Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · picon.dev
La IA puede escribir más código, pero seguimos teniendo que diseñar el sistema
Un ingeniero sostiene que los agentes pueden asumir más trabajo de implementación y ayudar en análisis, diseño y pruebas, pero que las personas siguen decidiendo qué construir y qué evidencia basta para aceptarlo. Propone documentar decisiones, especificar el siguiente comportamiento y someter lo generado a verificación.
Foto: vía picon.dev
1 medio · MadridPublicada 2 nov, 03:35· Ya no está en portadaEscrita por IA · cómo funciona
El autor empieza por preguntar a qué se refiere quien dice que la IA ha transformado el desarrollo: ¿a producir una implementación, a explorar un diseño o a decidir si el sistema resuelve el problema correcto? Automatizar una de esas actividades no resuelve las demás. Su tesis es que los agentes pueden asumir más implementación y asistir en análisis, diseño y pruebas, mientras que los ingenieros siguen siendo responsables de qué construir y de qué evidencia es suficiente. Desconfía de presentarlo como el reemplazo de quien «pica código», porque reduce a los desarrolladores a teclear y convierte la automatización de tareas en una afirmación sobre empleos que exigiría más que una demostración vistosa.
Primera propuesta: dar un hogar duradero a las decisiones. Una conversación con un modelo es cómoda para explorar opciones, pero frágil como único registro de una decisión de arquitectura: el contexto es limitado y un resumen puede conservar la conclusión y perder la condición que la justificaba («usar caché local» no es lo mismo que «usar caché local porque esta pantalla debe funcionar sin conexión»). Sugiere un archivo como PROJECT_GUIDE.md con el propósito y el alcance del producto (incluidas las exclusiones), los límites del sistema y las razones de las decisiones, los criterios de calidad con los comandos para comprobarlos y enlaces a decisiones más detalladas. El nombre no tiene poderes especiales: hay que conectarlo mediante las instrucciones de proyecto de la herramienta o incluirlo en la tarea, y comprobar cómo lo interpreta el agente. Advierte además de que Markdown no garantiza ni la recuperación ni la obediencia, y que cualquier ahorro de coste requiere medir la tarea completa.
Segunda: especificar el siguiente comportamiento. Con el ejemplo hipotético de una pantalla de búsqueda móvil, plantea un primer incremento limitado a búsqueda local, con casos de aceptación explícitos: una consulta con coincidencias muestra los elementos esperados, una sin coincidencias muestra un estado vacío, borrar la consulta restaura la colección y, si el filtrado es asíncrono, un resultado antiguo no puede sobrescribir uno más reciente. Esos casos llevan a preguntarse si hace falta trabajo asíncrono, algo que debe decidirse según el volumen de datos y la capacidad de respuesta, no por lo que pida una plantilla. Tras el incremento, revisaría el diff, ejecutaría las comprobaciones y probaría la pantalla: si el agente reescribió la persistencia pese a la restricción de alcance, que pasen los tests no lo hace aceptable.
Tercera: que la generación responda ante la verificación. Formateadores, compiladores, análisis estático y tests responden a preguntas distintas y ninguno prueba que se eligió el comportamiento de producto correcto. Un test generado puede codificar el mismo malentendido que la implementación, así que el autor revisaría las aserciones frente a los casos de aceptación y usaría ejemplos elegidos, incluido uno de fallo. Si importa el rendimiento, hay que definir antes dispositivo, datos, escenario y umbral; y un hook local no equivale a una política remota que se imponga. Por último, la documentación debe justificar su mantenimiento: desconfía de las cadenas largas de documentos generados para cambios pequeños, aunque reconoce que en trabajo regulado, interfaces públicas o coordinación entre equipos puede hacer falta mucho detalle. Cita a Birgitta Böckeler, François Zaninotto, Simon Willison y Matt Pocock, siempre como material útil y no como prueba concluyente.
«AI Can Write More of the Code. We Still Have to Engineer the System» · puesto 2 · 14 puntos · enviado por devpicon
Lo que dicen los comentarios
Con solo cuatro comentarios, la conversación coincide con el artículo. Un usuario recurre a la metáfora del barro frente a la piedra: el código generado sirve para hacer «ladrillos» legibles, comprobables y comprensibles, y la ingeniería consiste en construir con ellos. Otro recuerda el clásico «Programming as Theory Building» como aún vigente. Un tercero añade que la IA no puede crear la lógica de negocio que no está documentada, aunque ayuda a localizar qué preguntas hacer. Hay también un enlace a una charla propia con opiniones parecidas. No hay discrepancias.
El código generado por un LLM debería servir para construir ladrillos discretos que se puedan leer, probar y, sobre todo, entender. Con ellos se diseña la aplicación. Así se construye una plataforma que aguante el uso real.
Si la información no existe, la IA no puede crearla, pero sí ayudar a identificar dónde hay que preguntar: dónde están las vaguedades y las suposiciones. Mucha lógica de negocio hay que entenderla antes.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.