Perspectives: Edición #36 | Mayo 2025
Ingeniería de software con enfoque en IA: Desarrollo, evolucionado
En esta edición de Perspectives, los expertos de Thoughtworks recurren a un profundo conocimiento y experiencia reciente aplicando IA para resolver grandes desafíos de software, mostrando a los líderes empresariales cómo aprovechar la ingeniería de software con enfoque en IA (AIFSE) de manera responsable y holística.
Tiempo de lectura: 9 minutos | ¿Corto de tiempo? Ver resumen ejecutivo >
Colaboradores
Birgitta Boeckeler
Líder Global de Entrega de Software Asistida por IA en Thoughtworks
Alessio Ferri
Ingeniero de Software Líder en Thoughtworks
Martin Fowler
Científico Jefe en Thoughtworks
Aspectos destacados
- Más allá del código: AIFSE ofrece un potencial transformador para todo tipo de procesos de entrega de software, no solo asistencia en escribir código.
- Repensar los beneficios: Las ganancias en productividad son solo la punta del iceberg. AIFSE mejora procesos críticos, impulsando una mejora a largo plazo.
- Ingenieros empoderados, no reemplazados: La IA fortalece principios establecidos mientras impulsa a los ingenieros a adaptarse y expandir sus habilidades.
- La supervisión cuidadosa es clave: Las herramientas de IA pueden amplificar soluciones y problemas. Obtener resultados de calidad exige vigilancia e insumos de código de alta calidad.
- Potencial orientado al futuro: AIFSE está evolucionando rápidamente para abordar tareas complejas—para quienes estén listos para liderar la carga.
Un viaje en aceleración
La IA sigue alimentando debates: si es transparente o fundamentalmente no confiable; si hará que las personas sean más, o menos inteligentes; y si su impacto ambiental general será positivo, o negativo. Pero en algo hay un acuerdo generalizado: El desarrollo de software es la función que impulsa la adopción empresarial de la IA, y donde la IA probablemente demuestre ser más transformadora en el corto plazo.
Aunque todavía podría ser demasiado pronto para llamarlo una revolución, Martin Fowler, Chief Scientist en Thoughtworks, cree que este cambio podría resultar tan significativo como la transición de lenguajes de ensamblaje a lenguajes de alto nivel. "Los enfoques de IA podrían cambiar por completo la forma en que las personas piensan sobre la programación", dice él.
La confianza en que la ingeniería de software es la primera 'killer app' real de la IA ya ha provocado una ola enorme de inversiones en asistentes de codificación. Cognition, el desarrollador de lo que se considera "el primer ingeniero de software de IA del mundo", fue recientemente valorado en US$4 mil millones. Las encuestas han indicado que más del 90% de los desarrolladores de software ya utilizan herramientas de IA de alguna manera, tanto dentro como fuera del trabajo.
Los desarrolladores están adoptando asistentes de código de IA


Pero con esta tendencia surge una serie de preguntas complicadas:
¿Qué papel debería jugar la IA en el proceso de desarrollo, y en qué parte del ciclo de vida es más efectiva?
¿Qué riesgos se presentan al ceder más aspectos del desarrollo de software e ingeniería a herramientas de IA?
¿Cómo cambia el rol del talento humano en un espacio cada vez más impulsado por la IA?
¿Cuánto tiempo pueden permanecer válidas las respuestas a cualquiera de las preguntas anteriores mientras la tecnología continúa evolucionando?
Basándose en su trabajo inicial en ingeniería de software primero IA (AIFSE), los practicantes de Thoughtworks han llegado a varias conclusiones que aconsejan a los ingenieros y líderes empresariales tener en cuenta:
La adopción de IA no está tan avanzada como podría parecer inicialmente. “La mayoría de los desarrolladores e ingenieros están aplicando herramientas de IA diseñadas específicamente que son pequeñas en alcance a un subconjunto limitado de codificación,” señala Fowler.
