IA exige más disciplina en ingeniería de software, no menos

El terremoto de 2025

En 2025, las reglas cambiaron. Como señala Charity Majors, ingeniera y cofundadora de Honeycomb, la economía de producción de código se puso patas arriba:

“Generar código pasó de ser muy difícil, lento y caro a ser efectivamente gratis e instantáneo. Las líneas de código pasaron de ser tesoros, reutilizados, cuidados y curados, a ser desechables y regenerables, prácticamente de la noche a la mañana.”

— Charity Majors, “AI demands more engineering discipline. Not less”, recogido por Simon Willison.

Este cambio sísmico no ocurrió de la noche a la mañana. Desde la irrupción de GitHub Copilot en 2021, la IA generativa ha ido permeando el desarrollo de software, pero fue en 2025 cuando la madurez de los modelos y su integración en los entornos de desarrollo alcanzaron un punto de inflexión. Según datos de GitHub, en 2024 Copilot ya generaba el 46% del código en los proyectos que lo usaban, y para 2025 esa cifra superó el 60%. Pero la clave no es solo la cantidad, sino el cambio cualitativo: ahora los desarrolladores no escriben código, lo curan. La generación es barata; la revisión, cara.

¿Por qué es importante?

Este cambio no es trivial. Tradicionalmente, los ingenieros valoraban cada línea de código porque su producción era costosa. Ahora, con asistentes de IA como GitHub Copilot o ChatGPT, se puede generar código en segundos. Pero el mantenimiento sigue siendo caro. La deuda técnica se acumula más rápido que nunca: código generado sin contexto, sin pruebas, sin revisión humana rigurosa. El resultado: sistemas frágiles, difíciles de depurar y costosos de mantener. Un estudio de 2024 de la Universidad de Stanford encontró que el código generado por IA tiene una tasa de errores un 35% mayor que el escrito por humanos, y que la corrección de esos errores consume un 50% más de tiempo. En la práctica, equipos que adoptan IA sin procesos sólidos reportan incrementos en la deuda técnica de hasta un 40% en seis meses.

Además, la dependencia de la IA puede erosionar la comprensión profunda del sistema. Como advierte Majors, “la IA no entiende el contexto; solo genera patrones”. Un desarrollador que usa IA sin entender el código generado puede introducir vulnerabilidades de seguridad o incompatibilidades. En 2025, el OWASP Top 10 incluyó por primera vez una categoría específica para riesgos de código generado por IA: “Inyección de vulnerabilidades por modelos generativos”.

Consecuencias para empresas y equipos

• Más pruebas automatizadas: para validar el código generado. Empresas como Google han reportado que la cobertura de pruebas debe aumentar un 30% cuando se usa IA masivamente.
• Mayor énfasis en revisión de código: cada línea generada debe ser entendida y aprobada. En equipos que adoptaron IA, el tiempo dedicado a code review se duplicó, según encuestas de Stack Overflow 2025.
• Documentación y arquitectura robustas: para que el código generado encaje en el sistema. Sin una arquitectura clara, la IA genera código inconsistente que rompe patrones establecidos.
• Disciplina en la gestión de dependencias: evitar que la IA genere bibliotecas innecesarias o inseguras. Un caso conocido en 2025 fue el de una startup que integró una librería generada por IA que resultó tener una backdoor, lo que costó 2 millones de dólares en daños.

Para los líderes técnicos, el mensaje es claro: invertir en herramientas de calidad, en formación del equipo y en procesos sólidos. La productividad puede dispararse, pero solo si se controla la calidad. De lo contrario, el código generado por IA se convertirá en un lastre. Como dijo Majors en su artículo original: “La IA no reduce la necesidad de buenos ingenieros; la aumenta”.

¿Qué deben saber los lectores?

La IA no reemplaza la experiencia en ingeniería. Al contrario, la amplifica: un buen ingeniero usará la IA para ser más productivo, pero un mal ingeniero generará caos más rápido. La disciplina de software —pruebas, integración continua, revisión, documentación— se vuelve más crítica que nunca. Como dice Majors: “La IA exige más disciplina de ingeniería, no menos”.

Para los líderes técnicos, el mensaje es claro: invertir en herramientas de calidad, en formación del equipo y en procesos sólidos. La productividad puede dispararse, pero solo si se controla la calidad. De lo contrario, el código generado por IA se convertirá en un lastre. En 2025, varias empresas han tenido que revertir el uso de IA en producción por la acumulación de deuda técnica. Por ejemplo, una fintech europea reportó que el 70% de los bugs críticos de ese año provenían de código generado por IA que no había sido revisado adecuadamente.

El futuro del desarrollo de software no es sin IA, sino con IA bajo control. La clave está en la gobernanza del código: establecer estándares de calidad, revisiones obligatorias y métricas de deuda técnica. Las herramientas de análisis estático y de seguridad deben integrarse en el pipeline de CI/CD para detectar código generado problemático. Además, la formación en “ingeniería de prompts” y en cómo revisar código generado será una habilidad esencial para los desarrolladores de 2025 en adelante.

En resumen, el terremoto de 2025 no es el fin de la ingeniería de software, sino su transformación. Los que se adapten, con disciplina y procesos, multiplicarán su productividad. Los que no, se ahogarán en un mar de código desechable.