Cómo usar la IA para desarrolladores que quieren mejorar día a día (diapositivas de 290 páginas)
(stdy.blog)La semana pasada di una charla especial en LINE Plus titulada "Cómo usar la IA para desarrolladores que quieren mejorar día a día".
Como también pensaba subirla más adelante a YouTube, incluí la mayor cantidad posible de ideas en las que he estado pensando durante los últimos meses (o incluso años), y terminé con unas 230 páginas; en la práctica, solo alcancé a cubrir alrededor de dos tercios del contenido.
Después de revisarla más a fondo, quedó terminada la versión 2 con un total de 290 diapositivas.
Abajo dejo un resumen hecho con Gemini.
Introducción
- Brecha de alfabetización en IA: la diferencia en la capacidad de usar IA entre las personas es muy grande, y solo con reconocer qué puede hacer la IA más reciente y hasta dónde llega, esa brecha puede reducirse mucho.
- Importancia del aprendizaje constante: si no mantienes una actitud de aprender y desaprender (
learn & unlearn) usando de forma continua distintas herramientas de IA, la brecha volverá a ampliarse. - Expansión del desarrollo: antes, los desarrolladores se enfocaban sobre todo en la etapa de “implementación”, pero ahora es posible usar IA para participar en todo el proceso de desarrollo de producto, desde la idea hasta marketing y operaciones.
Parte 1: cómo usar la IA de forma más inteligente como asistente de programación
- Evolución de los asistentes de programación: empezaron con el autocompletado simple (VSCode IntelliSense), pasaron por la generación de fragmentos de código con IA (TabNine, GitHub Copilot), y ahora hemos llegado a la era del “vibe coding” y los “coding agents”, capaces de comunicarse en lenguaje natural y crear de 0 a 1.
- Cambios en rendimiento y costo de la IA: el rendimiento de los LLM ha mejorado drásticamente y los costos han caído con rapidez; además, la longitud y complejidad de las tareas que la IA puede completar de forma autónoma también están aumentando rápido.
- La esencia del desarrollo: la herramienta de la “programación” ha cambiado de las tarjetas perforadas al lenguaje natural, pero la esencia del desarrollador como “persona que resuelve problemas programando” no ha cambiado.
- Delegación y gestión de la IA: colaborar con IA se parece a delegar trabajo a una persona. Es importante ajustar el nivel de delegación según la capacidad de la IA (informar, persuadir, consultar, acordar, aconsejar, preguntar, delegar) y monitorear su funcionamiento observando cómo opera ese LLM de caja negra.
- Ingeniería de contexto: para la IA, es más importante comunicar con claridad el “qué” (
What) y el “por qué” (Why) que el “cómo” (How). Para eso, resulta útil el framework STICC, que incluye situación (Situation), tarea (Task), intención (Intention), preocupación (Concern) y calibración (Calibration). - Uso de herramientas (MCP): para maximizar la capacidad de los coding agents, se pueden usar servidores MCP (Model Context Protocol). Sin embargo, conectar demasiadas herramientas puede degradar el rendimiento, así que es más efectivo elegir solo funciones clave, como control del navegador (Playwright) o mejora de comprensión de código (Serena).
- Expansión del control de versiones: hace falta experimentar con un control de versiones que incluya no solo el código, sino también los prompts y el contexto (como documentos de planificación) que se le dieron a la IA para generarlo.
Parte 2: cómo usar la IA de forma más inteligente en todo el proceso de desarrollo de producto
- Framework para resolver problemas: el desarrollo de producto puede verse como un proceso de tres etapas: “definir el problema → implementar la solución → generar cambio”.
- La importancia de “lo uso yo, lo hago yo”: el enfoque de “yo hago algo que yo mismo voy a usar” es una estrategia excelente, especialmente para quienes están empezando con AI coding. Es fácil de construir, permite mejorar rápido y también escalar con facilidad.
- Enfoque centrado en el usuario: hay que definir con claridad “de quién (usuario) es el problema, qué problema (objetivo) se va a resolver y cómo (complejidad)”. Lo más importante al inicio es resolver primero el problema propio (“eat your own dog food”).
- Validación de producto: el producto debe evolucionar mediante validación de idea (MVP), validación de mercado (MMP) y validación de lealtad del cliente (MLP). Al comienzo, aunque no haya escala, es importante salir al campo y resolver directamente los problemas de los clientes.
- Build in Public: una estrategia para crear fans mostrando de manera transparente el proceso de construcción del producto. Es efectiva para fundadores pequeños, y la clave está en contar la historia alrededor del “por qué” y el “cómo”.
Parte 3: estrategias para que juniors y seniors aprendan y crezcan de forma efectiva en la era de la IA a lo largo de todo este proceso
- Lo que perdió importancia y lo que ganó importancia: el valor de conocimientos como la sintaxis de un lenguaje específico ha bajado, pero se han vuelto más importantes la capacidad de fijar una visión grande y gestionar la complejidad, detectar y corregir errores de la IA, tener comprensión profunda del dominio, diseño y capacidad de aprendizaje.
- Mentalidad (superar el FOMO): no hace falta seguir todas las herramientas nuevas. Es importante definir categorías de interés, dejar que la información llegue de forma natural a través de redes sociales, newsletters, etc., y mantener una curiosidad saludable.
- Estrategias de aprendizaje:
- Usar recursos confiables: hay que aprender en profundidad a partir de documentación oficial, conversaciones con expertos y textos con buenas ideas.
- Buscar conocimiento generativo: más que enfocarse en el “resultado” (conocimiento terminado), hay que concentrarse en el “proceso” que produce ese resultado (conocimiento generativo), y adoptar la actitud de aprender a usar una herramienta desde la propia herramienta.
- Aprender de los expertos: en vez de pedir solo respuestas a una persona experta, conviene preguntarle “qué señales usó para reconocer ese patrón” y “por qué llegó a esa conclusión”, para aprender su proceso de pensamiento.
- El rol del senior: es importante convertir el conocimiento tácito propio en conocimiento explícito (guías, código de ejemplo, reglas para IA, etc.) y compartirlo con la organización, además de combinar experiencias de distintos dominios para generar ideas emergentes.
- Formación de hábitos: más que intentar crear buenos hábitos de una sola vez, hay que transformarse gradualmente a través del “hábito de crear hábitos” (por ejemplo, retrospectivas microscópicas).
- Intención de ejecución: en lugar de quedarse con resoluciones vagas como “desde mañana debería hacer ~”, la probabilidad de actuar aumenta mucho si se planifica de forma concreta “cuándo, dónde y cómo” se va a hacer (“intención de implementación”).
Cierre
- Virtudes clave: las cualidades más importantes en la era de la IA son la “duda saludable” y la “curiosidad”.
- Reconocer los límites de la IA: hay que tener presente que la IA todavía tiene límites claros, como falta de contexto, alucinaciones, seguridad y costo.
- La mejor herramienta: al final, la herramienta superior a cualquier IA existente sigue siendo el “cerebro” humano, y hay que usarlo activamente.
6 comentarios
¡También lo subí a YouTube! https://www.youtube.com/watch?v=CAgn60EWDmw
También estaré esperando el video de YouTube jaja
Ingeniería de contexto: ¡dar instrucciones de forma inteligente con What+Why!
Además, aclaró con mucha precisión muchas cosas que siempre me habían dado curiosidad :)
¡Me siento hasta culpable y agradecido de poder ver gratis información de tan alta calidad!!!!
No, para nada tiene que disculparse... jaja. Muchas gracias por sus palabras, son demasiado amables.
En la primera versión aprendí mucho sobre cómo dar instrucciones al agente.
Gracias.