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

La IA generativa está cambiando la manera en que se hacen las películas, la forma en que se realiza el marketing y la manera en que se juegan los juegos. Si bien 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 contenido y ganancias de productividad, se presta menos atención a cómo puede hacer que escribir código sea más satisfactorio e, incluso, divertido.

La IA generativa que funge como asistente de programación no solo está ayudando 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 empleando la IA generativa para escribir plantillas de código y ayudar a definir el formato básico, lo que les concede más tiempo para concentrarse en los aspectos creativos del trabajo, como la resolución de problemas, la creación de nueva lógica y el diseño de sistemas únicos. Estas tareas creativas de mayor nivel son a menudo las que a los programadores les encanta realizar.

Un estudio de McKinsey arrojó que los desarrolladores que utilizan herramientas de IA generativa tenían más del doble de probabilidades de expresar contento general, sentir satisfacción y tener la capacidad de alcanzar un estado de fluidez en el trabajo.

Imagine un desarrollador al que se le asignó la tarea de crear una nueva aplicación web para una plataforma de comercio electrónico. El desarrollador tiene oportunidad de diseñar una experiencia de usuario e implementar características, como un motor de recomendaciones y precios dinámicos. Sin embargo, antes de poder empezar a trabajar en los elementos interesantes del diseño, el desarrollador tiene que realizar una montaña de trabajo monótono.

Debe configurar el backend, lo que requiere escribir la misma plantilla de código (boilerplate code o código repetitivo) que ha escrito docenas de veces antes, ejecutar inicializaciones, definir rutas básicas y configurar middleware. Nada de esto es exclusivo del proyecto, pero cada elemento es necesario para la aplicación. Una vez finalizado el trabajo preliminar, es necesario establecer una conexión con la base de datos y configurar los controladores de la base de datos junto con los esquemas de productos, clientes y pedidos, además de realizar otras innumerables asignaciones ajenas a la programación y al desarrollo.

Aunque el desarrollador puede estar entusiasmado por llegar a las características principales que harán que la plataforma sea única y agradable para los usuarios, el trabajo en la plantilla de código consume gran parte del cronograma del proyecto. Si bien es necesario sentar esa base sólida, la productividad de los desarrolladores podría disminuir, ya que este trabajo rutinario se siente como una carga en comparación con los aspectos más creativos de la programación.

La programación es una tarea lenta y propensa a errores. Requiere mucho tiempo y recursos para producir resultados de alta calidad. Los estudios muestran que, en el ciclo de desarrollo tradicional, los desarrolladores dedican un promedio de 1 hora al día al verdadero trabajo de programación, mientras que las actividades repetitivas e indiferenciadas consumen la mayor parte de su tiempo. Estas tareas a menudo implican lidiar con bases de código heredadas, documentar procesos, escribir pruebas, gestionar versiones, depurar errores e identificar vulnerabilidades de seguridad. Por ejemplo, un día típico para un programador podría comenzar con revisiones de código o con la revisión de una solicitud de extracción. A esto le puede seguir la solución de un error notificado por un equipo de control de calidad y, a continuación, la elaboración de un plan de despliegue, todo ello antes de que pueda 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 la científica de datos de IBM Anna Gutowska. Un ejemplo es algo tan simple como un bot que ejecuta scripts a primera hora de la mañana y genera un “informe de comprobación de estado” de 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 se enfrentan al desafío de mantenerse al día con las cambiantes tecnologías e infraestructuras, tales comoReact, Kubernetes o Flutter. Esto no es poca cosa, ya que el ámbito del desarrollo de software evoluciona rápidamente. Mantener el ritmo de estos avances exige una inversión significativa de tiempo en aprendizaje y experimentación continuos, dejando menos tiempo para los aspectos creativos y gratificantes del desarrollo. La necesidad constante de compaginar estas responsabilidades, combinada con la presión de ofrecer un código robusto y sin errores, puede hacer que la programación sea una profesión estresante y abrumadora.

Las herramientas de IA generativa también desempeñan un papel en los flujos de trabajo de DevOps al ayudar en la automatización de los despliegues, así como en la integración y la supervisión continuas. Más allá de la asistencia en la programación, la IA generativa puede realizar análisis de conjuntos de datos y ayudar a los programadores a interpretar conjuntos de datos complejos para calibrar mejor el impacto de las decisiones respecto de las arquitecturas y las optimizaciones del sistema.

