- El desarrollo de software interno ya está entrando en una era en la que incluso personas no especializadas pueden crear apps completas con lenguaje natural gracias a la IA generativa
- Las antiguas herramientas low-code/no-code no lograron dejar atrás la dependencia de los ingenieros debido a sus límites en integración, seguridad y escalabilidad
- Sin embargo, los constructores de apps basados en IA como Replit, Lovable y Vercel v0 están haciendo posible el prototipado rápido y la implementación de flujos de trabajo impulsados por los propios usuarios
- Como muestran los casos de Sears, Zillow e Intuit, equipos no técnicos ya están desarrollando por sí mismos decenas de apps internas que pueden usarse en operaciones reales
- Aun así, seguridad, gobernanza e integración siguen siendo factores clave, y se acerca un nuevo paradigma en el que los prototipos pasan directamente a sistemas de producción
La historia de las herramientas internas
- Durante mucho tiempo, las empresas han necesitado software interno como dashboards, flujos de trabajo y bases de datos
- Hubo intentos con Lotus Notes, macros de Excel y Access, pero tuvieron límites por problemas de mantenimiento y escalabilidad
- En la década de 2010, con la expansión de la nube y SaaS, la fragmentación de datos se intensificó y las herramientas internas comenzaron a verse como infraestructura esencial
- Facebook tuvo éxito al invertir en dashboards internos y herramientas para desarrolladores, pero la mayoría de las empresas no tenía la capacidad de construirlos por cuenta propia
- Como resultado, surgieron plataformas de primera generación como Retool y Zapier, aunque seguían existiendo limitaciones
Los límites del low-code/no-code
- Ausencia de autoservicio completo: las automatizaciones simples son posibles, pero la lógica compleja todavía requiere scripts
- Problemas de integración y seguridad: al adoptarlas en grandes empresas faltan RBAC, registros de auditoría y certificaciones de seguridad
- Restricciones de escalabilidad: límites para manejar grandes volúmenes de datos y UI de alto rendimiento, además de restricciones de acceso a APIs
- Fricción organizacional: falta de documentación, ausencia de gestión de permisos y riesgo de shadow IT
IA generativa y Text-to-Apps
- Desde 2023, ha surgido una nueva generación de herramientas capaces de generar apps con lenguaje natural
- Lovable, Replit, Vercel v0, Figma Make y Bolt ofrecen automatización de UI, lógica, DB e incluso despliegue
- Ventajas:
- El tiempo de prototipado se reduce de semanas a solo unas horas
- Incluso personas no técnicas pueden crear apps reales para el trabajo
- Los primeros casos de uso abarcan dashboards, gestión de tickets y automatizaciones basadas en APIs para necesidades reales del negocio
Casos reales
- Sears Home Services: personas no especializadas construyeron más de 50 apps internas (sistema de tickets, alertas por SMS, dashboard de pedidos de piezas, etc.)
- Zillow: el equipo de estrategia creó un dashboard de ventas basado en Three.js, usado para apoyar la toma de decisiones del liderazgo
- Oscar Health: ingenieros crearon con herramientas de IA una herramienta para generar avatares de proveedores
- Ostro: construyó herramientas para clasificar logs de soporte al cliente y ordenar pipelines de datos
- Intuit: product managers crearon con Replit simulaciones reales de campañas y dashboards
Limitaciones actuales
- A las personas no especializadas les cuesta corregir errores, y existe un límite al re-prompting
- Al integrarse con sistemas internos, la revisión de seguridad, la complejidad de autenticación y la falta de conectores ralentizan el proceso
- El código generado finalmente también requiere mantenimiento
- Gobernanza insuficiente: faltan controles de acceso, auditoría y gestión de versiones
- La mayoría sigue siendo principalmente para prototipos; los sistemas de nivel productivo aún requieren ingenieros
- Límites en la calidad de los prompts: aparecen errores al manejar diseños o lógicas no estándar
Diferencia de prioridades entre herramientas internas y prototipos
- Al crear herramientas internas, lo clave es seguridad, control de acceso, integración y gobernanza
- Al crear prototipos, se priorizan más la UI/diseño, flexibilidad y la iteración rápida
Perspectivas a futuro
- Las herramientas de IA generativa todavía no reemplazan a los ingenieros, pero sí están cambiando la forma de planificar, probar y compartir software interno
- Dirección de evolución:
- Transición fluida de prototipo → herramienta de producción
- Posibilidad de que los equipos de primera línea construyan apps de inmediato
- Construcción directa de sistemas internos personalizados optimizados para el flujo de trabajo de cada equipo
- Algunas empresas ya están contratando ingenieros de despliegue interno (IDE) para acelerar este cambio a nivel organizacional
Conclusión
- Si la primera generación del no-code prometía accesibilidad, las herramientas basadas en IA ofrecen velocidad y escalabilidad
- Es muy probable que las herramientas internas, antes limitadas a prototipos, evolucionen pronto hasta convertirse en infraestructura clave del entorno de producción
1 comentarios
Por temas de control interno o de auditoría, esto tampoco parece fácil de aprovechar para quienes no son desarrolladores. Como cada vez queda más claro que es imposible que los LLM actuales se conviertan en AGI y que también tienen límites para programar, da la impresión de que están aumentando las declaraciones hechas a la fuerza de "no, esto de verdad sí funciona".