de software, uno que redefine nuestra forma de crear, pero también nuestra identidad como desarrolladores. En entrevistas recientes, hablamos con 22 desarrolladores que ya utilizan herramientas de IA de forma intensiva en su flujo de trabajo y descubrimos cómo lo lograron, cómo ha evolucionado su profesión y hacia dónde prevén el futuro.

Una transformación en ciernes

Para estos desarrolladores a la vanguardia, convertir la IA en una parte fundamental de su trabajo no es un futuro lejano, sino un cambio que ya está ocurriendo. Para muchos, el primer contacto con las herramientas de IA se recibió con una buena dosis de escepticismo. «Genial, pero un truco» era un dicho común, que ahora los desarrolladores interpretan como altas expectativas iniciales que chocan con la compleja frontera de las impredecibles capacidades de la IA. En ese punto, muchos descartan las herramientas de IA como inútiles, pero quienes continúan experimentando alcanzan momentos clave de «eureka» que les permiten ahorrar tiempo y descubrir las capacidades de las herramientas y cómo adaptarlas a su trabajo.

Los desarrolladores que han tenido éxito con las herramientas de IA tienen una fuerte motivación subyacente para prepararse para lo que anticipan será una transformación radical de su profesión. Para ello, experimentan incansablemente con diversas herramientas de IA, incluso cuando no siempre son útiles. «O te abrazas a la IA o abandonas tu carrera», dijo un desarrollador.

¿Cómo es la adopción de la IA para estos desarrolladores? Creemos que es una evolución gradual, impulsada por el ensayo y error diario.

Etapa 1: Escéptico de la IA. Experimenta con la IA en tareas y preguntas pequeñas. Los desarrolladores trabajan principalmente con la finalización de código y tienen poca tolerancia a la iteración y los errores. Si perseveran, se libran de sus expectativas de éxito único.

Etapa 2: Explorador de IA. Al usar la IA para depurar, crear código repetitivo y fragmentos, los desarrolladores comienzan a comprender sus limitaciones. Trabajan con finalizaciones y chat, y copian y pegan código de LLMs basados ​​en navegador. Con la práctica, evolucionan hacia la generación de ideas para tareas más complejas, adoptan la iteración y se dan cuenta de que, cuando se obtienen malos resultados, es mejor empezar de cero que obtener rendimientos decrecientes al avanzar.

Etapa 3: Colaborador de IA. Co-crea activamente con IA y desarrolla la intuición para la ingeniería de contexto. Los desarrolladores utilizan IDEs con IA para tareas de varios pasos y cambios en varios archivos, y adoptan hábitos como solicitar un plan primero, seleccionar las reglas de los agentes y alternar estratégicamente entre herramientas y modelos a medida que aprenden el proceso de pensamiento de la IA. En esta etapa, los desarrolladores también participan en debates o demostraciones internas para compartir sugerencias efectivas, casos de uso y lecciones aprendidas.

Etapa 4: Estratega de IA. Considera a la IA como un aliado clave para el desarrollo de funcionalidades, tareas complejas y refactorizaciones a gran escala. Los desarrolladores crean flujos de trabajo complejos y multiagente con modelos de planificación y codificación, aumentando la autonomía y el paralelismo a medida que avanzan. En esta etapa, los desarrolladores se muestran confiados y optimistas respecto al futuro.

Los desarrolladores de la etapa 4 declaran unánimemente que su rol ha cambiado. Ahora se centran en la delegación y la verificación de tareas. La delegación consiste en preparar a los agentes para el éxito con contexto e instrucciones completos, diseñar y perfeccionar las indicaciones, revisar los planes y las compensaciones de la IA, y realizar ajustes antes de continuar. La verificación consiste en analizar detalladamente el trabajo del agente: revisan y validan que la implementación generada por la IA cumpla con los objetivos y las convenciones necesarias. Estos desarrolladores pasaron de escribir código a diseñar y verificar la implementación realizada por los agentes de IA.

Probablemente puedas adivinar lo que sucedió después. Cuando preguntamos a los desarrolladores sobre la posibilidad de que la IA escribiera el 90% de su código, respondieron favorablemente. La mitad cree que un escenario de código escrito con un 90% de IA no solo es factible, sino probable en un plazo de 5 años, mientras que la otra mitad lo espera en un plazo de 2 años. Pero, crucialmente, para ellos, este futuro escenario no les pareció una disminución de su valor o identidad, sino una reinvención. Tras experimentar la habilidad y el esfuerzo que requiere la gestión eficaz del trabajo de los agentes, ahora tenían claro que esta será la actividad que aporte valor, en lugar de liderar la implementación. «Quizás nos convirtamos menos en productores de código y más en facilitadores de código. Mi próximo puesto podría ser Director Creativo de Código», concluyó un participante.