De acuerdo, es posible que a la IA no “le encanten” las tareas aburridas, pero sobresale en la búsqueda y reproducción de patrones complejos, lo que la convierte en una solución ideal para automatizar los aspectos repetitivos de la programación. Tareas como la generación de plantillas de código (esas piezas de andamiaje tediosas pero necesarias) pueden realizarse en segundos mediante herramientas de IA generativa. La IA también puede ayudar en la integración de interfaces de programación de aplicaciones (API) al generar endpoints de manera automática, ocuparse de las solicitudes de autenticación y estructuración y reducir el esfuerzo de la programación 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 pertinente y modificó el código correctamente, posiblemente ahorrando horas de tiempo de depuración al desarrollador novato.

Estas herramientas no son solo asistentes; algunas son similares a mentores expertos. Los sistemas de IA generativa pueden proporcionar explicaciones, ejemplos y orientación en tiempo real, lo que permite a los desarrolladores dedicar menos tiempo a la resolución de problemas y más tiempo a la innovación. Este cambio les permite centrarse en escribir código de calidad, como diseñar soluciones creativas o mejorar las arquitecturas de sistemas, al tiempo que reducen la carga cognitiva asociada con la resolución repetitiva de problemas. Al detectar y afinar automáticamente los cambios de código, la IA ayuda a prevenir regresiones y garantiza que las nuevas implementaciones se alineen con las mejores prácticas.

“IBM watsonx Code Assistant fue capaz de identificar posibles vulnerabilidades, fugas de memoria y malas prácticas de programación... y proporcionó recomendaciones para hacer mejoras”. - Feedback de un cliente sobre IBM watsonx Code Assistant

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

“No teníamos grandes expectativas, pero nos sorprendió gratamente el rendimiento de la solución”, comenta Asher Scott, desarrollador full stack de IBM, hablando sobre watsonx Code Assistant. “Me ayudó a llevar mis habilidades al siguiente nivel”.

Los desarrolladores principiantes notifican aumentos significativos en la productividad y la adquisición de habilidades, lo que les ayuda a aumentar su pericia 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 está habilitando a los desarrolladores de todos los niveles para enfrentar los desafíos con más entusiasmo.

Según una encuesta de KPMG, la mitad de los programadores encuestados están convencidos de que la IA y la automatización han tenido un impacto positivo en sus carreras al aumentar la productividad y abrir nuevas oportunidades. Del mismo modo, una encuesta sobre ChatGPT de OpenAi reveló que el 50 % de los desarrolladores encuestados informaron un aumento de la productividad mediante el uso de IA, y un 23 % observó alzas significativas.

Una encuesta de GitHub muestra que estos aumentos en la productividad ofrecen mayores eficiencias al flujo de trabajo actual de un programador. Los desarrolladores que utilizan herramientas de programación impulsadas por IA reportan una mayor satisfacción debido a su capacidad para automatizar tareas repetitivas o tediosas para centrarse en el diseño de las soluciones en lugar de en las plantillas de código. Los asistentes de código ayudan a reducir la tensión mental y pueden prevenir potencialmente el desgaste profesional. Ayudan a los desarrolladores a cumplir con los estándares de rendimiento más fácilmente, lo que lleva a un código de mejor calidad, salidas más rápidas y menos incidentes.

El impacto de la IA generativa en la satisfacción laboral se debe en gran medida a su capacidad para proporcionar insights y agilizar los tediosos flujos de trabajo de desarrollo. Por ejemplo, las herramientas de desarrollo impulsadas por 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 solo reduce la frustración, sino que también libera a los desarrolladores, especialmente a los novatos, para que se centren en resolver problemas más complejos y gratificantes. Al automatizar las tareas rutinarias, las herramientas impulsadas por IA mejoran la funcionalidad, lo que permite a los desarrolladores concentrarse en la innovación en lugar de la programación repetitiva.

Según GitHub, el 57 % de los desarrolladores encuestados afirman que el uso de herramientas de programación impulsadas por IA los ayuda a desarrollar sus habilidades en el lenguaje de programación, lo cual consideran que es el principal beneficio del uso de estas aplicaciones (donde el segundo beneficio es la mayor productividad). Esto indica que los desarrolladores ven el uso de herramientas de programación impulsadas por IA como una forma de mejorar sus habilidades mientras trabajan, en lugar de agregar otra tarea de aprendizaje y desarrollo a su jornada laboral.