La ingeniería de software primero IA va más allá de la codificación. El ‘verdadero’ AIFSE es un proceso de extremo a extremo, colaborativo e iterativo, diseñado para aprovechar el potencial de la IA desde cero - desde definir el alcance de un producto de software, hasta el soporte y mantenimiento a largo plazo. Los asistentes de codificación pueden servir como una puerta de entrada a este proceso, pero “solo un pequeño número de organizaciones están tratando de hacer más que eso, o de tratar el AIFSE como más que la introducción de una herramienta que no requiere ninguna gestión del cambio,” dice Birgitta Boeckeler, Líder Global de Thoughtworks para la entrega de software asistida por IA.
“Hay un potencial significativo en el espacio de pruebas, pero las barreras son que en algunas áreas, las herramientas no están del todo ahí - o la gente está esperando herramientas especializadas cuando tal vez no tengan que hacerlo”, añade ella. “Los chatbots para funciones avanzadas pueden llevarnos bastante lejos en áreas como el análisis y las descripciones de requisitos, y vienen con una barrera muy baja para la experimentación.”
La modernización de legado es donde AIFSE podría tener más impacto. Los cambios en las realidades competitivas y el auge de la IA han hecho que la modernización sea una prioridad más urgente para las empresas, pero reformar el patrimonio tecnológico legado sigue siendo una tarea formidable. AIFSE promete ayudar a las empresas a abordar este desafío.
“(AIFSE) acelerará significativamente la ingeniería inversa, por lo que ya no estaremos meses solo tratando de entender el alcance de un sistema, o atrapados en la ‘parálisis del análisis,’” explica Alessio Ferri, Ingeniero de Software Líder en Thoughtworks. “Podemos usar el tiempo que ganamos para profundizar o ampliar, aprendiendo en última instancia más sobre con lo que estamos trabajando y reduciendo aún más el riesgo de todo el programa de modernización.”
Definiendo los beneficios
¿Entonces, a qué se debe el fuerte apetito por aplicar IA en la ingeniería de software, incluso si solo de manera limitada? Para la mayoría de las empresas, las posibles ganancias de productividad son la principal consideración. Ya hay evidencia de que estos avances pueden realizarse rápidamente, con un estudio que muestra que los desarrolladores que usan GitHub Copilot completaron tareas un 55% más rápido que sus contrapartes sin asistencia de IA.
Sin embargo, los expertos de Thoughtworks señalan que la productividad es una cualidad difícil de medir y está sujeta a una amplia gama de variables. Aunque la experiencia de Thoughtworks con clientes ha demostrado que AIFSE ahorra tiempo, la productividad también puede depender de factores como la experiencia del desarrollador o la complejidad del desafío que se está enfrentando. Los beneficios de AIFSE deben considerarse de manera más holística y también entenderse como potencialmente más transformadores.
La aceleración puede impactar no solo el desarrollo del software, sino todo el ciclo de retroalimentación del software.
“La aceleración puede impactar no solo el desarrollo del software, sino todo el ciclo de retroalimentación del software, incluyendo poner las cosas en producción, aprender de eso y cambiar los procesos del negocio y su trayectoria de crecimiento,” señala Fowler. “En ese sentido, los efectos de AIFSE pueden ser dramáticos: afecta los costos, pero también lo que puedes hacer. Una vez que eres capaz de moverte más rápido, muchas otras cosas también cambian.”
“Hay un gran enfoque en la velocidad, pero también un potencial significativo para que AIFSE haga más fácil la gestión del conocimiento para los desarrolladores, mejorando la integración y la movilidad del equipo,” dice Boeckeler. “Introduce no solo nuevas formas de escribir código, sino también nuevas formas de encontrar y acceder a la información.”
Introduce no solo nuevas formas de escribir código, sino también nuevas formas de encontrar y acceder a información.