¿Optimismo? ¿Realismo? ¿O ambos?

Solemos ver el optimismo y el realismo como mentalidades opuestas. Pero los desarrolladores con los que hablamos tenían una combinación interesante: eran optimistas realistas . Ven el cambio, no fingen que no cambiará su trabajo, pero también creen que esta es una oportunidad para ascender. Un desarrollador dijo: «Me considero un ingeniero mediocre, y siento que este reinicio de la IA me da la oportunidad de desarrollar habilidades que me acercarán a la excelencia».

Apliquemos la lente del optimismo realista al resto de esta sección.

Perspectivas laborales

La IA automatiza cada vez más numerosas tareas de codificación, acelerando así el desarrollo de software. A medida que los modelos y las herramientas mejoran, observamos la automatización de tareas de codificación más complejas bajo la dirección de los desarrolladores (como los que entrevistamos). Esto ya es una realidad y ya no es una tendencia futura.

Si continuamos con esta idea, algunos roles tradicionales de programación disminuirán o evolucionarán significativamente a medida que el enfoque principal pase de escribir código a delegar y verificar. Al mismo tiempo, la Oficina de Estadísticas Laborales de EE. UU. proyecta que se espera que los empleos de desarrollador de software crezcan un 18 % en la próxima década , casi cinco veces el promedio nacional en todas las ocupaciones. No serán los mismos empleos de desarrollador de software que conocemos hoy, pero hay más razones para reconocer la disrupción y adaptarse que para desesperar.

¿Saben qué más notamos en las entrevistas? Los desarrolladores rara vez mencionaron el «ahorro de tiempo» como el principal beneficio de trabajar de esta nueva forma con agentes. Se centraron en aumentar la ambición. Creemos que esto significa que debemos actualizar nuestra forma de hablar (y medir) del éxito al usar estas herramientas, y debemos esperar que, tras las mejoras iniciales en la eficiencia, nos centremos en aumentar el límite de trabajo y los resultados que podemos lograr, lo cual es una forma muy diferente de interpretar las inversiones en herramientas. Esto ayuda a explicar la observación —quizás poco intuitiva al principio— de que muchos de los desarrolladores entrevistados pagaban por suscripciones de primer nivel. Al pasar de pensar en reducir el esfuerzo a pensar en ampliar el alcance, solo las capacidades más avanzadas de los agentes son suficientes.

Habilidades esenciales, antiguas y nuevas

Si aceptamos que el rol del desarrollador se está transformando, ¿cuáles son las habilidades que cobran protagonismo?

Dominio de la IA: Será fundamental comprender las capacidades y limitaciones de las diferentes herramientas, plataformas y modelos de IA para adaptar las prácticas y los flujos de trabajo en consecuencia. Esto requiere un aprendizaje práctico continuo y un compromiso con la adaptabilidad, dada la vertiginosa velocidad de la innovación en IA.

Delegación y orquestación de agentes: Para que los agentes tengan éxito, se necesitará contexto e ingeniería de indicaciones, la formulación de problemas, la optimización de tareas, la paralelización del trabajo y la articulación de criterios y restricciones de éxito. Con una mayor fluidez en IA, los desarrolladores también mejorarán su criterio y estrategias para determinar cuándo colaborar sincrónicamente con los agentes o delegarles tareas en segundo plano. No subestime la importancia de las habilidades de comunicación para la delegación: no se trata solo de usar lenguaje natural. Las instrucciones vagas o breves nunca fueron suficientes para que los colegas humanos alcanzaran los objetivos, y tampoco funcionarán para los agentes de IA.

Colaboración humano-IA: Al trabajar sincrónicamente con agentes, será importante contar con ciclos de retroalimentación iterativos y precisos, establecer puntos de parada, instruir para la autocrítica y animar a los agentes a formular preguntas. Uno de nuestros entrevistados animó a su agente a entrevistarlo para contextualizar las instrucciones.

Fundamentos: Comprender y razonar sobre código y sistemas sigue siendo crucial. A pesar de las capacidades de generación de código de la IA, los desarrolladores necesitan un conocimiento profundo de los fundamentos de la programación, los algoritmos, las estructuras de datos y los sistemas de software en general. Este conocimiento fundamental les permite comprender críticamente código complejo, evaluar la calidad del resultado de la IA y cómo se obtuvo. Es crucial para la verificación de los desarrolladores al orquestar agentes.

Verificación y control de calidad: Dado que los resultados de IA requieren un escrutinio riguroso, la capacidad de revisar, probar y verificar rigurosamente el código generado por IA es fundamental. Los desarrolladores ya lo practican mediante revisiones manuales de código, la ejecución de pruebas y el cumplimiento de los estándares. En todo caso, los flujos de trabajo de agentes necesitan una versión mejorada de esta habilidad, con una cobertura de pruebas más amplia y una atención más prioritaria a la calidad y la seguridad.

