Introducción: La CTO de Thoughtworks cree que si bien la inteligencia artificial está impulsando un cambio fundamental en la industria tecnológica, debemos retener el trabajo de los desarrolladores.
“Vi a alguien en X que decía: ‘Mira, me siento bien escribiendo esta aplicación. Ya no necesito desarrolladores, creo que es genial’. Sin embargo, menos de 24 horas después, su software fue atacado. No incluyó ni siquiera las consideraciones de seguridad más básicas, ni tuvo en cuenta ningún factor en el que un desarrollador experimentado necesita pensar”.
Esta fue una conversación muy profunda iniciada por Rachel Laycock, Directora de Tecnología de Thoughtworks, sobre el futuro de la inteligencia artificial y su impacto actual en la industria tecnológica.
Poco antes, comentó sobre el usuario de X: “Él no sabía lo que estaba haciendo, pero la persona que atacó la aplicación evidentemente tenía conocimientos”.
Laycock dijo que no estaba sorprendida, ya que, después de todo, estas herramientas de IA están entrenadas en Internet.
“Internet no está necesariamente lleno de código bueno, y generar más de este código puede no ser bueno para nosotros”, explicó. “Ahora todos están muy centrados en la productividad, esperando escribir código lo más rápido posible. Debido a que la acumulación de trabajo es interminable, todos se quejan de que el departamento de TI o tecnología no es lo suficientemente rápido, y necesitamos lanzar más funciones”.
Pero para ella, el mayor desafío que enfrenta la industria tecnológica es el código heredado, y con la escalada del código generado por IA, el código heredado solo empeorará.
La IA está desempeñando un papel en la reducción de la deuda técnica y, finalmente, en la migración a la nube. Pero Laycock cree que esto solo aumentará la demanda de ingenieros con pensamiento profundo y habilidades para resolver problemas.
IA y la Modernización de Sistemas Legados
Muchas organizaciones apuestan a que los agentes de IA se volverán más inteligentes y, por lo tanto, mejores. Hay grandes esperanzas puestas en la Generación Aumentada por Recuperación (RAG) o la IA basada en RAG para mejorar los modelos y herramientas más rápido.
Pero estamos todavía lejos de comprender el impacto a largo plazo de la IA.
“Aún no está claro cuándo podremos determinar las tres o cinco principales herramientas y modelos que la gente está usando en esta área. La situación está cambiando muchísimo”, dijo Laycock. Además, “la mayor parte de lo que la gente demuestra es la construcción de una aplicación tipo Greenfield”, dijo, lo cual es relativamente fácil.
La modernización de los sistemas legados sigue siendo el mayor desafío para la mayoría de las empresas.
Continuó, el mercado actual está “demasiado centrado en la eficiencia de la generación de código, pero este no es en realidad el problema de la industria”.
En general, la modernización de los sistemas legados sigue siendo el mayor desafío para la mayoría de las empresas. Además, la fragmentación del conocimiento en cientos de aplicaciones obstaculiza aún más a las empresas para migrar a la nube.
Esto se hace eco de los factores de los que se quejan los desarrolladores que los ralentizan: deuda técnica y documentación técnica.
Tanto los departamentos de negocio como los de tecnología luchan por comprender el código. Cuanto más código generado por IA haya, peor será la comprensión.
El Costo Real de Intentar Reemplazar Desarrolladores con IA
“Mientras tanto, todos piensan: ¿Cómo puedo hacer esto lo más rápido posible? No quiero contratar a nadie nuevo. Quiero reducir el número de desarrolladores”, dijo Laycock.
La industria espera que la IA reemplace trabajos existentes incluso antes de que se verifique su aplicación a gran escala. Después de descubrir que un paquete malicioso de npm infectó a Cursor AI con una puerta trasera para robar credenciales, no está claro si su seguridad es suficiente para la adopción a gran escala.
“Desde la perspectiva de los agentes de IA, las cosas que he visto que son efectivas se centran más en tareas específicas”, dijo. “Entonces, por ejemplo, ‘arregla este ticket de Jira’, no digas ‘arregla estos 100 tickets’, porque esto podría atascarse en innumerables bucles infinitos, costándote una gran cantidad de tokens”.
Esto es diferente a GitHub Copilot, que tiene un costo nominal de 100 dólares por desarrollador al año. Se estima que el costo de los agentes de IA podría ser de decenas de miles de dólares por desarrollador al año.