Boeckeler también señala que a medida que las herramientas de IA se vuelven más sofisticadas, pueden dar a los equipos de ingeniería la capacidad de abordar simultáneamente problemas mucho más grandes. Más allá de simplemente recomendar código para un solo método o función, los agentes de IA más nuevos pueden manejar tareas complejas como exponer un nuevo campo de datos en una API, cambiando archivos, ejecutando pruebas y abordando preventivamente cualquier error que resulte.
“Los conceptos básicos están todos automatizados, pero los ingenieros humanos supervisan y ajustan los resultados”, explica ella. “Algunos equipos ya están usando agentes el 100% del tiempo, y en ciertos casos, eso les da un incremento del 80% en productividad.”
Este tipo de avances se han evidenciado en proyectos recientes de clientes de Thoughtworks que se basaron en enfoques AIFSE, incluyendo:
Revolucionando la ingeniería inversa para un importante fabricante de automóviles global: Un fabricante de automóviles de lujo que estaba llevando a cabo un programa de modernización integral tenía dificultades con la tarea de descifrar su código base de 15 millones de líneas, con la ingeniería inversa de 10,000 líneas de código tomando dos personas seis semanas en promedio.
CodeConcise Legacy Assistant impulsado por IA, de Thoughtworks, se aplicó para generar documentación equivalente a este resultado, y adecuada para la ingeniería avanzada en tan solo unas pocas horas. Incluso considerando dos semanas adicionales para validaciones de expertos, el tiempo requerido para el proceso completo se redujo en dos tercios. Según estimaciones del cliente, usar CodeConcise para generar documentación a lo largo de todo el programa de modernización podría haber ahorrado alrededor de 60,000 días de esfuerzo.
Aumentando la detección de errores para un proveedor de datos global: Para un cliente de Thoughtworks cuyo negocio depende de entregar datos precisos y en tiempo real que pueden afectar decisiones financieras y de otro tipo, los errores menores o el tiempo de inactividad pueden rápidamente convertirse en riesgos mayores. Thoughtworks aprovechó CodeConcise para este proveedor de información global para optimizar la detección de errores, incluso uno solo de los cuales puede costarle a la empresa grandes cantidades de ingresos.
La estructura compleja de la plataforma central de la empresa significaba que los problemas tradicionalmente tomaban alrededor de ocho días solo para identificar, pero CodeConcise redujo eso a tres horas, una enorme ganancia desde la perspectiva del negocio. “CodeConcise también ha ayudado a integrar personas que no están necesariamente familiarizadas con la base de código, permitiéndoles contribuir a encontrar y resolver problemas,” añade Ferri, quien trabajó estrechamente con el cliente durante todo el proyecto.
Ingeniería, e ingenieros, redefinidos
AIFSE tendrá implicaciones significativas para la disciplina de la ingeniería de software, y para los propios ingenieros. Sin embargo, Thoughtworks espera que muchos principios probados por el tiempo seguirán siendo válidos, e incluso podrían ganar nueva relevancia.
Tomemos el enfoque ágil, que Martin Fowler ayudó a articular inicialmente como coautor del Manifiesto para el Desarrollo Ágil de Software. “La idea central del enfoque ágil es hacer pequeños incrementos, con un contacto intenso con el negocio y los usuarios, y hacer eso parte de tu ciclo central de retroalimentación,” dice él. “Existe una fuerte sinergia entre el enfoque ágil y lo que se puede hacer con la IA simplemente porque acelerará ese ciclo de retroalimentación, y cuanto más puedas acelerar ese ciclo de retroalimentación, mayores serán las consecuencias.”
Boeckeler cree que el desarrollo guiado por pruebas probablemente sea una de las prácticas que la IA afectará más, incluso si aún no está claro si será para mejor o para peor.
“El desarrollo guiado por pruebas se basa en el principio de avanzar con pasos pequeños,” explica ella. “El buen diseño se fundamenta en escribir primero la prueba, porque eso obliga a los desarrolladores a pensar en sus especificaciones y en lo que realmente quieren lograr. Pero ahora la IA puede simplemente generar pruebas, código y funciones completas de una sola vez. ¿Es eso algo bueno o malo? ¿Y en qué situaciones debería usarse?”