Comprensión del producto: Se trata de pensamiento sistémico, es decir, de considerar el producto en su conjunto. Esto impulsará a los desarrolladores a adoptar un enfoque híbrido que combina ingeniería, diseño y gestión de productos. En este contexto, la definición de requisitos, la creación de prototipos y diseño, la exploración de ideas y la comprensión de las necesidades de los usuarios serán clave para garantizar que las tareas de los agentes se conciban desde una perspectiva de resultados, no solo de código.

Arquitectura y diseño de sistemas: A medida que la IA gestiona más código de bajo nivel, cobra mayor importancia comprender la arquitectura general del sistema, los patrones de diseño y cómo interactúan los diferentes componentes. Esto es crucial para guiar la IA e integrar eficazmente sus resultados.

Implicaciones para la educación

Desde una perspectiva optimista y realista, el auge de la IA en el desarrollo de software señala la necesidad de reinventar también la educación en informática. Los educadores que adopten esta mentalidad reconocerán la magnitud del cambio y aprovecharán la oportunidad de preparar a los estudiantes para un rol más amplio, estratégico y creativo en la transformación del mundo digital.

Los estudiantes dependerán de la IA para escribir porciones de código cada vez más grandes. Enseñar de forma que evalúe la sintaxis repetitiva o la memorización de API se está volviendo obsoleto. La codificación básica sigue siendo una habilidad crucial, pero ahora como una forma de comprender sistemas, depurar código generado por IA y expresar ideas con claridad tanto a humanos como a máquinas. En lugar de «escribir este bucle», tendremos que cambiar a «comprender qué hace este código y qué fallaría si lo modificaras».

Los LLM y los agentes ya escriben código en el mundo real, e ignorarlos en el aula deja a los estudiantes mal preparados. Integrar herramientas de IA en la educación puede mejorar el aprendizaje, al generar más tiempo para un diseño, análisis y creatividad más profundos. Los planes de estudio deben incluir programación asistida por IA, pero centrarse en cómo colaborar con ella: incitar, revisar, editar y validar los resultados. En resumen, enseñar fluidez en IA.

Muchos programas de Ciencias de la Computación (CS) aún se centran en problemas que la IA ya puede resolver con competencia. El futuro pertenece a los desarrolladores capaces de modelar sistemas, anticipar casos extremos y traducir la ambigüedad en estructura: habilidades que la IA no puede automatizar. Necesitamos enseñar abstracción, descomposición y especificación no solo como pasos previos a la codificación, sino como la nueva codificación.

La reinvención del rol del desarrollador de software también abre puertas al pensamiento interdisciplinario y a diversas trayectorias profesionales en el sector. Podemos combinar la informática con el diseño, la ética, el pensamiento sistémico y la interacción persona-computadora, y animar a los estudiantes a verse no como programadores, sino como creadores computacionales.

Todo esto también influye en la evaluación. Los exámenes de programación tradicionales ya no reflejan las habilidades del mundo real, especialmente ahora que la IA puede resolver el problema más rápido que un humano. Evaluar a los estudiantes por su capacidad para plantear problemas, guiar a la IA, analizar soluciones y depurar resultados complejos es más significativo y con mayor futuro. Queremos crear tareas que requieran la colaboración de la IA: «Esto es lo que escribió la IA, ¿qué tiene de malo?» o «Mejora esta especificación para que una IA pueda construir lo que pretendías».

Lleva esto contigo

El rol del desarrollador de software se encuentra en una etapa de cambio significativo. No todos querrán cambiar. Gestionar agentes para lograr resultados puede parecer insatisfactorio para muchos, aunque argumentamos que eso es lo que los desarrolladores han estado haciendo en un nivel de abstracción más bajo: gestionar sus computadoras mediante lenguajes de programación para lograr resultados. Aun así, como humanos, a menudo nos resistimos al cambio, y eso está bien.

Los desarrolladores de todo el mundo ya están pasando del escepticismo a la confianza, redefiniendo sus roles, prácticas y mentalidades al asociarse con la IA. Para ellos, lo que comenzó como miedo a que la IA los reemplazara se está transformando en una aceptación pragmática de la ambiciosa realidad de la IA, viéndola como una oportunidad de crecimiento. A medida que desarrollamos las herramientas del futuro, podemos guiar a los desarrolladores en esta reinvención de su rol de maneras intuitivas, atractivas y que satisfagan su curiosidad, manteniéndolos satisfechos y felices durante la transición. Esto nos hace optimistas. De forma realista. 😉