AI-DLC significa "ciclo de vida de desarrollo impulsado por IA", un aumento del ciclo de vida de desarrollo de software, o SDLC. Significa una metodología de desarrollo de software completamente construida en torno a la IA, que trata un modelo de lenguaje de gran tamaño (LLM), o grupo de modelos, como un colaborador activo en cada paso del desarrollo de software.
Acuñada por Raja SP de AWS en 2025 y descrita en su documento técnico "Metodología deciclo de vida de desarrollo impulsado por IA (AI-DLC) Definición del método" [x], la metodología AI-DLC se presenta como una colaboración máquina-humano, a diferencia de métodos anteriores como ágil y Scrum, que estaban fundamentalmente centrados en el ser humano. El autor compara este cambio con la sustitución de los carruajes tirados por caballos por el automóvil. Pero mientras que la simple adición de IA a ágil produce un "caballo más rápido", para tomar prestada una metáfora a menudo atribuida erróneamente a Henry Ford, el AI-DLC representa una evolución más fundamental.
Mientras que las herramientas de IA se han integrado en el SDLC en los últimos años, el AI-DLC representa un paso hacia una mayor integración de la IA. En resumen, la IA no se reduce a una mera herramienta de generación de código. No es solo una parte del desarrollo, sino que es fundamental para él. La colaboración entre la IA y los humanos es continua, y los ingenieros humanos asumen una función más supervisora.
También es distinto del término «ciclo de vida de la IA», que describe cómo se crean los propios modelos de IA, más que cómo se utilizan para ayudar al desarrollo del software.
El artículo de Raja SP define diez principios que representan la base del IA-DLC.
La IA no debe simplemente integrarse en las metodologías de desarrollo de software existentes. La IA no es solo otra herramienta de productividad: es un participante fundamental. Pregunta cómo sería el SDLC si la IA siempre hubiera existido. El resultado es un SDLC centrado en la IA y nativo de la IA.
El desarrollo asistido por IA tradicionalmente se parece a los desarrolladores que incitan continuamente a la IA generativa a realizar tareas individuales. Bajo el nuevo paradigma, en lugar de que un desarrollador pida ayuda a una IA y espere a que la IA realice la tarea, el desarrollador describe su intención y la IA utiliza sus capacidades agentes para crear un plan, hacer preguntas, ejecutar, validar y mantener, todo ello mientras busca proactivamente la aprobación de su compañero humano.
Las metodologías anteriores permitían a los equipos de desarrollo elegir sus propias técnicas de diseño. El DLC de IA centraliza el diseño e integra las disciplinas de ingeniería en la propia metodología. Prácticas como el diseño basado en el dominio (DDD), el desarrollo basado en el comportamiento (BDD) y el desarrollo basado en pruebas (TDD) pasan a formar parte integral del flujo de trabajo. Esto estandariza la calidad de la ingeniería.
La IA no puede ser 100 % autónoma. El documento fomenta la validación y supervisión humana en el bucle de las decisiones de IA para que la IA se beneficio del juicio humano.
En el software empresarial, la complejidad va más allá de la mera escritura de código. Los grandes sistemas se componen de varios servicios, arquitecturas, diferentes tipos de usuarios y partes interesadas e, inevitablemente, años de complicadas deudas técnicas. Una de las propuestas de valor del DLC de IA es que preserva todo este contexto a lo largo de todo el proyecto, de modo que los desarrolladores puedan beneficiarse continuamente de esta comprensión únicamente holística.
El IA-DLC revoluciona el desarrollo de software, pero conserva el papel de la participación humana donde se necesita. Se mantiene una cultura de feedback continua a lo largo de los proyectos para ayudar a garantizar que el desarrollo se mantenga alineado con los objetivos empresariales. Estos puntos de contacto están automatizados y documentados para que los humanos puedan centrarse en tomar las mejores decisiones.
El autor reconoció que las organizaciones no pueden cambiar una nueva metodología de la noche a la mañana. El proceso es gradual y se integra con los conceptos y flujos de trabajo existentes con los que las organizaciones ya están familiarizadas, por lo que la adopción es mínimamente disruptiva.
Dado que la IA puede realizar trabajo y mantener el contexto entre disciplinas, tareas que antes requerían equipos separados de especialistas ahora pueden ser realizadas por equipos más integrados con un nivel de comprensión superior. El resultado es una menor frecuencia de traspasos de información.
El SDLC tradicional divide el trabajo en distintas fases, como planificación, diseño, implementación, pruebas e implementación. Al final de cada fase, la información pasa de una a la siguiente. El DLC de IA difumina estos límites al tratar estas fases como un flujo continuo en el que las tareas se realizan de forma simultánea y no lineal. El resultado son bucles de feedback más cortos y un progreso más rápido.
El AI-DLC no prescribe un flujo de trabajo rígido para cada proyecto, es adaptativo. No obliga a los proyectos a seguir un proceso predefinido. En cada escenario, la IA analiza los objetivos y limitaciones y genera un flujo de trabajo personalizado que tiene más sentido para ese proyecto en particular.
Manténgase al día sobre las tendencias más importantes e intrigantes del sector en materia de IA, automatización, datos y mucho más con el boletín Think. Consulte la Declaración de privacidad de IBM.
El marco plantea la pregunta: ¿y si el desarrollo de software no se basara en las limitaciones humanas? Las metodologías anteriores, como Waterfall y ágil, se diseñaron para ayudar a los equipos humanos a coordinar sus esfuerzos. La IA cambia radicalmente esta suposición fundamental.
