Las herramientas basadas en inteligencia artificial, los llamados „agentes de codificación“, están cambiando radicalmente la forma de crear software hoy en día. Pero no todas las áreas de desarrollo se están acelerando de la misma manera. Entender estas diferencias es clave para acertar con los equipos y establecer expectativas realistas.

La mayor contribución de la IA se observa en el desarrollo frontend. Por ejemplo, a la hora de crear sitios web para tiendas electrónicas. Los modelos modernos dominan a la perfección lenguajes como TypeScript o JavaScript y frameworks como React o Angular. Gracias a ello, pueden generar interfaces funcionales muy rápidamente y, además, iterar de forma independiente en función de los resultados en el navegador. El diseño visual sigue siendo un punto débil por ahora, pero si el diseño está predeterminado, la implementación es significativamente más rápida que antes.

El desarrollo del backend, como la creación de API para trabajar con datos, es más complejo. Requiere una orientación más cuidadosa por parte de desarrolladores experimentados, especialmente debido a los casos extremos que pueden dar lugar a errores o problemas de seguridad. Además, los errores en el backend suelen causar problemas opacos, como corrupción de la base de datos o resultados incorrectos de las consultas. Aunque la IA ayuda a acelerar el trabajo, sigue siendo cierto que un backend de calidad requiere experiencia y un diseño minucioso.

La IA tiene una contribución aún menor que hacer en infraestructuras. Tareas como escalar un sistema para miles de usuarios manteniendo al mismo tiempo una alta fiabilidad requieren un profundo conocimiento y un sentido de las compensaciones. Los modelos actuales tienen conocimientos limitados en este ámbito y, por tanto, no son muy fiables a la hora de tomar decisiones críticas. Además, detectar errores de infraestructura, como desconfiguraciones de la red, es una de las tareas más difíciles que existen.

Hasta ahora, la IA ha sido la menos útil en investigación. Ésta implica formular hipótesis, experimentar, interpretar resultados y probarlos repetidamente. Aunque los agentes de codificación pueden acelerar la escritura de código para experimentos o ayudar a organizarlos, la mayor parte del trabajo de investigación implica pensar y tomar decisiones, donde la IA tiene un papel limitado hasta ahora.

La división del trabajo de software en frontend, backend, infraestructura e investigación es simplista pero útil. Ayuda a las empresas a organizar mejor los equipos y establecer expectativas. Mientras que los equipos de frontend pueden trabajar hoy mucho más rápido que hace un año, el ritmo solo ha cambiado mínimamente para los equipos de investigación.

Así pues, el desarrollo de software está entrando en una nueva fase en la que la velocidad depende cada vez más del uso correcto de la IA, pero también de que aún no se hayan sobrepasado sus límites.

deeplearning.ai/gnews.cz - GH