Desarrollo de software con IA: cómo innovar sin perder el control
La inteligencia artificial ya forma parte del desarrollo de software. El reto no es solo aprovechar su capacidad para acelerar tareas, sino integrarla sin perder el control sobre el código, el conocimiento y los productos digitales. Rubén Díaz, Director of Cloud Applications de Izertis, analiza cómo la compañía avanza desde el desarrollo asistido por IA hacia un ciclo de vida del software más automatizado y agéntico.
La inteligencia artificial lleva años ganando terreno en el desarrollo de software. La llegada de GitHub Copilot en 2021, antes de que ChatGPT popularizara la IA generativa entre el gran público, marcó el comienzo de una transformación que hoy afecta de lleno al trabajo de los equipos técnicos.
La cuestión ya no es si los desarrolladores van a utilizar estas herramientas. En muchos casos, ya lo hacen. La pregunta que está sobre la mesa es cómo integrarlas en los procesos de una organización, con qué modelos y bajo qué criterios de calidad, seguridad y cumplimiento.
El riesgo de perder el control
La IA puede reducir tiempos, agilizar las iteraciones con negocio y facilitar numerosas tareas. También puede contribuir a mejorar la calidad del producto, la documentación y su evolución posterior. Pero recurrir a ella para desarrollar software no está exento de riesgos.
La IA puede reducir tiempos, agilizar las iteraciones con negocio y facilitar numerosas tareas, pero no está exenta de riesgos para el desarrollo de software
Rubén Díaz los resume en una idea: la pérdida de control. “Estás delegando el desarrollo en modelos de lenguaje o agentes de inteligencia artificial que no conocen tus estándares, ni tus protocolos, que no conocen tus políticas de calidad, la normativa que tienes que cumplir...”.
A este riesgo se suman la dependencia de las herramientas utilizadas para generar y mantener el código y lo que Díaz denomina la fuga de conocimiento. “Cuanto mayor es la cantidad de código que ha sido producido por IA sin ningún tipo de especificación, control o documentación, mayor es el caos que se produce cuando tienes que solucionar problemas que salgan en producción”, advierte.
Sin contexto, especificaciones ni una supervisión adecuada, resulta más difícil comprender las decisiones técnicas, corregir errores o incorporar nuevas funcionalidades. La velocidad obtenida durante el desarrollo puede convertirse después en un problema de mantenimiento.
Ordenar el uso de la IA
La respuesta no consiste en limitar estas herramientas ni en añadir controles que ralenticen el trabajo. El objetivo es facilitar su incorporación dentro de un entorno ordenado, seguro y medible. Los equipos de desarrollo de software y productos digitales de Izertis asumieron el reto de “ordenar todo este caos, gobernarlo, con el foco puesto en facilitar la adopción y el uso correcto de la inteligencia artificial, no en meter burocracia y complicar su uso”.
El modelo se apoya en dos líneas principales. La primera busca industrializar el uso de la IA mediante herramientas, modelos y metodologías corporativas. La segunda se centra en el gobierno, la observabilidad y el aprendizaje. Ambas deben avanzar, además, en un entorno tecnológico sometido a cambios continuos en proveedores, protocolos, modelos y costes.
No se trata únicamente de poner un asistente de código a disposición de los desarrolladores. La clave está en conectarlo con el conocimiento de la empresa, sus criterios de arquitectura, sus políticas de seguridad y sus requisitos de calidad.
Del SDD al ciclo de vida agéntico
Sobre esta base, Izertis ha puesto en producción un framework y una metodología propios. El punto de partida fue el Spec-Driven Development, conocido como SDD, un modelo en el que las especificaciones dejan de desempeñar un papel secundario y se convierten en uno de los principales activos del producto digital.
Los asistentes de código deben estar conectados con el conocimiento de la empresa, sus criterios de arquitectura, sus políticas de seguridad y sus requisitos de calidad
Díaz explica que se trata de “un framework de desarrollo propio que empezó con el nombre de SDD, en el que las especificaciones se convierten en uno de los principales activos del producto digital, y que ahora está evolucionando a lo que se empieza a llamar SDLC agéntico, es decir, ciclo de vida del software agéntico”.
La IA trabaja así con requisitos, reglas de arquitectura, buenas prácticas y criterios técnicos que orientan su funcionamiento. El modelo avanza hacia un ciclo de vida del software más conectado y automatizado, en el que los agentes pueden relacionarse con las herramientas de desarrollo, calidad, seguridad, producto e infraestructura.
El entorno permite, además, observar qué modelos utilizan los equipos, cómo consumen los tokens y en qué tareas aportan más valor. Esta información ayuda a comparar soluciones, evaluar resultados y adaptar la tecnología a las necesidades de cada proyecto.
Calidad y seguridad desde el inicio
La aceleración introducida por la IA también está devolviendo protagonismo a la documentación, la calidad y la ciberseguridad. Documentar correctamente permite conservar el conocimiento sobre el producto y facilita su mantenimiento. La calidad debe incorporarse desde las primeras fases, no cuando el software ya está terminado. Lo mismo sucede con la seguridad, que debe formar parte del diseño y no limitarse a una revisión final.
El desarrollo asistido por IA deja así de ser una iniciativa aislada. Pasa a integrarse en una estrategia que conecta arquitectura, gobierno, cumplimiento normativo, calidad, ciberseguridad y control de costes.
De la metodología a los proyectos
Izertis ya utiliza este modelo en proyectos de distintos sectores. Entre ellos figura la refactorización de una plataforma de ingeniería mediante IA y SDD, con el objetivo de mejorar el código, la documentación y su evolución funcional.
El framework también se aplica en organizaciones con plataformas complejas, numerosos procesos y un volumen elevado de documentación. En estos entornos, la inteligencia artificial puede ayudar a analizar sistemas legacy, facilitar su transformación y preparar las nuevas plataformas para que sus futuras evoluciones también puedan apoyarse en IA.
La implantación no tiene por qué comenzar con un gran programa corporativo. “Se puede dividir en pequeños bloques que se pueden ir trabajando en paralelo”, sostiene Díaz. Una empresa puede empezar por seleccionar y monitorizar modelos de lenguaje, ordenar sus activos digitales para hacerlos comprensibles para la IA o probar el sistema con un equipo reducido.
La experiencia acumulada por Izertis se concreta en tres líneas de trabajo: transformar sistemas legacy, desarrollar nuevos productos preparados para evolucionar con IA e incorporar profesionales especializados a los equipos de los clientes.
El objetivo no es generar más código, sino desarrollar mejores productos digitales y mantener el control sobre ellos. Como resume Rubén Díaz, Izertis "no solo se está convirtiendo en una empresa de desarrollo de software más productiva y más competitiva. Somos un excelente socio para acompañar a empresas y organizaciones en la adopción de la inteligencia artificial en sus procesos de desarrollo de software”.