Una preocupación es que la facilidad y rapidez posibilitada por AIFSE podría generar complacencia. “Se ha vuelto tan rápido y fácil crear e incorporar características que los ingenieros no siempre están realizando un análisis adecuado de lo que sería una característica completa y bien equilibrada, y de qué otras consecuencias podría tener, porque nunca se planificó ni priorizó adecuadamente en la hoja de ruta del producto,” dice Boeckeler. “En ese sentido, el desarrollo acelerado por la IA puede repentinamente crear un extremo que un equipo tiene que venir y limpiar.”
La velocidad no necesariamente significa que reduzcas el equipo; también puede significar que hagas más con la misma cantidad de personas.
“La velocidad no necesariamente significa que reduzcas el equipo; también puede significar que hagas más con la misma cantidad de personas,” ella explica. “Siempre hay una acumulación de más cosas por hacer. Las organizaciones están sentadas sobre una montaña de complejidades accidentales que se han ido acumulando por décadas, y muchos de nuestros clientes están luchando para sacar cosas adelante debido a un patrimonio existente que se está volviendo cada vez más difícil de mantener.”
Lo que cambiará con la IA son las capacidades que los ingenieros necesitan aportar a sus roles.
“La gente tendrá que aprender cosas diferentes, como los formalismos de los lenguajes de programación de alto nivel, cómo interactuar con herramientas LLM, y lidiar con el hecho de que los sistemas no deterministas están produciendo código que se ejecutará de forma determinista,” dice Fowler. “El conocimiento sobre cómo se ven buenas APIs y cómo separar las cosas en módulos podría convertirse en una parte importante del rol. Alguien que entre a la profesión ahora podría aprender diferentes habilidades y formas de trabajar, pero podría tener una ventaja porque no vendrán con ningún lastre.”
Por ahora, en lugar de apuntar a re-equipar completamente a los equipos, los expertos de Thoughtworks aconsejan a las empresas construir una preparación para la IA fomentando la experimentación, lo cual es un paso esencial en el camino hacia la adopción.
Las dimensiones esenciales de la adopción de la IA


Fuente: Thoughtworks
"Muchas grandes organizaciones no tienen un espacio donde los desarrolladores puedan experimentar con IA", señala Ferri. "La gente necesita poder cometer errores. La pregunta es cómo permitir que sucedan errores seguros, para que puedas aprender sobre el impacto en la organización y los datos que la organización controla.”
“Tienes que usar la IA por un tiempo para obtener una intuición de cuándo recurrir a ella,” coincide Boeckeler. "Hay mucho aprendizaje social. Compartir historias entre sí sobre desafíos y logros es una gran palanca. Los programas de formación estructurados solo te llevan hasta cierto punto, porque el espacio está cambiando tan rápido bajo tus pies.”
La pregunta es cómo permitir que sucedan errores seguros, para que puedas aprender sobre el impacto en la organización y los datos que la organización controla.
A largo plazo, la IA podría mejorar enormemente la transferencia de conocimientos y habilidades, así como la capacidad de los equipos de desarrollo para desempeñar un papel más estratégico en la organización.
"Estamos ascendiendo a un nivel de abstracción que permite a los desarrolladores pasar menos tiempo persuadiendo a la computadora para que haga lo que necesitan que haga", dice Fowler. “Eso implica más tiempo para el pensamiento de alto nivel, pero también para más colaboración con el negocio, que siempre ha sido el cuello de botella crucial. Esto aumenta la importancia de que los desarrolladores de software se consideren a sí mismos como personas que trabajan muy de cerca con el lado del negocio. Un buen analista de negocios que sea capaz de aprender a trabajar con herramientas de IA podría ser tan efectivo como un programador trabajando más en el lado de BA, y espero que veamos una fusión de esos tipos de roles.”
