La IA no solo facilita la codificación. Hace que la codificación sea más divertida.

La IA generativa (IA gen) está cambiando la forma en que se hacen las películas, la forma en la que se hace el marketing y la forma en la que se juegan los juegos. Mientras que gran parte de la atención de los medios se centra en lo que la IA generativa puede hacer en términos de transformación digital, creación de contenidos y aumento de la productividad, se presta menos atención a cómo puede hacer que escribir código sea más satisfactorio, incluso divertido.

La IA generativa que sirve como asistente de codificación no solo ayuda a los ingenieros de software a hacer su trabajo más rápido; también está aumentando la satisfacción y el compromiso de los desarrolladores. Los desarrolladores están utilizando la IA generativa para escribir código repetitivo y ayudar a definir el formato básico, lo que les deja más tiempo para concentrarse en los aspectos creativos del trabajo, como la resolución de problemas, la creación de nuevas lógicas y el diseño de sistemas únicos. Estas tareas creativas de alto nivel suelen ser las que a los programadores les encanta realizar.

Un estudio de McKinsey descubrió que los desarrolladores que utilizaban herramientas de IA generativa tenían más del doble de probabilidades de informar sobre la felicidad general, la satisfacción y la capacidad de alcanzar un estado de flujo en el trabajo.

Imagine un desarrollador al que se le ha asignado la tarea de crear una nueva aplicación web para una plataforma de comercio electrónico. El desarrollador puede diseñar una experiencia de usuario e implementar características como un motor de recomendaciones y precios dinámicos. Sin embargo, antes de que puedan comenzar con los elementos interesantes del diseño, el desarrollador tiene una montaña de trabajo duro que realizar.

Necesitan configurar el backend, lo que requiere escribir el mismo código repetitivo que han escrito docenas de veces antes, ejecutar inicializaciones, definir rutas básicas y configurar el middleware. Ninguno de ellos es exclusivo del proyecto, pero cada elemento es necesario para la aplicación. Una vez terminado el trabajo preliminar, hay que establecer una conexión a la base de datos y configurar los controladores de la base de datos junto con los esquemas de los productos, los clientes y los pedidos, junto con muchas otras tareas que no son de codificación ni de desarrollo.

Aunque el desarrollador puede estar ansioso por llegar a las características básicas que harán que la plataforma sea única y atractiva para los usuarios, el trabajo repetitivo consume gran parte del calendario del proyecto. Si bien es necesario sentar unas bases sólidas, la productividad de los desarrolladores puede ralentizarse, ya que este trabajo rutinario parece una tarea pesada en comparación con los aspectos más creativos de la codificación.

La codificación requiere mucho tiempo y es propensa a errores. Requiere mucho tiempo y recursos para producir resultados de alta calidad. Los estudios demuestran que, en el ciclo de desarrollo tradicional, los desarrolladores dedican una media de 1 hora al día a la codificación real, mientras que las actividades repetitivas e indiferenciadas consumen la mayor parte de su tiempo. Estas tareas suelen implicar lidiar con código heredado, documentar procesos, escribir pruebas, gestionar versiones, depurar errores e identificar vulnerabilidades de seguridad. Por ejemplo, un día normal para un programador puede empezar con revisiones de código o con la revisión de un pull request. Esto puede ir seguido de la resolución de un error notificado por un equipo de control de calidad y, a continuación, la redacción de un plan de implementación, todo ello antes de que puedan escribir una sola línea de código nuevo.

"La IA generativa permite a los desarrolladores automatizar las tareas tediosas y mundanas que quitan tiempo a la creación de software", afirma Anna Gutowska, científica de datos de IBM. Un ejemplo es algo tan simple como un bot que ejecuta scripts a primera hora de la mañana y genera un "informe de estado" para su software. Esto significa que se dedica menos tiempo a ejecutar scripts manuales y más tiempo a poner en práctica las habilidades".

Los desarrolladores también enfrentan el desafío de mantenerse actualizados con las tecnologías y los marcos cambiantes como React, Kubernetes o Flutter. No es poca cosa, ya que el panorama del desarrollo de software evoluciona rápidamente. Mantenerse al día con estos avances exige una importante inversión de tiempo en aprendizaje y experimentación continuos, dejando menos tiempo para los aspectos creativos y gratificantes del desarrollo. La necesidad constante de hacer malabarismos con estas responsabilidades, combinada con la presión de entregar un código sólido y sin errores, puede hacer que la codificación sea una profesión estresante y abrumadora.

Las herramientas de IA generativa también desempeñan un papel en los flujos de trabajo de DevOps, ya que ayudan con la automatización de la implementación, la integración continua y la monitorización. Más allá de la asistencia de codificación, la IA generativa puede proporcionar análisis de datos y ayudar a los programadores a interpretar conjuntos de datos complejos para medir mejor el impacto de las decisiones arquitectónicas y las optimizaciones del sistema.

