- Un staff engineer comparte su experiencia tras experimentar durante 6 semanas con un flujo de trabajo de desarrollo junto a IA usando Claude Code
- La clave para una integración exitosa es la mentalidad de considerar a la IA como un “desarrollador junior que no aprende”
- La mayoría de los primeros intentos son un 95% fallidos, pero mediante iteración se van puliendo poco a poco hasta convertirse en código útil
- Se resuelve el problema de falta de contexto de la IA usando archivos de contexto por proyecto (
Claude.md) e integración de herramientas basada en MCP
- El rol del desarrollador se desplaza de escribir código hacia la resolución de problemas y el diseño de arquitectura, marcando un nuevo patrón de productividad en la era del uso de IA
Contexto y enfoque
- El autor antes escribía todo el código por su cuenta, pero recientemente la IA escribe el 80% y él se concentra en arquitectura, revisión y gestión de desarrollo multihilo
- Este texto no adopta un tono optimista de “la IA impulsa la innovación”, sino que comparte la confusión y la metodología realista al integrar IA en un flujo de trabajo de desarrollo en producción
- Tratar a la IA como un “desarrollador junior que no aprende” es la clave para usarla con éxito
El proceso de cambio del paradigma de desarrollo
- Durante los primeros 5 años mantuvo una forma de desarrollo basada en libros y documentación de SDK
- Después cambió durante 12 años a un enfoque de uso del conocimiento colectivo basado en búsquedas (Google)
- En los últimos 18 meses estuvo experimentando con programación asistida por IA mediante Cursor
- En las 6 semanas más recientes vivió un cambio drástico al usar Claude Code para una delegación integral a la IA
- La adaptación a Claude Code permitió sentir una mejora en productividad en apenas unas horas
Flujo de trabajo real de producción basado en IA
- Cuando trabaja en código que irá a producción, usa la IA sobre todo para “pensar”
- Generar código perfecto de una sola vez es imposible. La misión del ingeniero es encontrar la mejor solución posible para el problema
- Primer intento (95% fallido): la IA acumula contexto del sistema y el desarrollador define el problema, pero el código casi siempre está mal
- Segundo intento (50% fallido): mejora la comprensión del contexto y se concreta el enfoque, pero aún la mitad sigue siendo inútil
- Tercer intento (código utilizable): tras iterar y revisar, aparece una base de código realmente aprovechable que luego puede mejorarse
- Este proceso no es un fracaso, sino un proceso deliberadamente planificado de experimentación y optimización iterativa
El problema del contexto y la solución
- La IA no puede mantener memoria entre sesiones, así que existe la limitación de tener que repetir la misma explicación cada vez
- Como solución, usa el archivo
Claude.md para registrar decisiones de arquitectura, patrones y enlaces a documentación
- A través de integración MCP, se conecta con Linear, Notion, GitHub, la base de código y bases de datos para proporcionar contexto automáticamente
- Linear aporta contexto de tickets
- Notion o Canvas permiten acceder a documentación
- Bases de datos no productivas permiten verificar la estructura de datos
- GitHub aporta información de contexto de PR anteriores
Operación en paralelo de instancias de Claude y estrategias clave
- Opera varias instancias de Claude en paralelo, con un enfoque similar a gestionar un pequeño equipo de desarrollo que pierde la memoria todos los días
- Estableció estrategias como prohibir la paralelización dentro del mismo dominio del problema, registrar todo el trabajo en herramientas de gestión de proyectos como Linear y marcar claramente el código modificado directamente por humanos
- Usa activamente la IA no solo para escribir código, sino también para revisión de código: detecta rápido pruebas faltantes, errores evidentes y oportunidades de mejora, reduciendo trabajo repetitivo
- Según la política de su empresa (Sanity), la responsabilidad final por la calidad sigue siendo del ingeniero, aunque el código lo haya generado la IA
- En un entorno donde el código generado por IA y por humanos no se distingue fácilmente, disminuye el apego emocional y se vuelve posible una revisión de código más crítica y objetiva
Proceso de revisión de código en 3 etapas
- Escribir código es solo una parte del trabajo, y revisar código también lo es
