Desarrollo con IA, mito y realidad: lo que omite la frase "la IA escribe todo el código"
La IA dejó casi en cero el costo de generar código, pero la mayor parte del costo del software nunca estuvo en generarlo, sino en verificarlo, integrarlo y operarlo. Por qué el cuello de botella pasó de la rapidez al escribir a cómo se demuestra que funciona.
"Ahora la IA escribe todo el código" es una frase verdadera solo a medias. La mitad cierta es la generación. La IA produce una función, un componente o un conjunto completo de pantallas de alta, consulta, modificación y baja en segundos. La mitad que omite es todo lo demás: si ese código realmente hace lo que se pretendía, si choca con el sistema existente, si se derrumba en los casos límite y si seguirá funcionando dentro de seis meses.
El costo del software nunca estuvo realmente en teclear. Comprobar que el código es correcto, integrarlo y repararlo cuando falla lleva mucho más tiempo que escribirlo. La IA abarató aún más la parte más barata y dejó casi intacta la más cara. Por eso el cuello de botella no desapareció. Se trasladó.
Este artículo separa tres mitos y tres realidades del desarrollo con IA. No desde el marketing, sino desde la operación de un equipo que de verdad ha entregado trabajo con un enfoque nativo de IA.
Mito 1: "La IA se encarga de todo"
Una demostración dura cinco minutos. La producción es otra cosa.
Si le pide a una IA "hazme el carrito de compras de una tienda en línea", obtendrá una pantalla que parece funcionar. El problema empieza después. ¿Qué pasa si dos personas ponen en su carrito la última unidad del mismo producto al mismo tiempo? ¿Y si se corta la conexión durante el pago? ¿Sale bien el total cuando se usan juntos un cupón y puntos de fidelidad? La IA no plantea estas preguntas por iniciativa propia. Las responde si se le pregunta, pero elaborar la lista de preguntas sigue siendo tarea de una persona.
La ilusión de que "se encarga de todo" nace de confundir generación con especificación. La IA es buena convirtiendo una especificación dada en código. Pero decidir qué construir y qué cuenta como "correcto" no es generar. Si ese criterio falta, la IA llena los huecos con valores por defecto convincentes, y la probabilidad de que esos valores coincidan con las reglas de su negocio no es alta.
Mito 2: "Se puede lanzar sin verificar"
El verdadero riesgo del código hecho por IA no es que no sepa programar. Es que se equivoca de forma convincente.
Compila, la pantalla carga, el caso ideal funciona. En la revisión de código también parece correcto. Sin embargo, bajo ciertas condiciones permite existencias negativas, omite una verificación de permisos en un lugar o redondea mal los decimales en una conversión de moneda. Los errores que escribe una persona suelen llamar la atención porque se ven raros. Los errores que escribe una IA tienen el mismo tono que el código que los rodea, así que se esconden mejor.
No es una simple impresión. Hicimos mediciones internas con trabajos de distintos tamaños, usando el mismo proceso de generación y verificación que Gaebari usa para producir sus entregables. El porcentaje de código generado por IA con una sola instrucción que superaba la compuerta de verificación (las pruebas) al primer intento se desplomaba a medida que crecía el tamaño: 93–100% en un solo archivo de 300 líneas de código (LOC) o menos, un promedio de 48,7% en un solo archivo de unas 800 LOC, y 0% en cuanto el trabajo se repartía en dos o más archivos. Incluso con la temperatura fijada en 0, el colapso ocurría de forma determinista en el mismo punto cada vez.
"Lo hizo la IA, así que es rápido" y "lo hizo la IA, así que confío en ello" son afirmaciones distintas. Generar rápido no exime de verificar. De hecho, como generar se abarató, aumentó el volumen de resultados que hay que verificar, de modo que, si la verificación no está automatizada, la velocidad total incluso baja. Que una persona revise todo a ojo no puede seguir el ritmo de la generación.
Mito 3: "El costo de desarrollo llega a cero"
El costo no desapareció. Se trasladó.
Si se desglosa el costo total de una línea de software, se reparte más o menos en escritura, verificación, integración, y operación y mantenimiento. Contra lo que suele creerse, la escritura es la parte más pequeña y el mantenimiento la más grande. La IA llevó la parte más pequeña casi a cero. ¿Y el resto?
| Etapa | Antes de la IA | Después de la IA |
|---|---|---|
| Escribir código | Personas, lento | IA, casi cero |
| Verificación (demostrar que funciona) | Personas, caro | Sigue siendo caro, y ahora hay más |
| Integración (unir con el sistema existente) | Personas, caro | Siguen siendo personas |
| Operación y mantenimiento | Personas, lo más caro | Sigue siendo lo más caro |
Por eso fracasan los proyectos que empiezan con la expectativa de que "desarrollar con IA sale gratis". Que el costo de generar llegue a cero no significa que el costo total llegue a cero, pero si los presupuestos y los plazos se basan en el costo de generación, el presupuesto se desborda en las etapas de verificación, integración y operación. Si no sabe adónde fue el costo, tampoco puede gestionarlo.
Realidad 1: La verdadera palanca es la compuerta de verificación
Ahora que generar es barato, lo que marca la diferencia no es la rapidez al escribir, sino cómo se demuestra que funciona.