Existe una teoría de que un modelo de supervisión impulsado por IA es más barato que pagar los salarios de los desarrolladores de software. Sin embargo, de manera similar, nadie ha demostrado la escalabilidad de la IA, ni nadie ha calculado su verdadero costo.
“Si tengo muchos agentes ejecutando tareas dispersas, básicamente una granja de agentes, y luego tienes desarrolladores senior (o incluso junior, lo cual suena peligroso) supervisándolos”, dijo Laycock. “Escucharás a empresas de productos o a grandes proveedores de servicios en la nube decir que están motivados para que todos usen una gran cantidad de tokens”.
“Nadie habla de lo que la IA no puede hacer, y qué problemas deben resolverse; y generar más código en realidad no nos ayuda.”
—— Rachel Laycock, Directora de Tecnología de Thoughtworks
“Si Microsoft, Google y AWS dicen lo mismo. Bueno, quieren que la gente use GPUs, ¿verdad? Eso significa usar tokens”, continuó. “Quieren que construyas agentes que se ejecuten. No les importa si estos agentes se quedan atascados en bucles infinitos. O quizás sí les importa, pero el incentivo que ofrecen es obtener la carga de trabajo, ¿verdad?”
Este riesgo no significa rechazar completamente la IA. Laycock descubre que algunos colegas más experimentados simplemente lo ignoran, lo cual es en sí mismo un riesgo.
“Necesitamos encontrar un término medio: ¿Qué puede hacer? ¿Qué podemos hacer con él?” dijo. “No lo descartes fácilmente. Tampoco lo uses en un ataque de ira. Estas características seguirán mejorando, pero solo tu experiencia puede decirnos dónde están las brechas, y eso es lo que siento que falta actualmente. Nadie está discutiendo lo que no puede hacer, y qué aspectos deben abordarse; y, generar más código en realidad no nos ayuda en absoluto”.
Actualmente, la clave es que los equipos adopten estas nuevas herramientas de IA para probar las condiciones límite, de modo que más ingenieros senior con 10 o 20 años de experiencia puedan ayudar a abordar estas condiciones límite. Por supuesto, también permitir que estos ingenieros senior formen a la próxima generación de ingenieros junior, porque sin la experiencia de los ingenieros junior, es imposible formar ingenieros senior.
Laycock dijo que para la principal base de clientes empresariales de Thoughtworks, existe un sentimiento conservador: están “esperando a ver cómo se desarrollan las cosas”.
“Porque si quieres implementar un cambio, incluso solo implementar GitHub Copilot es un gran problema para ellos”, dijo. “Para miles de desarrolladores, este no es un cambio fácil”.
Cuando implementas a esta escala, estas empresas deben estar muy seguras de haber elegido las herramientas y modelos adecuados.
Continuó: “La situación general no es lo suficientemente estable como para que lo hagan a gran escala”.
CodeConcise: Desbloqueando el Misterio del Código Legado
Uno de los principales obstáculos para la modernización digital y la migración a la nube es que cada vez quedan menos personas que realmente construyeron estos sistemas antiguos.
Debido a la documentación incompleta y los registros de decisiones de arquitectura, los equipos no pueden determinar cuáles son verdaderos servicios zombis y cuáles son servicios de los que depende toda la empresa.
Y la IA es buena para explicar la complejidad, es parte de esta solución. Pero, al igual que el enfoque de modernización de “big bang”, está lejos de ser la solución completa. Laycock dice que tampoco es posible simplemente regenerar código usando IA porque tienes que entender el código de mainframe para convertirlo a un entorno nativo de la nube.
“Uno de los desafíos a los que nos enfrentamos es comprender la base de código de forma holística: ¿sabemos lo que está haciendo? ¿Por qué lo está haciendo?” dijo Laycock.
Thoughtworks está construyendo una nueva herramienta de IA generativa, CodeConcise Legacy Assistant, que puede indexar código y viene con una ventana de contexto y una capa de IA conversacional para ayudar a los clientes a comprender sus sistemas. Con CodeConcise, el equipo de Thoughtworks pretende trabajar con expertos de la industria para construir una ventana de contexto.
Y Thoughtworks no cree que su enfoque para resolver el problema generalizado de la migración a la nube sea único.
Thoughtworks no aboga por un enfoque de “big bang” de levantar y mover, sino por usar la IA para ayudar a comprender sus sistemas, de modo que las dependencias y los equipos puedan ser particionados correctamente, y trabajar con todos para modernizar las partes transversales.
“La gente está pensando en cómo usar la IA para entender flujos de trabajo y flujos de datos, y luego transformar, lo cual es reconstruir la base de código”, dijo Laycock.