Utilizando una metodología de desarrollo impulsada por Especificaciones (SDD ), el DLC de IA enfatiza las intenciones en lugar de procesos rígidos, y permite a la IA descubrir cómo construir algo que mejor cumpla con esas especificaciones. De estas intenciones se derivan las unidades, los conjuntos de tareas que representan el camino de la IA hacia el logro de la intención. Un tornillo es una iteración mediante la que se ejecutan las unidades de trabajo.
El trabajo avanza a través de varias fases. La fase inicial captura las intenciones y las traduce en unidades mediante la elaboración colectiva, un ritual colaborativo de planificación de software en el que un equipo interfuncional y un sistema de IA trabajan juntos para traducir ideas de negocios de alto nivel en historias de usuario.
El análisis de requisitos comienza aquí. Los requisitos no funcionales (NFR) definen atributos cruciales, barreras de seguridad y restricciones. Aquí también se realizan evaluaciones de riesgos, pero tanto el riesgo como los requisitos se comprueban y reevalúan continuamente a lo largo del ciclo de vida.
Los archivos de dirección son documentos de markdown almacenados en un repositorio que definen las reglas, restricciones, estándares arquitectónicos y flujos de trabajo que los agentes deben seguir. Se crean durante la fase de inicio, pero participan en las tres fases del DLC de IA. Actúan como una fuente persistente de verdad para los agentes de IA en todo el proyecto.
La fase de construcción es donde ocurre la ejecución. Durante la construcción de la mafia, el equipo humano y la IA escriben, prueban e implementan código juntos de forma colaborativa.
En la fase final de operaciones, la IA utiliza los requisitos empresariales de la fase inicial y las decisiones técnicas de la fase de construcción para gestionar la implementación, automatizar la infraestructura y supervisar el sistema en vivo.
En cada fase del SDLC, la IA desempeña un papel central.
En un SDLC tradicional, los humanos traducen manualmente los objetivos empresariales en planes de proyecto. Las organizaciones han estado experimentando con flujos de trabajo en los que los asistentes de IA ayudan a traducir objetivos de alto nivel en planes. En el AI-DLC, los agentes de IA hacen preguntas aclaratorias, identifican ambigüedades, hacen sugerencias y plantean posibles oportunidades perdidas. Se convierten en historias y hojas de ruta de proyectos. La IA agéntica mantiene este contexto durante todo el proyecto.
En el DLC sobre IA, la IA no solo resume las reuniones. Analiza correos electrónicos, tickets de soporte, transcripciones y documentación para identificar conflictos y lagunas incluso antes de que comience el desarrollo. Si alguien plantea un evento taquillero en una reunión que entra en conflicto con el cronograma del proyecto tal como se articuló en otra reunión, el agente puede señalar esta posible discrepancia y proporcionar una resolución. Esto proporciona una comprensión general de un proyecto de principio a fin que es difícil de mantener para cualquier individuo o equipo.
La inteligencia artificial convierte el diseño de software en una colaboración iterativa. La IA puede proponer arquitecturas de aplicaciones, esquemas de bases de datos, API, configuraciones de infraestructura y diseños de interfaz de usuario, explicando las compensaciones entre los diferentesenfoques. Puede generar rápidamente prototipos interactivos, comparar diseños alternativos y revisar la documentación arquitectónica a medida que evoluciona el proyecto.
La tarea principal de la ingeniería de software (escribir código) es el área más sencilla en la que la IA es útil en el SDLC y en la que la IA asume su función más autónoma. Los agentes de codificación de IA comprenden el contexto del proyecto, los estándares de codificación y la lógica empresarial, y pueden construir de forma autónoma teniendo esto en cuenta. Los desarrolladores validan las decisiones y refinan el código generado por IA.
Las pruebas se sustituyen por una fase de verificación más amplia, ya que la IA genera y ejecuta continuamente pruebas a lo largo del desarrollo en lugar de esperar a que finalice. Analiza el código en busca de defectos, detecta regresiones y valida el cumplimiento de las restricciones arquitectónicas. Esto sucede en segundo plano en cada paso.
Dentro del AI-DLC, la implementación es otro proceso continuamente optimizado. Los agentes preparan planes de lanzamiento, validan configuraciones de infraestructura, generan documentación, monitorizan los despliegues de producción y optimizan los pipelines de CI/CD. La IA ayuda activamente a garantizar que las versiones sean estables y seguras, así como que estén alineadas con los objetivos operativos.
El AI-DLC va más allá del mantenimiento tradicional del software al tratar los sistemas de producción como una fuente continua de feedback. Al preservar el conocimiento a lo largo de todo el ciclo de vida, la IA permite que cada versión se beneficie del beneficio de las lecciones aprendidas en ciclos de desarrollo anteriores.
El artículo anima a las organizaciones a practicar los distintos rituales e integrar el DLC de IA en sus propias herramientas de orquestación , con el objetivo de minimizar la necesidad de revisiones significativas.
El marco está estandarizado en torno a herramientas de AWS como Kiro y Amazon Q Developer. Pero también puede usarse con plataformas agentes como IBM Bob y Claude Code.
IBM Bob, por ejemplo, es un socio de desarrollo agéntico de extremo a extremo que está optimizado estructuralmente para el DLC de IA. IBM Bob cuenta con la característica de modos Ask y Plan que toman intenciones de alto nivel y, a su vez, crean la estructura de diseño inicial de la aplicación. Existe el modo agente para escribir, modificar y refactorizar código o para corregir errores o crear nuevos archivos. Los usuarios también pueden adaptar el comportamiento de Bob creando modos personalizados con roles especializados, restricciones de herramientas y flujos de trabajo de equipo.