De acuerdo, es posible que la IA no "adore" las tareas aburridas, pero sobresale en la búsqueda y replicación de patrones complejos, lo que la convierte en una solución ideal para automatizar los aspectos repetitivos de la codificación. Tareas como la generación de código repetitivo (esas piezas de andamiaje tediosas pero necesarias) pueden generarse en segundos mediante herramientas de IA generativa. La IA también puede ayudar con la integración de la interfaz de programación de aplicaciones (API) mediante la generación automática de endpoints, la gestión de la autenticación y la estructuración de solicitudes, y la reducción del esfuerzo de codificación manual. Otro ejemplo, como se describe en Wired, es una herramienta de IA llamada SWE-agent. Esta herramienta de IA identificó un error en un repositorio de GitHub, localizó el archivo relevante y modificó el código correctamente, ahorrando horas de tiempo de depuración potencial para el desarrollador aficionado.

Estas herramientas no son meros asistentes; algunas se asemejan a mentores de nivel experto. Los sistemas de IA generativa pueden proporcionar explicaciones, ejemplos y orientación en tiempo real, lo que permite a los desarrolladores dedicar menos tiempo a solucionar problemas y más a innovar. Este cambio les permite centrarse en escribir código de calidad, como diseñar soluciones creativas o mejorar las arquitecturas de los sistemas, al tiempo que reducen la carga cognitiva asociada a la resolución repetitiva de problemas. Al detectar y perfeccionar automáticamente los cambios en el código, la IA ayuda a prevenir regresiones y garantiza que las nuevas implementaciones se ajusten a buenas prácticas.

"IBM watsonx Code Assistant pudo identificar varias vulnerabilidades potenciales, fugas de memoria y malas prácticas de codificación... y ofreció recomendaciones de mejora". - Feedback de los clientes sobre IBM watsonx Code Assistant

La IA generativa también acelera el aprendizaje de los desarrolladores. Les ayuda a comprender rápidamente nuevos lenguajes de programación, marcos y paradigmas, al tiempo que ofrece conocimiento sobre bases de código complejas o desconocidas. Para los desarrolladores junior, los beneficios son particularmente sorprendentes.

"No teníamos grandes expectativas, pero nos sorprendió gratamente lo buena que era", afirma Asher Scott, desarrollador de full stack de IBM, en referencia a watsonx Code Assistant. "Me ayudó a llevar mis habilidades al siguiente nivel".

Los desarrolladores junior informan de aumentos significativos en la productividad y la adquisición de habilidades, lo que les ayuda a aumentar su experiencia y confianza más rápido de lo que permiten los métodos tradicionales. Al eliminar las barreras de entrada y agilizar el proceso de aprendizaje, la IA permite a los desarrolladores de todos los niveles afrontar los retos con más entusiasmo.

Según una encuesta de KPMG, la mitad de los programadores encuestados cree que la IA y la automatización han tenido un impacto positivo en sus carreras al mejorar la productividad y abrir nuevas oportunidades. Del mismo modo, una encuesta de OpenAI ChatGPT encuestado reveló que el 50 % de los desarrolladores informaron de una mejora de la productividad mediante el uso de la IA, y el 23 % experimentaron ganancias significativas.

Una encuesta de GitHub muestra que estas ganancias de productividad ofrecen mayores eficiencias al flujo de trabajo existente de un programador. Los desarrolladores que utilizan herramientas de codificación de IA informan de una mayor satisfacción debido a su capacidad para automatizar tareas repetitivas o tediosas para centrarse en el diseño de la solución en lugar del código repetitivo. Los asistentes de código ayudan a reducir la tensión mental y pueden prevenir el agotamiento. Ayudan a los desarrolladores a cumplir con los estándares de rendimiento más fácilmente, lo que mejora la calidad del código, produce salidas más rápidas y reduce los incidentes.

El impacto de la IA generativa en la satisfacción laboral se deriva en gran medida de su capacidad para proporcionar conocimiento y agilizar los tediosos flujos de trabajo de desarrollo. Por ejemplo, las herramientas de desarrollo con IA, como watsonx Code Assistant (WCA), GitHub Copilot y SWE-agent, han demostrado el poder de la generación, depuración y optimización de código en tiempo real. Este tipo de eficiencia no sólo reduce la frustración, sino que también libera a los desarrolladores, especialmente a los junior, para que se centren en resolver problemas más complejos y gratificantes. Al automatizar las tareas rutinarias, las herramientas con IA mejoran la funcionalidad, lo que permite a los desarrolladores concentrarse en la innovación en lugar de en la codificación repetitiva.

Según GitHub, el 57 % de los desarrolladores encuestados afirman que el uso de herramientas de codificación de IA les ayuda a desarrollar sus habilidades lingüísticas de codificación, que consideran el principal beneficio de usar estas aplicaciones (siendo el segundo beneficio una mayor productividad). Esto sugiere que los desarrolladores ven el uso de herramientas de codificación de IA como una forma de mejorar sus habilidades mientras trabajan, en lugar de añadir otra tarea a su jornada laboral para el aprendizaje y el desarrollo.

