Ingeniería con IA

Hoy cuesta encontrar un equipo de software que no use asistentes de inteligencia artificial. Los desarrolladores los usan para escribir código, los líderes para preparar documentos y la gente de producto para ordenar requerimientos. La ganancia en velocidad se nota desde el primer día. Lo que casi nunca aparece es un método. Cada persona trabaja con su propio prompt, en su propia ventana, y lo que aprende en una conversación se pierde apenas la cierra.

Durante un tiempo eso alcanza. Después, los mismos problemas empiezan a repetirse de un equipo a otro. La calidad depende de quién usó el asistente ese día y de cuán bien supo preguntar. Una discusión que parecía zanjada vuelve a las pocas semanas en otro cambio. La seguridad llega cuando el código ya está escrito. Y si alguien pregunta qué estándar se aplicó a un cambio, o quién lo aprobó, nadie sabe qué responder.

El riesgo del vibecoding

Hay una forma de usar la IA que se ha vuelto popular, y la entiendo, porque es muy entretenida. Se le pide al asistente que construya algo, se comprueba que funciona y se sigue adelante. Para un prototipo de fin de semana sirve. Para un producto que maneja datos de personas, dinero o procesos de los que depende un negocio, es una apuesta.

El asistente escribe con la misma soltura una solución correcta y una equivocada, y si nadie revisa con criterio, la equivocada llega a producción con la misma confianza que la buena. Un equipo que genera código sin entenderlo acumula deuda a una velocidad que antes era imposible, porque produce más y también se equivoca más rápido.

Lo que separa a un equipo de ingeniería de un grupo de personas que le pide cosas a una máquina es el criterio para decidir qué construir, para darse cuenta de que algo anda mal y para hacerse cargo de lo que entrega. Esa parte no se puede delegar.

Qué propone GATE

De esa preocupación nació GATE, un framework abierto que ordena el trabajo con IA en un ciclo de etapas, cada una con lo que recibe, lo que entrega y quién la aprueba. La regla de fondo es que la IA prepara y las personas deciden. El asistente lee el código y los datos, redacta, cruza información y la verifica contra la fuente. La persona acepta o rechaza, elige cuando hay que ceder algo, autoriza cualquier escritura en un sistema compartido y responde por el resultado.

La pieza que más me importa es el aprendizaje. Cada decisión que se toma en un code review y cada causa raíz de un incidente se convierten en una regla del equipo, escrita y con su origen, que se aplica desde el cambio siguiente. Con el tiempo, el equipo deja de discutir dos veces lo mismo y los errores dejan de repetirse.

Cómo se lleva a una empresa

GATE es la base, y sobre ella cada empresa construye lo suyo. Sus productos, sus herramientas, su forma de organizarse y sus reglas le pertenecen, y ningún framework genérico los conoce.

La implementación parte por una persona, el orquestador, que conduce la adopción y elige el asistente con que va a trabajar la empresa, ya sea Claude, Gemini, Kiro u otro, porque GATE no impone ninguno. Con esa decisión tomada, el asistente entrevista al orquestador sobre la organización, sus roles, sus herramientas y lo que quiere lograr primero, y con esas respuestas construye el SDLC de la empresa por capas, mostrando cada una antes de pasar a la siguiente. Al final corre una verificación real, punto por punto.

Mi recomendación es partir chico, con producto y desarrollo, para que los requerimientos lleguen bien definidos y quien los construye trabaje con las reglas del equipo. Operación y seguridad vienen después, y cada etapa se abre cuando la anterior ya funciona con personas reales. Mientras dura la construcción, el orquestador deja por escrito cuándo termina esa fase, para que el sistema no dependa para siempre de una sola persona.

Lo que gana una empresa

El beneficio más visible es la productividad. La IA se hace cargo del trabajo mecánico que se come buena parte del día, como redactar tickets, reconstruir contexto, revisar línea por línea o armar la cronología de un incidente. El equipo dedica ese tiempo a decidir, y un grupo chico puede cubrir lo que antes requería varios roles.

El segundo beneficio tarda más en notarse, pero vale más, y es la mejora continua. La calidad sube porque cada review deja reglas. La seguridad mejora porque los riesgos se revisan antes de escribir código y no después. Y la operación también, porque los incidentes se diagnostican con datos y cada causa raíz se convierte en una regla que previene el siguiente. Nada de eso depende de que alguien se acuerde, porque el propio ciclo lo pone en marcha.

Hay efectos que no aparecen en ningún informe y que igual cambian a una empresa. El conocimiento deja de estar en la cabeza de dos o tres personas y queda escrito, así que alguien nuevo se integra más rápido y una renuncia deja de ser una emergencia. Las decisiones quedan registradas con sus motivos, y dentro de un año alguien va a poder entender por qué algo se hizo de cierta manera. Y de cualquier cambio se puede saber qué se pidió, qué estándar se aplicó y quién lo aprobó, algo que clientes, auditores y reguladores exigen cada vez más.

Gobernanza y responsabilidad

Gobernar el trabajo con IA consiste en definir de antemano dónde se detiene la máquina y dónde decide una persona, y dejar que todo lo demás avance rápido. GATE fija esos puntos y separa algunos roles a propósito: quien construye un cambio no lo revisa, quien propone un diseño no lo aprueba y quien construye no valida el resultado de negocio. En equipos chicos con asistencia fuerte es fácil llegar muy rápido a la respuesta equivocada, y esas separaciones son la protección.

La responsabilidad tampoco se traspasa. Un asistente puede dejar listo un deploy impecable, pero la decisión de pasar a producción la toma una persona, que responde por ella. La organización que pretende que la herramienta cargue con esa responsabilidad lo descubre en la primera auditoría o en el primer incidente serio.

Experiencia y asistencia

Para mí, esto es lo más interesante. La IA amplifica lo que encuentra. En manos de alguien sin criterio amplifica la confusión, y en manos de alguien con experiencia, que sabe qué preguntar, qué descartar y qué no puede fallar, multiplica su alcance como hace pocos años era impensable.

Cuando esa experiencia se suma a un método que guarda lo aprendido, el efecto se acumula. Cada mes el equipo trabaja sobre lo que aprendió en los meses anteriores, con más reglas, menos errores repetidos y menos tiempo perdido en reconstruir contexto. Ese crecimiento compuesto puede volverse exponencial, y sale de lo que la empresa construye alrededor del modelo de IA, porque el modelo lo puede contratar cualquiera.

Hacia dónde va esto

Los asistentes van a seguir mejorando, y rápido. Van a sostener tareas más largas, se van a equivocar menos y van a actuar con más autonomía. Por eso el método pesa cada vez más, ya que mientras más puede hacer la máquina, más cara sale una mala decisión.

La línea entre lo que hace la IA y lo que decide una persona se va a ir moviendo, y está bien que así sea, siempre que se mueva con evidencia y porque alguien lo decidió, no por descuido. Los modelos se vuelven commodity en cuestión de meses, así que la ventaja va a estar en otro lado. A las empresas que tengan su conocimiento ordenado, sus procesos claros y una cultura en la que la IA prepara y las personas deciden les va a ir mejor que a las que solo tengan el mejor modelo.

GATE es público y se puede usar libremente. Lo escribí para que cualquier empresa pueda construir su propio camino, con el asistente que prefiera. Si lo pruebas en tu equipo, me interesa mucho saber dónde se trabó y qué aprendiste.

Este artículo abre una serie. Los siguientes cuentan cómo se construyó GATE y cómo implementarlo en tu empresa.

Volver al blog