En el centro de la forma en que Gaebari entrega su trabajo está la verify-gate. Lo que produce la IA nunca se entrega automáticamente. Solo pasa lo que supera una verificación definida de antemano. Si no la supera, vuelve al ciclo de generación. La condición para pasar no es que a una persona le parezca convincente, sino que cumpla de verdad los criterios definidos.
Esta compuerta es el mecanismo que frena el problema de "equivocarse de forma convincente" del Mito 2. Parte de aceptar que la generación es barata e imperfecta y, a cambio, endurece los criterios para pasar. Producir mucho y rápido, pero entregar solo lo demostrado.
“Testing shows the presence, not the absence of bugs.”
La compuerta de verificación no lo resuelve todo. Como dijo Dijkstra, las pruebas no demuestran la ausencia de errores. Pero el valor de la compuerta no es la perfección, sino la consistencia. La rigurosidad de la verificación no varía según el ánimo de una persona o la presión de un plazo; los criterios definidos se aplican igual cada vez. Si la IA puede repetir la generación sin límite, la verificación también tiene que poder repetirse sin límite para estar a la par.
Realidad 2: El ciclo oracle-author, donde las personas escriben el criterio de lo correcto
Para que la compuerta de verificación funcione, tiene que existir un criterio de "qué es correcto". Escribir ese criterio es escribir el oráculo (el criterio que juzga si una respuesta es correcta).
En la operación nativa de IA, aquí es donde se concentra la mayor parte del tiempo humano. En lugar de teclear código, se define "qué demuestra que esta función es correcta": qué salida debe producir cada entrada, qué casos límite deben bloquearse, qué invariantes nunca deben romperse. Ese oráculo se convierte en la condición para pasar del ciclo de generación.
El ciclo es sencillo. Una persona escribe el oráculo → la IA genera el resultado → la compuerta lo verifica contra el oráculo → si falla, se genera de nuevo; si pasa, se entrega. Generar es barato, así que puede repetirse muchas veces, y la verificación está automatizada con el oráculo, así que nadie tiene que revisar cada intento. El costoso tiempo humano se concentra en fijar los criterios.
Por eso es falso que "la IA reemplaza a los desarrolladores". Lo que se reemplazó fue teclear. Lo que queda para las personas es lo más difícil: definir qué es correcto.
Realidad 3: El papel humano no desapareció, se trasladó
Antes de la IA, la mayor parte del tiempo de un desarrollador se iba en implementar. Después de la IA, ese tiempo se redistribuye en tres frentes: la especificación (qué construir), el oráculo (qué es correcto) y el criterio (detectar lo que la compuerta no atrapó y decidir los compromisos).
Ninguno de los tres es generación. Todos requieren contexto, conocimiento del sector y criterio de negocio. Si se acota al comercio en línea, queda aún más claro. "¿Cómo se fija el ciclo de liquidación?", "¿Cómo interactúa la política de devoluciones con los puntos de fidelidad?", "¿En qué momento se sincroniza el inventario entre canales de venta?" La IA no toma estas decisiones por usted. Solo implementa, con rapidez, lo que ya se decidió.
Por eso el desarrollo nativo de IA se parece menos a "las personas trabajan menos" y más a "las personas hacen otro trabajo". Más exactamente, consiste en quedarse solo con el trabajo de mayor palanca, fijar criterios y decidir, y entregar el resto a la máquina.
Resumen: mito y realidad en una tabla
| Mito (ilusión) | Realidad |
|---|---|
| La IA se encarga de todo | La especificación y el criterio siguen siendo tarea humana |
| Lanzar sin verificar | Las respuestas erróneas convincentes hicieron más importante la verificación |
| El costo de desarrollo llega a cero | El costo se trasladó a verificación, integración y operación |
La IA es una herramienta. Potente, pero no decide por usted qué construir ni qué es correcto. Usar bien el desarrollo con IA no significa sacar a las personas. Significa construir un sistema que combine la generación barata con una compuerta de verificación rigurosa y entregue solo resultados que han demostrado funcionar. En una época en la que generar es gratis, ahí es donde se define la ventaja competitiva.
Preguntas frecuentes
자주 묻는 질문
¿La IA reemplazará a los desarrolladores?
Buena parte del trabajo de teclear código se automatizará. Pero decidir qué construir (la especificación), qué es correcto (el oráculo) y detectar lo que la compuerta pasó por alto sigue siendo trabajo humano. El papel no desaparece; se desplaza hacia un trabajo más difícil.
¿Puedo usar el código hecho por IA tal cual, sin verificarlo?
Es arriesgado. Lo que caracteriza al código de IA no es que no sepa programar, sino que se equivoca de forma convincente. Compila y la pantalla carga, pero bajo ciertas condiciones puede violar las reglas de su negocio. Debe pasar por una compuerta de verificación que demuestre que funciona según criterios definidos.
¿Desarrollar con IA deja el costo en cero?
El costo de generar código se acerca a cero. Pero la mayor parte del costo del software nunca estuvo en generarlo, sino en la verificación, la integración, la operación y el mantenimiento, y esa parte se mantiene. El costo no desapareció. Se trasladó.
Gaebari entrega sus trabajos de esta manera: combina la generación barata con una compuerta de verificación y entrega solo lo que ha demostrado funcionar. Contacto: gaebari.com/contact