Para los desarrolladores junior, la IA generativa acelera la mejora y el reciclaje de habilidades al proporcionar ejemplos en tiempo real y orientación contextual, ayudándoles a adquirir competencias rápidamente y contribuir antes a sus equipos. Con WCA, los equipos de desarrollo que trabajan en entornos de desarrollo empresarial complejos, como la modernización del mainframe o la migración de Java, pueden automatizar transformaciones tediosas de código mientras reciben conocimiento impulsado por IA sobre buenas prácticas. Esto significa que los desarrolladores junior pueden avanzar en sus tareas sin tener que detenerse y consultar con un desarrollador senior con tanta frecuencia, lo que les permite generar confianza y autonomía más rápido.

La IA también está transformando la forma en que los desarrolladores abordan la creación de prototipos y la innovación. Los trabajos que antes requerían horas de codificación manual ahora se pueden completar en una fracción del tiempo. Por ejemplo, un desarrollador que diseñe una nueva característica podría utilizar la IA generativa para crear un borrador de implementación, iterarlo rápidamente e integrarlo en el proyecto más amplio. Este plazo de entrega más rápido permite una mayor experimentación y creatividad, que suelen ser los aspectos más gratificantes del desarrollo de software.

Al automatizar las tareas rutinarias, los desarrolladores pueden adaptarse más fácilmente a entornos de trabajo remotos o asíncronos. Las herramientas de IA también permiten una mejor colaboración al generar sugerencias de código y explicaciones fáciles de revisar y comprender para los miembros del equipo. Estas mejoras contribuyen a una experiencia positiva del desarrollador, lo que hace que el desarrollo de software no sólo sea más productivo, sino también más adaptable a las diversas necesidades de las plantillas modernas, lo que contribuye a una mayor satisfacción en el trabajo y al equilibrio entre la vida laboral y personal.

Las herramientas de IA generativa también ayudan a los desarrolladores a perfeccionar sus habilidades al proporcionar métricas para que puedan realizar un seguimiento y mejorar su productividad. Del mismo modo, les proporciona a ellos y a la organización los conocimientos necesarios para adoptar nuevas tecnologías de manera efectiva y evaluar el impacto total de la integración de la IA. Esto, a su vez, fomenta una cultura de aprendizaje continuo e innovación entre los programadores.

La experiencia humana sigue siendo una parte integral del proceso de desarrollo de software. Aunque la IA puede identificar errores y sugerir correcciones, carece de la comprensión matizada y la intuición de un desarrollador experimentado. Los humanos están mejor equipados para discernir la intención detrás del código, evaluar su alineación con los objetivos comerciales y aplicar el contexto organizacional para garantizar que cumpla con los requisitos del proyecto. Las mentes mecánicas tienen dificultades para interpretar compensaciones sutiles o navegar por escenarios ambiguos, lo que hace que el juicio humano sea indispensable.

La adopción de la tecnología de IA generativa no ha estado exenta de desafíos. El impacto de la tecnología es desigual en todos los niveles de experiencia. Los desarrolladores junior suelen obtener la mayor cantidad de beneficios, ya que la IA les ayuda a aprender y contribuir más rápido. Para ellos, la IA actúa como mentora, llenando las lagunas de conocimiento y acelerando el crecimiento. Por el contrario, según MIT Sloan, los desarrolladores sénior informan de ganancias menores de alrededor del 8 %-13 %. Si esto se debe a que su experiencia supera a la tecnología o a la reticencia a integrar la IA en sus flujos de trabajo sigue siendo una pregunta abierta.

Otra preocupación con la codificación asistida por IA es el riesgo de deuda técnica. Confiar demasiado en la IA para correcciones rápidas puede introducir atajos que se acumulan con el tiempo y crear una complejidad a largo plazo que exige un esfuerzo significativo de resolución. Además, algunos temen que las herramientas de codificación impulsadas por la IA pueden provocar una erosión de habilidades, donde los desarrolladores se apoyan demasiado en la automatización en lugar de mejorar sus propias habilidades de resolución de problemas y codificación. Si el pensamiento crítico y las habilidades de codificación se atrofian, los desarrolladores podrían tener dificultades para abordar desafíos complejos y de alto riesgo en el futuro.

Sin embargo, las herramientas de codificación de IA son más potentes cuando trabajan en colaboración con los desarrolladores humanos, no en lugar de ellos. Aunque la IA generativa puede acelerar los flujos de trabajo y automatizar las tareas repetitivas, su valor real reside en aumentar la experiencia humana, ayudando a los desarrolladores a centrarse en la resolución creativa de problemas, las decisiones arquitectónicas y la innovación.

Un buen ejemplo de esto proviene de rKube, un proveedor de soluciones de TI en Marruecos, que utilizó watsonx Code Assistant de IBM para modernizar las aplicaciones Java. Al automatizar la transformación del código, los desarrolladores pudieron cambiar su enfoque de la refactorización manual a la resolución de problemas de mayor valor, lo que en última instancia condujo a más eficientes flujos de trabajo y un personal más motivado.