La IA está transformando totalmente y a un ritmo vertiginoso la forma de trabajar a lo largo del ciclo de vida del desarrollo de software (SDLC).Tareas diarias como solucionar problemas de código, traducir software obsoleto, leer y analizar historias de usuario o configurar entornos de desarrollo y producción se están acelerando, cada vez más, con herramientas de inteligencia artificial. De hecho, los casos de uso de GenAI en cada una de las etapas del SDLC son cada vez más avanzados y están alcanzando una adopción mayor. Así lo refleja el informe “Reescribiendo los roles de producto e ingeniería en la era de la IA” de Deloitte, que recoge los datos de una encuesta reciente de GitHub a 2000 desarrolladores distribuidos a nivel global en la que el 97% reconoce haber utilizado herramientas de programación de IA en el trabajo.
Este impacto es más notable y profundo en la industria tecnológica, debido fundamentalmente a que los talentos de producto e ingeniería se sienten más cómodos con las nuevas tecnologías y poseen un mayor conocimiento. Y es que la adopción de la IA ya no está solo repercutiendo en materia de programación, sino en todo el ciclo de vida del SDLC. Y aunque está mejorando la eficiencia y acelerando tareas, no se espera que reemplace roles de manera generalizada, debido a la creciente demanda de software; más bien, que lleve a redefinir responsabilidades y reasignar trabajos, así como a que los equipos logren más, en menos tiempo.
¿Cómo está impactando el uso de la IA generativa en los diferentes roles del SDLC?
- Product managers: utilizan GenAI para convertir requisitos de negocio en historias de usuario, acelerando la redacción y edición, aunque la revisión humana sigue siendo crucial.
- Arquitectos: editan y validan diagramas y flujos de software de manera más ágil.
- Desarrolladores: escriben, revisan y mejoran código con apoyo de GenAI, incluyendo pruebas, migraciones y cumplimiento de estándares.
- Ingenieros de datos: automatizan ETL, optimizan los canales de datos y mejoran su calidad mediante la detección de anomalías y de análisis asistido por IA.
- DevSecOps: refuerzan seguridad y cumplimiento, mientras aceleran ciclos de desarrollo.
- QA: generan datos de prueba y escenarios de manera más eficiente.
En este escenario, todavía hay grandes incertidumbres por despejar en cuanto a la sostenibilidad del ritmo de madurez del modelo GenAI, la evolución de su entorno regulatorio, la definición de su ecosistema o la capacidad para atender su demanda de recursos naturales, infraestructuras o datos de entrenamiento.
El informe describe tres fases de adopción de la IA en la ingeniería de productos:
- La Era 1: evolución estable, que refleja en gran medida el estado actual de las empresas tecnológicas con una adopción madura de GenAI, en la que IA actúa como asistente, mejorando la eficiencia sin reemplazar roles.
- La Era 2: Automatización transformadora, en la que las tareas rutinarias se automatizan, permitiendo a los profesionales centrarse en tareas estratégicas.
- La Era 3: Paradigma disruptivo, en la que la inteligencia hipotética de una máquina que posee la capacidad de comprender o aprender cualquier tarea intelectual que un ser humano pueda realizar, se hace realidad. Esta era, aunque parece más cerca de la ciencia ficción que de un futuro próximo, la ven posible en cuestión de años, tanto líderes tecnológicos como gobiernos, y podría cambiar radicalmente todo el paradigma del trabajo. En ella, la IA podría gestionar flujos de trabajo complejos, de forma autónoma y con mayor eficiencia y velocidad que los humanos, así como autogestionarse y evaluar su propio rendimiento, con una intervención humana limitada, que se ocuparía de supervisar decisiones éticas y estratégicas.
La integración efectiva de GenAI no solo está llamada a transformar significativamente la productividad y calidad del desarrollo de software, sino que también llevará parejo un cambio de roles, donde la colaboración humano-IA pueda generar valor sostenible.