Para los desarrolladores novatos, la IA generativa acelera el aprendizaje de nuevas habilidades y la mejora de las que ya tienen al proporcionar ejemplos en tiempo real y orientación contextual, ayudándoles así a adquirir competencias rápidamente para poder ser de utilidad a su equipo más pronto. Con WCA, los equipos de desarrollo que trabajan en entornos de desarrollo empresarial complejos, como la modernización de mainframes o la migración de Java, pueden automatizar las tediosas transformaciones de código mientras reciben insights impulsados por IA sobre las mejores prácticas. Esto significa que los desarrolladores novatos pueden avanzar en sus tareas sin tener que detenerse y consultar con un desarrollador de mayor antigüedad con tanta frecuencia, lo que les permite generar confianza en sí mismos y autonomía más rápido.

La IA también está transformando la forma en que los desarrolladores abordan la creación de prototipos y la innovación. Las tareas que antes requerían horas de programación manual ahora pueden realizarse en una fracción del tiempo. Por ejemplo, un desarrollador que está diseñando una nueva característica podría emplear la IA generativa para crear una implementación preliminar, hacer iteraciones rápidamente e integrarla al proyecto general. Esta mayor rapidez en el tiempo de entrega permite más 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 asincrónicos. Las herramientas de IA también permiten una mejor colaboración al generar sugerencias y explicaciones de código que son fáciles de revisar y comprender para los miembros del equipo. Estas mejoras contribuyen a una experiencia positiva para los desarrolladores, lo que hace que el desarrollo de software no solo sea más productivo, sino también más adaptable a las diversas necesidades de la fuerza laboral moderna, contribuyendo así a una mayor satisfacción laboral y equilibrio entre la vida laboral y personal.

Las herramientas de IA generativa también ayudan a los desarrolladores a perfeccionar sus conjuntos de habilidades al proporcionarles métricas para que puedan dar seguimiento a su productividad y aumentarla. Del mismo modo, los prepara a ellos y a la organización con 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 e innovación continuos entre los programadores.

La pericia humana sigue siendo una parte integral del proceso de desarrollo de software. Si bien la IA puede identificar errores y sugerir arreglos, 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 sintonía con los objetivos comerciales y aplicar el contexto organizacional para garantizar que cumpla con los requisitos del proyecto. A las mentes de las máquinas se les dificulta interpretar compensaciones sutiles o navegar por escenarios ambiguos, lo que hace que el criterio humano sea indispensable.

La adopción de la tecnología de IA generativa no ha estado exenta de desafíos. El impacto de la tecnología no es igual en los distintos niveles de experiencia. Los desarrolladores novatos suelen obtener los mayores beneficios, ya que la IA les ayuda a aprender más rápido y a contribuir más pronto. Para ellos, la IA actúa como mentora, llenando vacíos de conocimiento y acelerando el crecimiento. Por el contrario, según MIT Sloan, en los desarrolladores de mayor antigüedad se reportan beneficios menores de entre 8  % y 13 %. Si esto se debe a que su pericia supera a la tecnología o a su renuencia de integrar IA en sus flujos de trabajo sigue siendo una pregunta abierta.

Otra preocupación con la programación asistida por IA es el riesgo de deuda técnica. La dependencia excesiva en la IA para arreglos rápidos puede introducir atajos que se acumulan con el tiempo, creando una complejidad a largo plazo que exige un esfuerzo significativo para resolverse. Además, algunos temen que las herramientas de programación impulsadas por IA puedan conducir a la erosión de las habilidades, es decir, que los desarrolladores se apoyen demasiado en la automatización en lugar de agudizar sus propias habilidades de resolución de problemas y programación. Si el pensamiento crítico y las habilidades prácticas de programación se atrofian, los desarrolladores podrían tener dificultades para enfrentar desafíos complejos y de alto riesgo en el futuro.

Sin embargo, las herramientas de programación impulsadas por IA son más poderosas cuando trabajan en colaboración con desarrolladores humanos, no en su lugar. Si bien la IA generativa puede acelerar los flujos de trabajo y automatizar tareas repetitivas, su valor real radica en aumentar la pericia humana, ayudando a los desarrolladores a enfocarse en la resolución creativa de problemas, las decisiones respecto de las arquitecturas 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 generó flujos de trabajo más eficientes y una fuerza laboral más motivada.