Investigación·nota·sep 2026·6 min de lectura
La IA puede hacer el código más rápido. Eso no significa que construir software sea instantáneo.
IA aplicadaIngenieríaTrabajo
Algunas reflexiones después de Tech Passion Day 2026 en Copenhague.
Esta semana tuve la oportunidad de asistir a Tech Passion Day 2026 en Copenhague, un evento enfocado en tecnología, software, cloud, arquitectura e inteligencia artificial.
Y aunque hubo muchas conversaciones interesantes durante el día, una de las primeras conferencias, titulada “AI took my job, thankfully”, dejó una idea que para mí resume bastante bien el momento que estamos viviendo:
AI raised the ceiling on what you can attempt. It did not lower the floor on what you have to understand.
La inteligencia artificial aumentó muchísimo lo que somos capaces de intentar.
Hoy una persona o un equipo pequeño puede construir productos, automatizaciones y sistemas que hace unos años hubieran requerido más desarrolladores, más tiempo y muchísimo más presupuesto.
Eso es increíble.
Pero hay una parte de esta revolución que a veces se está perdiendo en la conversación:
que algo pueda construirse más rápido no significa que entender qué estamos construyendo sea menos importante.
Probablemente sea todo lo contrario.
La IA acelera el “Generate”, no todo el proceso
Una de las slides de la conferencia planteaba el desarrollo asistido por IA de una forma bastante sencilla:
Intent → Constraints → Generate → Verify → Integrate → Observe
Y mientras la veía pensé que explica perfectamente algo que constantemente vemos trabajando con tecnología.
Primero está el Intent.
¿Qué quieres lograr realmente?
No qué pantalla quieres.
No qué funcionalidad viste en otra plataforma.
No qué le pediste a ChatGPT que programara.
¿Qué problema de negocio estamos intentando resolver?
Después vienen los Constraints.
Presupuesto, tiempos, usuarios, infraestructura, seguridad, sistemas existentes, permisos, reglas del negocio, escalabilidad y muchas otras variables que cambian completamente la solución.
Y entonces sí viene Generate.
Aquí es donde la IA está cambiando brutalmente nuestra industria.
Hoy podemos generar código, estructuras, documentación, interfaces, pruebas y soluciones iniciales muchísimo más rápido que antes.
Pero el proceso no termina ahí.
Después hay que Verify.
¿Lo que se generó realmente funciona?
¿Hace lo que debería?
¿Tiene errores?
¿Es seguro?
¿Estamos entendiendo el código o simplemente confiando en que porque la IA lo escribió debe estar bien?
Después hay que Integrate.
Un sistema rara vez vive solo.
Hay bases de datos, APIs, CRMs, ERPs, herramientas externas, usuarios, permisos, servidores, procesos internos y sistemas que muchas veces llevan años funcionando.
Y finalmente hay que Observe.
Porque una cosa es que algo funcione en una computadora durante una prueba.
Otra muy diferente es ver cómo se comporta cuando empieza a utilizarlo gente real.
“Pero si ya existe IA, ¿por qué esto tarda semanas?”
Esta es probablemente una de las conversaciones más interesantes que estamos viendo actualmente en la industria.
La inteligencia artificial ha provocado una expectativa completamente razonable:
si podemos generar código mucho más rápido, entonces desarrollar software debería ser más rápido.
Y es cierto.
Lo es.
Pero de ahí también está naciendo otra expectativa mucho más peligrosa:
que ahora todo debería construirse prácticamente de un día para otro.
Si antes algo tardaba tres meses, ¿por qué no debería tardar tres días?
Si la IA escribe código, ¿por qué desarrollar un sistema sigue costando dinero?
La respuesta es relativamente sencilla:
porque generar código nunca fue todo el trabajo.
El código es una parte del proceso.
Entender qué necesita realmente el negocio también es trabajo.
Diseñar correctamente la solución es trabajo.
