La IA obliga a repensar equipos, revisión de código y responsabilidad en el desarrollo de software
La IA acelera el desarrollo de software, pero exige madurez, control y responsabilidad para evitar más errores, costes ocultos y sistemas difíciles de comprender.
Resumen del artículo publicado en infoq.com y recomendado por Digital Skills Institute el 3 de octubre de 2026.
La adopción de inteligencia artificial en el desarrollo de software exige madurez técnica, criterio organizativo y una revisión profunda de cómo se trabaja. A quienes participan en ingeniería, producto, gestión o calidad les importa porque la IA ya está cambiando la velocidad de entrega, la composición de los equipos, las responsabilidades profesionales y los riesgos asociados a sistemas que quizá nadie comprende por completo.
La discusión sobre IA se plantea con cautela frente al entusiasmo dominante. Muchas organizaciones tienden a aplicarla de forma indiscriminada o a evitarla por completo, cuando lo razonable es evaluar riesgos, impacto y contexto. No requiere el mismo grado de automatización una herramienta interna de bajo riesgo que un sistema crítico para el negocio. Por eso se propone pensar en marcos de madurez que definan cuántas personas deben intervenir, qué controles hacen falta y qué se pretende conseguir realmente con IA en cada caso.
La brecha entre organizaciones preparadas y rezagadas se amplía. Las que no incorporaron prácticas ágiles durante años pueden sufrir especialmente al añadir velocidad generada por IA sobre procesos débiles. Siguen siendo necesarias prácticas como ciclos rápidos de retroalimentación, observabilidad, aprendizaje reflexivo, confianza en lo que se entrega y orientación al valor real para los usuarios adecuados. Muchas disciplinas asociadas ahora a la IA, como los guardarraíles, la ingeniería de arneses o el desarrollo guiado por especificaciones, recuperan principios ya trabajados durante décadas.
La escala del cambio introduce una carga cognitiva difícil de gestionar. Se citan previsiones de GitHub que pasan de unos mil millones de pull requests a catorce mil millones en 2026, junto con estimaciones previas de un 300 % más de código publicado y un 400 % más de errores. Si varias sesiones con agentes trabajan a la vez, las personas deben alternar contextos constantemente y revisar volúmenes imposibles con procesos diseñados para producción humana. La revisión tradicional de código puede dejar de servir si no se crean sistemas que permitan entender qué se está construyendo.
La abundancia de código desplaza la pregunta hacia el valor: si generar software resulta mucho más fácil, aumenta el peligro de construir cosas equivocadas a gran escala. Se menciona el concepto “workslop”, producción generada por IA que dificulta el trabajo posterior, y aparece también la preocupación por los costes en tokens y por modelos hoy subvencionados por proveedores externos. Las organizaciones deberían comprobar si el retorno económico existe antes de quedar acopladas a capacidades cuyo precio podría cambiar.
El papel del ingeniero evoluciona hacia una figura custodial. AI ya representa el 42 % del código confirmado según una encuesta citada, pero el 96 % de los desarrolladores no confía plenamente en él y solo el 48 % lo verifica siempre antes de integrarlo. La tarea pasa por dirigir agentes, validar resultados, construir plataformas seguras, definir caminos recomendados y mantener conocimiento compartido mediante elementos como almacenes versionados de contexto o grafos consultables por personas y agentes.
Las estructuras de equipo también se reducen y difuminan. El antiguo equipo “de dos pizzas” puede convertirse en un grupo mínimo formado por dos personas y herramientas o enjambres de agentes. En productos críticos puede mantenerse una estructura reconocible; en iniciativas menos arriesgadas podría bastar un responsable de producto y una persona desarrolladora asistida por IA. Aun así, equipos más pequeños cargan con verificación, soporte, coordinación y responsabilidad. También preocupa que desaparezca parte del intercambio humano que alimenta la creatividad cuando cada individuo trabaja aislado con agentes entrenados sobre corpus similares.
La seguridad psicológica sigue sin estar resuelta. La colaboración entre equipos y organizaciones depende de transparencia y confianza para plantear problemas. Tras la pandemia sufrió retrocesos, y la presión actual añade ansiedad: se citan encuestas donde entre el 70 % y el 80 % cree que su rol está amenazado por IA. Un estudio mencionado indica además que la IA intensifica el trabajo en lugar de reducirlo.
Las trayectorias profesionales cambian sin eliminar la necesidad de perfiles júnior. Un caso descrito muestra cómo una empresa intentó reconstruir un sistema fiscal desde cero mediante “vibe coding” con personal inexperto y fracasó; producir algo que funciona no garantiza escalabilidad ni mantenibilidad futura. La seniority se redefine menos por cuánto código se entrega que por cuánto puede asumirse responsablemente usando todas las herramientas disponibles.
La ética gira alrededor de la rendición de cuentas. Si cuanto más se construye menos se comprende, no basta atribuir fallos a la IA. La responsabilidad debe recaer en profesionales capaces de responder por el código entregado o por los sistemas de control que permiten entregarlo con garantías. También quedan abiertas preocupaciones ambientales por el coste energético del uso intensivo de IA y riesgos culturales como la pérdida de diversidad de pensamiento en soluciones cada vez más homogéneas.