- Revisión 1: revisión inicial de Claude
- Detecta faltas de cobertura de pruebas y errores evidentes
- Ahorra tiempo de revisión entre colegas con sugerencias de mejora
- Revisión 2: mi propia revisión
- Verifico mantenibilidad, arquitectura, lógica de negocio e integración
- Aunque el código sea generado por IA, el ingeniero tiene la responsabilidad final
- Revisión 3: revisión habitual del equipo
- No saben qué partes fueron generadas por IA. Se aplica el mismo estándar de calidad
- Es posible una revisión objetiva sin apego emocional
- Al haber menos apego emocional al código escrito por IA, la revisión objetiva resulta más fácil
Experimentos de automatización del trabajo y agente activado por Slack
- Hizo un piloto de un agente integrado con Slack usando Cursor: tuvo éxito con ajustes simples de lógica de negocio, pero falló con layouts CSS complejos
- En este momento existen limitaciones como falta de soporte para paquetes NPM privados, commits sin firma y desvíos del seguimiento oficial
- Aun así, hay entusiasmo por un escenario futuro en el que un agente procese tickets simples y repetitivos durante la noche
Costos y ROI
- El costo de uso de Claude Code representa una cantidad nada menor que la empresa paga por ingeniero
- Sin embargo, esa inversión genera mejoras de productividad
- Velocidad de lanzamiento de funciones 2 a 3 veces mayor
- Capacidad de gestionar múltiples hilos de desarrollo al mismo tiempo
- Desaparece la necesidad de escribir manualmente código repetitivo o boilerplate
- En la etapa inicial de adopción de IA, se necesita un presupuesto mensual de $1000 a $1500 para ingenieros senior, con expectativa de mejorar la eficiencia de costos a medida que aumente la experiencia
Problemas y límites persistentes del desarrollo asistido por IA
- Problema de aprendizaje: la IA no aprende de sus errores y repite los mismos malentendidos; la solución es reforzar la documentación abundante y las instrucciones explícitas
- Problema de confianza: la IA puede entregar código incorrecto con total seguridad, por lo que siempre debe verificarse, especialmente en gestión de estado compleja, rendimiento y zonas de seguridad
- Problema de límite de contexto: las bases de código grandes superan la ventana de contexto de la IA, así que es esencial dividir los problemas en unidades pequeñas y dar contexto claro
El cambio emocional: del código al problema
- Dejar atrás la obsesión con el código y pasar a una mentalidad centrada en resolver problemas
- Eliminar rápido el código incorrecto, hacer revisiones más objetivas y reducir la carga emocional del refactor = cambios positivos
- Si aparece una mejor herramienta de IA, existe disposición a cambiarla de inmediato
- Lo esencial no es “el código en sí”, sino el valor del problema que debe resolverse
Consejos para adoptar IA desde la perspectiva de ingeniería
- 1. Permitir experimentar con varias soluciones de IA: el equipo necesita usar distintas herramientas directamente para fortalecer su capacidad práctica
- 2. Aplicar IA primero a tareas repetitivas y simples: así pueden obtenerse resultados rápidos
- 3. Asegurar presupuesto para prueba y error: el primer mes hay que tolerar la confusión
- 4. Rediseñar el proceso de revisión: reforzar las verificaciones según las características del código generado por IA
- 5. Documentar a fondo: un buen contexto multiplica la productividad
- Los ingenieros que se adapten al nuevo flujo de trabajo con IA descubrirán que ahora tienen un nuevo cuchillo afilado en su caja de herramientas
- Los ingenieros que adopten flujos de trabajo con IA evolucionarán hacia un nuevo rol centrado en orquestar múltiples agentes de IA y enfocarse en arquitectura, revisión y resolución de problemas complejos
Tu siguiente paso
- Elige una sola funcionalidad, pequeña pero bien definida,
- dale a la IA tres oportunidades para implementarla,
- y revisa el resultado como si estuvieras mentoreando a un desarrollador principiante
- Eso es todo. No hace falta un gran cambio ni rehacer procesos
- Solo necesitas una funcionalidad, tres intentos y una revisión honesta
- El futuro no consiste en que la IA reemplace a los desarrolladores
- sino en que los desarrolladores trabajen más rápido, construyan mejores soluciones y aprovechen las mejores herramientas
Aún no hay comentarios.