Hace unas semanas, Anthropic publicó un artículo que nos llamó la atención. Un equipo de 16 agentes de Claude, trabajando en paralelo sin intervención humana, escribió un compilador de C desde cero. 100.000 líneas de código en Rust, capaz de compilar el kernel de Linux. Coste: 20.000 dólares y dos semanas.
Es el tipo de proyecto que habría requerido un equipo de ingenieros senior durante meses. Y lo hizo una IA sola.
La IA ya escribe código, y cada vez lo hace mejor. Esto va a cambiar nuestra profesión de forma radical. Pero hay un matiz que a menudo se pierde en la conversación, y es lo que queremos contar en este artículo.
Código no es producto
Un compilador es un proyecto técnicamente impresionante. Pero también es un problema muy bien definido: hay una especificación clara, unos tests objetivos y un resultado verificable de forma automática. La IA rinde mejor cuanto más cerrado y medible es el problema.
En nuestro día a día, los proyectos no son así. Desarrollamos plataformas web, aplicaciones y sistemas de gestión — productos que tienen que resolver problemas reales de negocio, encajar en flujos de trabajo existentes y funcionar de forma fiable en producción. El código es solo una parte. La otra — a menudo la más compleja — es entender qué hay que construir, tomar las decisiones correctas de arquitectura y asegurar que todo funciona como debe.
Eso, hoy por hoy, no lo hace una IA sola. Y es exactamente donde hemos reenfocado nuestro trabajo.
Cómo trabajábamos antes
Como la mayoría de equipos de desarrollo: recibíamos los requisitos, hacíamos un diseño general y dedicábamos la mayor parte del tiempo a implementar. Escribir código, resolver problemas sobre la marcha, testear las partes más críticas, entregar.
Funcionaba. Pero si tuviéramos que ponerle números, probablemente un 70% del tiempo se iba en escribir código y un 30% en pensar, diseñar y validar.
Agents working together
Cómo trabajamos ahora
Esa proporción se ha invertido.
Usamos Claude como herramienta principal de desarrollo. Pero no le decimos «hazme una aplicación». Le damos especificaciones concretas: qué construir, cómo tiene que encajar con el resto del sistema y qué criterios tiene que cumplir.
En la práctica, nuestro proceso tiene este aspecto:
Diseño y especificación. Antes de escribir una sola línea de código, dedicamos tiempo a definir con precisión qué estamos construyendo. Estructura de datos, relaciones entre componentes, casos límite, reglas de negocio. Cuanto más clara es la especificación, mejor es el resultado — con o sin IA.
Implementación asistida. Claude escribe código a partir de esas especificaciones. Es rápido y generalmente acertado, pero requiere un ojo entrenado para detectar cuándo toma atajos, cuándo no entiende el contexto o cuándo produce algo que técnicamente funciona pero no es mantenible.
Testing completo. Este ha sido probablemente el cambio más significativo. Antes hacíamos tests en las partes más críticas: validaciones de pago, lógica de negocio compleja, integraciones sensibles. Ahora testeamos todo. La IA ha hecho que escribir tests sea mucho más rápido — nosotros definimos qué hay que testear y qué escenarios cubrir, y la implementación del test en sí se ha vuelto casi trivial. Hemos pasado a trabajar con TDD de forma completa: primero los tests, después el código.
La consecuencia directa es en la calidad: si la IA introduce un bug al modificar algo, los tests lo detectan. Es una red de seguridad que antes no teníamos de forma tan exhaustiva.
Revisión y validación. Todo pasa por revisión humana. Revisamos la lógica, la estructura, la eficiencia, y sobre todo, que lo que se ha construido resuelve el problema real del cliente — no solo el problema como la IA lo ha interpretado.
Iteración. Con este proceso, iterar es más ágil. Si algo no encaja, ajustamos la especificación, regeneramos y volvemos a validar. El ciclo de feedback se ha acortado considerablemente.
Lo que hemos aprendido
La IA es una herramienta de producción excelente: generar código, escribir tests, refactorizar, documentar. Es un multiplicador de productividad real.
Pero tiene limitaciones claras. No entiende el negocio del cliente. No sabe que un campo «fecha de entrega» tiene implicaciones logísticas que afectan a tres departamentos. No va a cuestionar un requisito que no tiene sentido. No va a proponer una solución más simple si no le das suficiente contexto.
La experiencia del equipo importa más que nunca. La diferencia entre usar la IA con criterio y sin él es la diferencia entre un producto sólido y deuda técnica acumulada a gran velocidad.
Hacia dónde va esto
El rol del desarrollador ha cambiado. Dedicamos más tiempo a pensar, diseñar, especificar y validar. Menos a la implementación mecánica. Y el resultado es mejor: más cobertura de tests, menos errores, soluciones más robustas.
La IA va a seguir mejorando. Lo que hoy requiere un equipo que piense bien las especificaciones, quizás mañana lo haga de forma más autónoma. Pero nuestra experiencia hasta ahora es clara: la combinación de herramientas potentes y un equipo con criterio para usarlas es lo que produce buenos resultados.
Y eso es lo que ofrecemos a nuestros clientes.