Pensar en arquitectura es trabajo.
Definir cómo se conectará con otros sistemas es trabajo.
Validar casos excepcionales es trabajo.
Revisar seguridad es trabajo.
Probar es trabajo.
Corregir es trabajo.
Observar lo que sucede después de lanzar es trabajo.
Y, sobre todo, tomar buenas decisiones tecnológicas sigue siendo trabajo.
La IA puede acelerar muchas de esas actividades.
Pero no elimina la necesidad de hacerlas bien.
El problema aparece después
Una de las cosas peligrosas de construir software demasiado rápido es que normalmente el problema no aparece el primer día.
Puedes generar una aplicación.
Puede abrir.
Los botones funcionan.
La interfaz se ve bien.
La demo sale perfecta.
Y eso puede crear la sensación de que el producto está terminado.
Pero los problemas aparecen cuando llegan los usuarios.
Cuando aumenta el tráfico.
Cuando cambia una regla de negocio.
Cuando otra plataforma modifica su API.
Cuando alguien introduce información inesperada.
Cuando aparece un problema de seguridad.
Cuando necesitas modificar algo seis meses después y nadie entiende por qué se construyó de determinada manera.
Ahí es donde empiezas a pagar la deuda de todas las decisiones que no se tomaron correctamente al principio.
Por eso una frase que resume bastante bien nuestra forma de verlo en Inteligart es:
queremos aprovechar la IA para hacerlo más rápido, pero nunca confundir hacerlo más rápido con hacerlo a la carrera.
Son dos cosas completamente diferentes.
La ventaja real de la IA no es eliminar el criterio
Probablemente la ventaja competitiva de los próximos años no será simplemente saber utilizar herramientas de IA.
Cada vez serán más fáciles de utilizar.
La diferencia estará en quién desarrolla suficiente criterio para utilizarlas correctamente.
Saber qué pedir.
Saber qué cuestionar.
Saber qué revisar.
Saber cuándo algo que aparentemente funciona en realidad está mal construido.
Y saber cuándo la mejor decisión incluso puede ser no utilizar IA.
Las herramientas cambian muy rápido.
Los modelos cambian.
Los frameworks cambian.
Las plataformas cambian.
Pero entender sistemas, usuarios, negocio, seguridad, datos y arquitectura sigue siendo conocimiento que permanece.
Otra de las frases de la conferencia lo resumía perfectamente:
Durable knowledge outlives your tools.
El conocimiento duradero sobrevive a tus herramientas.
Salir de tu propia burbuja
Y probablemente una de las cosas que más disfruto de asistir a este tipo de eventos fuera de México es precisamente escuchar cómo distintas personas están interpretando el mismo cambio tecnológico.
Todos estamos viviendo la revolución de la inteligencia artificial.
Pero no necesariamente todos la estamos entendiendo de la misma manera.
Las conversaciones cambian dependiendo del mercado.
Cambian dependiendo de las empresas.
Cambian dependiendo de la madurez tecnológica.
Cambian dependiendo del tipo de problemas que cada ecosistema está intentando resolver.
Escuchar cómo se habla de IA desde Copenhague y contrastarlo con las conversaciones que tenemos todos los días en México ayuda muchísimo a salir de nuestra propia burbuja.
No porque un lugar tenga necesariamente “la respuesta correcta”, sino porque entender diferentes perspectivas amplía las preguntas que eres capaz de hacer.
Y en tecnología, muchas veces una mejor pregunta termina siendo muchísimo más valiosa que una respuesta rápida.
Gracias a Thomas Martinsen y a todo el equipo detrás de Tech Passion Day por crear este tipo de espacios.
Nos llevamos nuevas ideas, nuevas preguntas y, sobre todo, la misma convicción:
la IA está ampliando muchísimo lo que podemos construir. Nuestra responsabilidad es asegurarnos de seguir entendiendo lo que estamos construyendo.