Esto podría llevar de un año a una década, dijo: “Pensando en algunos de los problemas que estamos tratando de resolver, la idea de usar la IA para regenerar código es realmente emocionante. Todavía no estamos allí, pero puedes empezar a usar la IA para hacer algunas cosas”.
Ahora es el momento de experimentos tempranos con IA basados en esos cambios de juego que vendrán más tarde.
“Comprender algo grande, complejo, estructurado o no estructurado, analizado en diferentes idiomas, y poder explorarlo”, dijo Laycock pensativamente. “Así que construimos una interfaz de chat donde puedes preguntar: ¿Qué hace este sistema? ¿Quiénes son los usuarios del sistema? ¿Cómo lo usan? Explica esta característica. Cosas así”.
Thoughtworks no aboga por un enfoque de “big bang” de levantar y mover, sino que aboga por usar la IA para ayudar a comprender sus sistemas, de modo que las dependencias y los equipos puedan ser particionados correctamente, y trabajar con todos para modernizar las partes transversales.
“Siempre hemos adoptado lo que se llama el método de rebanado”, explicó, “que es un enfoque interactivo para identificar diferentes áreas, contextos y modelos que se pueden aprovechar para ayudar a rebanar y crear uniones para las partes que necesitan cambiarse, y continuar el proceso de identificación de código muerto y lo que no se necesita”.
Contratación: Más Desarrolladores para Experimentos con IA
Si bien este sueño todavía está en proceso, Laycock cree que la industria todavía está estancada en la fase de generación de código, mientras que resolver problemas legados es un caso de uso de IA generativa más interesante e impactante para la mayoría de las empresas.
“Porque esa es la razón por la que no pueden moverse rápido”, continuó: las aplicaciones legadas y las estructuras de datos legadas no soportan modelos ajustados. Predice que la IA también jugará un papel en el ajuste de la arquitectura de datos para soportar la construcción de aplicaciones de IA.
“Creo que estos dos problemas son los que la IA puede mejorar y apoyar en la resolución, no son problemas simples”, predijo Laycock, “pero no los resolverá mágicamente como presionar un botón”.
Actualmente, Thoughtworks está utilizando crowdsourcing para recopilar una serie de hipótesis sobre la dirección futura de la industria tecnológica.
Desde la migración y modernización de aplicaciones, hasta la generación de código, pasando por los agentes de IA y más, Laycock dice que cada organización debe adoptar esta mentalidad de producto para probar teorías, verificar y probar la IA en todo el ciclo de vida del desarrollo de software, no solo en el bucle interno de escritura de código.
“La IA se está integrando en todas estas cosas, lo cual es genial, pero debemos recordar que no es determinista”.
—— Laycock
“Ahora solo piensan: ¿Cómo podemos hacer la parte inicial lo más rápido posible sin desarrolladores? Y yo pienso: ¿Por qué siempre volver al problema de no necesitar desarrolladores?” dijo Laycock.
“Espero que lo entiendas. Hemos pasado por varias guerras de talentos. Es difícil contratar buen talento, pero hacer esto asusta a algunas personas, incluso les da miedo unirse a la industria, y no hemos demostrado que no necesitamos ingenieros”.
Ella cree que el enfoque no debería ser eliminar el talento técnico, sino utilizar la IA para mejorar el papel de las personas técnicas. Esto se puede lograr a través de la abstracción, la reducción del trabajo tedioso, la generación de pruebas, la escritura de documentación y la captura de la perspectiva general de la experiencia del desarrollador.
Laycock dijo que en este cambio fundamental, cuando pones cualquier cosa o todo lo generado por IA en producción, no olvides observar todo.
“Obsérvalo. La IA se está integrando en todas estas áreas, lo cual es bueno, pero tenemos que recordar que no es determinista. Antes de que finalmente encontremos la solución que todos sueñan, es posible que se necesiten más entrenamiento y ajustes para algunos problemas más complejos”, dijo Laycock.
Finalmente, afirmó definitivamente: “Estoy segura de que los trabajos de las personas cambiarán, pero en cuanto a cómo cambiarán los trabajos y qué cambios están ocurriendo”, como industria, estamos lejos de resolverlo.
Autor: Changzhang
Lecturas relacionadas:
Linus Torvalds Repasa 20 Años de Git
Después de que el Rastreador Derribara el Sitio Web, el Programador Construyó una “Bomba” para Contraatacar
Guerra de Código: ¡Rust vs. C por Asegurar Miles de Millones de Dispositivos!