Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · twitter.com
Cómo construir una organización de ingeniería nativa de IA
Sashank Gondala, de FurtherAI, cuenta lo aprendido en nueve meses: los cambios que cada ingeniero fusiona al día se han multiplicado por cinco con una tasa de reversiones inferior al 0,5 %. El cuello de botella ya no es escribir código, sino decidir qué construir y revisarlo.
Foto: vía twitter.com
1 medio · MadridPublicada 30 oct, 18:40Actualizada 31 oct, 04:55· Ya no está en portadaEscrita por IA · cómo funciona
Gondala explica que dar agentes de programación a los ingenieros no bastó: cada vez que aceleraban un paso, el trabajo se acumulaba en el siguiente. Por eso revisaron todo el proceso, etapa por etapa. En marzo, los agentes escriben el código y los ingenieros los dirigen. En abril, los agentes escriben también los tests, y el 91 % de los cambios los incluye (antes, el 15 %). En mayo, una IA revisa el 99 % de los cambios antes que una persona (antes, el 60 %).
En junio paralelizaron los tests y ejecutan solo los afectados por cada cambio, de modo que el CI corre 20 veces más tests en los mismos 17 minutos. En julio empezaron a usar ClaudeTag para la entrada de bugs: cualquiera los reporta en Slack y la herramienta detecta duplicados, abre el ticket y lo asigna; ya genera el 60 % de los tickets. En agosto convirtieron el conocimiento tácito en 21 reglas, pequeños checks en Python que se ejecutan en cada commit y PR, y permitieron que los cambios de bajo riesgo se fusionen solos: hasta un tercio de los cambios no pasa por ninguna persona. En septiembre, cualquiera puede abrir un canal de Slack, describir un cambio a un agente y obtener un PR. También usan agentes propios, Poirot y Sherlock, para investigar incidencias en producción y staging, y Devin en sesiones en la nube. Hasta su diseñador ha fusionado unos 50 cambios desde agosto.
Nada de esto salió gratis: durante el verano gran parte del esfuerzo fue a tests y herramientas, y los cambios orientados a cliente por ingeniero se quedaron entre 17 y 30 al mes. En septiembre subieron a 45, y octubre va camino de 48.
La segunda parte trata del nuevo cuello de botella: decidir qué construir. Con un ejemplo simplificado, si una funcionalidad de diez días (tres de planificación, seis de construcción, uno de revisión) se construye 3,5 veces más rápido, el conjunto solo gana 1,75 veces, y planificar y revisar pasan del 40 % al 70 % del tiempo. Su apuesta es dar más responsabilidad a los ingenieros en lugar de añadir capas de gestión. Define la seniority según cuánto de un problema se puede asumir de principio a fin: el junior construye con un agente y detecta cuándo se equivoca; el senior planifica y revisa su propio trabajo; el staff convierte un problema difuso en decisiones y responde de la métrica que dice si funcionó. A los managers les pide estar metidos en el trabajo (probar funcionalidades en staging como un usuario) y tener más criterio de producto. El texto termina con una oferta para Engineering Manager / Director en FurtherAI.
«Building an AI-native engineering org» · puesto 30 · 160 puntos · enviado por sgondala_ycapp
Lo que dicen los comentarios
Buena parte de los comentarios critica que el artículo mide la actividad y no el valor: nadie menciona ingresos, márgenes, satisfacción de clientes ni NPS, y se cuestiona que «lo enviado por ingeniero» sea una buena métrica, porque incentiva código inflado. Otros opinan que lo descrito es ingeniería normal con más IA y no algo «nativo de IA», y hay quien defiende que es una transición inevitable por presión competitiva. Varios con experiencia práctica dudan de enviar código sin leerlo, por los errores que ven en lo que genera Claude, y sostienen que la IA debe someterse a los principios de ingeniería y no al revés. Simon Willison espera retrospectivas tras casi un año de equipos con código poco revisado, y recomienda otro texto sobre un equipo que gasta 30 veces su nómina en tokens. Un comentarista de una empresa «nativa de IA» aporta su lista de lo que funciona: dar autonomía, diversidad de enfoques, estructuras planas, comunicar sobre el producto y no descuidar la arquitectura ni la revisión.
No hay ni una mención al valor ni a los ingresos. Solo suben tres métricas: líneas de código, gasto en tokens y, presumiblemente, la velocidad de entrega. ¿Ha subido el margen? ¿Y la satisfacción de los clientes?
Me parece normal engineering con más IA, no algo nativo de IA. Superponer IA a procesos existentes es fútil: si esperas que mejore cada vez más rápido, estos parches no sirven de nada.
Muchos equipos llevan desde marzo apostando por código con IA no revisado del todo. Ya van 6-8 meses, casi un año. Espero las retrospectivas: ¿funcionó?, ¿cuáles fueron los mayores fallos o sorpresas?, ¿salió software de calidad?
Claude me generó mensajes de error con detalles técnicos irrelevantes y sin instrucciones claras, y un código que se salía del alcance y cambiaba la API pública. No pienso enviar código sin leerlo. No entiendo cómo estas organizaciones lo consiguen.
Esa es la realidad de muchas organizaciones: absorbe buena parte de las ganancias. Entre programar una app desde cero y meter IA en organizaciones complejas con infraestructura heredada hay un abismo, y con casi cero tolerancia a defectos.
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.