- El ponente Gergely Orosz es el creador del newsletter y pódcast Pragmatic Engineer, y exingeniero de Microsoft y Uber; comparte la realidad de la adopción de GenAI que ha visto en el campo
- A diferencia de las expectativas exageradas de CEOs y fundadores, la experiencia real de los desarrolladores muestra un panorama más complejo debido a las limitaciones de las herramientas y la variación en productividad
- Las startups de herramientas de desarrollo con AI y las big tech tienen altas tasas de uso interno y una inversión muy activa, pero algunas startups y áreas especializadas siguen reportando una utilidad baja
- Desarrolladores independientes e ingenieros veteranos están percibiendo recientemente un punto de inflexión de GenAI, y muestran reacciones positivas sobre la expansión de la productividad al programar y la creatividad
- Kent Beck evalúa la adopción de los LLM como un cambio de paradigma al nivel de internet o los smartphones, y enfatiza la importancia de probar cosas nuevas y experimentar
Presentación del ponente
- Gergely Orosz
- Creador del newsletter y pódcast Pragmatic Engineer
- 10 años de experiencia como ingeniero en JP Morgan, Microsoft (Skype), Skyscanner, Uber y otros
- Actualmente explora de forma intensiva el impacto de GenAI en la ingeniería de software
Expectativas exageradas y realidad
- CEO de Microsoft: "La AI escribe el 30% de todo el código"
- CEO de Anthropic: "En 1 año, el 100% del código será generado por AI"
- Jeff Dean de Google: "La AI pronto alcanzará el nivel de un desarrollador junior"
- Pero la realidad:
- Agentes de AI generan bugs y provocan costos de cientos de dólares
- En una demo de Microsoft Build, la AI falló al modificar código complejo
Startups de herramientas de desarrollo con AI
- Anthropic:
- Todos los ingenieros internos usan Cloud Code
- Más del 90% del código es escrito por AI
- Adopción de MCP(Model Context Protocol) → permite conectar IDE, DB, GitHub, etc.; se está expandiendo a gran escala
- Windsurf: el 95% del código es escrito por AI
- Cursor: 40~50% escrito por AI, “la mitad funciona bien y la otra mitad tiene límites”
Situación de las big tech
- Google:
- Funciones de AI integradas en su IDE Cider (autocompletado, revisión, búsqueda de código)
- La adopción interna se ha acelerado rápidamente en el último año
- La organización de SRE está reforzando la infraestructura para soportar 10 veces más líneas de código
- Amazon:
- Amazon Q Developer Pro → muy potente para tareas relacionadas con AWS
- También usan activamente modelos de Anthropic (Claude) para redactar documentación interna y en temporada de evaluaciones
- Integración amplia de servidores MCP → se expande la automatización de herramientas internas
Startups y casos individuales
- Incident.io:
- Todo el equipo experimenta activamente con AI y comparte tips en Slack
- Tras adoptar Cloud Code, la tasa de uso se disparó
- Startup de biotecnología:
- Como necesita escribir mucho código novedoso por cuenta propia, la eficiencia de los LLM es baja
- Siguen considerando que programar directamente es más rápido
Desarrolladores independientes e ingenieros veteranos
- Armin Ronacher (creador de Flask): usa agentes como internos virtuales y siente un aumento de productividad
- Peter Steinberger (fundador de PSPDFKit): dice que la barrera del idioma ha bajado y que “la chispa técnica volvió a encenderse”
- Simon Willison (cofundador de Django): con las mejoras recientes de los modelos, “los agentes de AI para programar entraron en una etapa práctica”
- Brigita (Thoughtworks): los LLM son una nueva herramienta de abstracción que abarca todo el stack
- Kent Beck (creador de TDD): “En 52 años de carrera, este es el momento más divertido”; evalúa a los LLM como una innovación al nivel de internet o los smartphones
Preguntas que siguen abiertas
- ¿Por qué CEOs y fundadores están más entusiasmados que los ingenieros?
- La tasa real de uso de herramientas de AI es de alrededor del 50% semanal; todavía no es algo universal
- Ahorro de tiempo: según una encuesta de DX, se ahorran unas 3~5 horas por semana, muy lejos de la exagerada “productividad 10x”
- ¿Por qué a nivel individual el efecto es grande, pero a nivel organizacional resulta menos efectivo?
Conclusión
- Los LLM podrían habilitar un salto de productividad comparable al cambio de ensamblador a lenguajes de alto nivel
- Aun así, la AI no es determinista, y la eficiencia varía mucho según el equipo y el área
- Mensaje: este es el momento de experimentar y aprender; se enfatiza que “hay que intentar activamente las cosas que ahora son más baratas y posibles”
Aún no hay comentarios.