IA-DLC: ciclo de vida de desarrollo impulsado por IA

Acuñada por Raja SP de AWS en 2025 y descrita en su informe técnico “AI Driven Development Lifecycle (AI-DLC) Method Definition” [x], la metodología IA-DLC se presenta como una colaboración máquina-humano, a diferencia de métodos anteriores como Agile 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 simplemente agregar IA a Agile produce un “caballo más rápido” —para tomar prestada una metáfora que a menudo se atribuye erróneamente a Henry Ford—, IA-DLC representa una evolución más fundamental.

Mientras que las herramientas de IA se han integrado en el SDLC en los últimos años, IA-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 construyen los propios modelos de IA, en lugar de cómo se utilizan para ayudar en el desarrollo de software.

El documento de Raja SP define diez principios que representan la base de 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, sino que es un participante central. Pregunta cómo se vería 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 refiere a que los desarrolladores 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 agénticas para crear un plan, hacer preguntas, ejecutar, validar y mantener, todo mientras busca proactivamente la aprobación de su socio humano.

Las metodologías anteriores permitían a los equipos de desarrollo elegir sus propias técnicas de diseño. IA-DLC centraliza el diseño e incorpora disciplinas de ingeniería a la metodología en sí. Prácticas como el diseño impulsado por el dominio (DDD), el desarrollo impulsado por el comportamiento (BDD) y el desarrollo impulsado por pruebas (TDD) se convierten en 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 de intervención humana y la supervisión de las decisiones de IA para que la IA se beneficie del juicio humano.

En el software empresarial, la complejidad va más allá de la simple escritura de código. Los sistemas grandes se componen de múltiples servicios, arquitecturas, diferentes tipos de usuarios y stakeholders e inevitablemente años de difícil deuda técnica. Una de las propuestas de valor de IA-DLC es que conserva todo este contexto en todo el proyecto, por lo que los desarrolladores pueden beneficiarse continuamente de esta comprensión holística única.

IA-DLC revoluciona el desarrollo de software, pero conserva el papel de la participación humana donde se necesita. Se mantiene una cultura de feedback continuo a lo largo de los proyectos para garantizar que el desarrollo se mantenga alineado con los objetivos del negocio. Estos puntos de contacto están automatizados y documentados para que los humanos puedan enfocarse en tomar las mejores decisiones.

El autor reconoció que las organizaciones no pueden cambiar de la noche a la mañana una nueva metodología. 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 trabajos y mantener el contexto en todas las disciplinas, las tareas que antes requerían equipos separados de especialistas ahora pueden realizarlas equipos más integrados con un mayor nivel de comprensión. El resultado es una menor frecuencia de traspasos de información.

El SDLC tradicional divide el trabajo en distintas fases, como planificación, diseño, implementación, pruebas y despliegue. Al final de cada fase, la información se transmite de una a otra. IA-DLC difumina estos límites al tratar estas fases como un flujo continuo donde las tareas ocurren simultáneamente y de forma no lineal. El resultado son ciclos de feedback más cortos y un progreso más rápido.

IA-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 las limitaciones y genera un flujo de trabajo personalizado que tiene más sentido para ese proyecto en particular.

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 su esfuerzo. La IA cambia fundamentalmente esta suposición central.

Utilizando una metodología de desarrollo impulsado por especificaciones (SDD), IA-DLC enfatiza las intenciones en lugar de los procesos rígidos, y permite a la IA descubrir cómo construir algo que mejor cumpla con esas especificaciones. De estas intenciones se derivan unidades, conjuntos de tareas que representan el camino de la IA hacia el logro de la intención. Un bolt es una iteración mediante la cual se ejecutan 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 de mob, un ritual de planificación de software colaborativo en el que un equipo multifuncional y un sistema de IA trabajan juntos para traducir ideas de negocio de alto nivel en historias de usuarios.

El análisis de requisitos comienza aquí. Los requisitos no funcionales (NFR) definen atributos cruciales, barreras y restricciones. Aquí también se realizan evaluaciones de riesgos, pero tanto el riesgo como los requisitos se verifican 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 de IA-DLC. 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 mob, el equipo humano y la IA escriben, prueban y despliegan el código conjuntamente.

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 el despliegue, automatizar la infraestructura y monitorear 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 comerciales en planes de proyecto. Las organizaciones han estado experimentando con flujos de trabajo en los que los asistentes de IA ayudan a traducir los objetivos de alto nivel en planes. En IA-DLC, los agentes de IA hacen preguntas aclaratorias, identifican ambigüedades, hacen sugerencias y plantean posibles oportunidades perdidas. Estos elementos se transforman en historias y hojas de ruta de proyectos. La IA agéntica mantiene este contexto durante todo el proyecto.

En IA-DKC, la IA no solo resume las reuniones. Analiza correos electrónicos, tickets de soporte, transcripciones y documentación para identificar conflictos y brechas incluso antes de que comience el desarrollo. Si alguien plantea un evento pilar en una reunión que entra en conflicto con el cronograma del proyecto tal como se articuló en otra reunión, el agente puede marcar 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 persona 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 diferentes enfoques. 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 donde la IA asume su función más autónoma. Los agentes de programación de IA entienden el contexto del proyecto, los estándares de programación y la lógica del negocio, 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 reemplazan 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 termine. 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 de IA-DLC, el despliegue es otro proceso continuamente optimizado. Los agentes preparan planes de lanzamiento, validan configuraciones de infraestructura, generan documentación, monitorean 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.

IA-DLC se extiende más allá del mantenimiento de software tradicional 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 de las lecciones aprendidas en ciclos de desarrollo anteriores.

El documento recomienda a las organizaciones practicar los diversos rituales e incorporar IA-DLC 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 se puede utilizar con plataformas de 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 IA-DLC. IBM Bob presenta los 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.