“Mucho del conocimiento sobre una organización en sí reside solo en las cabezas de las personas, a las que no es fácil que una IA acceda,” dice Ferri. “Normalmente, las personas con más conocimiento organizacional están súper ocupadas y saturadas, simplemente manteniendo las cosas funcionando. Podemos usar la IA generativa para apoyar a estas personas en su trabajo y para quitar algo de presión de sus hombros.”
“Si en lugar de depender de un cierto SME para responder preguntas, puedes insertar un simple chatbot en el proceso que realice esa tarea, mejorarás el ancho de banda del SME,” añade Ferri. “Ahora pueden aplicar su conocimiento no solo para apoyar a otras personas en la organización, sino para ayudar a dar forma al futuro, porque son los que más saben sobre la estrategia y hacia dónde va la organización.”


Imaginemos juntos la ingeniería de software con IA.
Crear conciencia, prevenir riesgos
Con AIFSE volviéndose más común, Thoughtworks recomienda trabajar proactivamente para aumentar la conciencia sobre los riesgos involucrados, siendo posiblemente el mayor de ellos la aceleración de errores junto con todo lo demás.
En un estudio reciente, poco menos del 70% de los desarrolladores informaron que las herramientas de IA habían incrementado el tiempo que dedicaban a depurar el código o a abordar vulnerabilidades de seguridad, mientras que el 60% admitió que su organización carecía de procesos para evaluar la efectividad general de estas herramientas.
De manera similar, los análisis de los repositorios de Git apuntan a un reciente aumento en el ‘churn’ – cambios en el código que posteriormente se cambian de nuevo, lo cual puede ser una indicación de correcciones y problemas con la calidad del código que pueden acumularse con el tiempo.
El aumento en la rotación del código señala problemas crecientes de calidad del software


Fuente: GitClear
“El lema que hemos estado usando desde el principio es que Gen AI amplifica indiscriminadamente,” dice Boeckeler. “Cuando le pides que genere código, no distingue entre bueno y malo, y cuando tienes código de mala calidad, va a amplificar eso.”
“Si no prestas atención a lo que hace la IA, debido a los volúmenes que puede producir, será una muerte por mil cortes de papel,” dice Ferri. “Si no cuestionamos lo que hace, lentamente, con el tiempo, las cosas empeorarán y las IAs dejarán de desempeñarse tan bien. Verás una degradación de la calidad hasta el punto de que el código sea tan malo que las IAs ya no puedan construir sobre él.”
La única respuesta real a esto es la vigilancia constante. “Es casi como combatir incendios, asegurándose de saber exactamente lo que hace la IA para que no te tome por sorpresa más adelante, cuando potencialmente sea demasiado tarde,” explica Ferri.
Las organizaciones también pueden evitar problemas adhiriéndose a principios sólidos de ingeniería que aseguren que las herramientas de IA estén trabajando con una buena base de código desde el principio, evitando así el ciclo vicioso de ‘basura entra, basura sale.’
“Todos los indicios hasta ahora muestran que si tienes código bien construido, enfoques modulares y todas las demás buenas prácticas que tendemos a enfatizar, eso facilita mucho el trabajo de la IA y minimiza los problemas a futuro,” dice Fowler.
La necesidad de supervisión subraya aún más el papel esencial de la experiencia humana en AIFSE, señala Ferri.
“Algunas organizaciones están imaginando el equivalente a fábricas apagadas, donde la IA se hace cargo y no se necesitan humanos,” dice él, “Pero esas fábricas están diseñadas para producir cosas específicas que son autónomas y repetibles. Si hacemos un buen trabajo de categorización de lo que son esas cosas en el ciclo de vida del desarrollo, y podemos automatizar comprobaciones y salvaguardas, quizás podamos tener agentes autónomos manejando esas funciones. Pero con muy pocas excepciones, necesitaremos humanos en el ciclo. No es opcional.”
Casos de uso futuro
Aunque presenta riesgos, la forma en que la AIFSE está evolucionando, y los avances que hace posible, significa que solo está destinada a expandirse. Thoughtworks predice que el progreso avanzará en varios frentes:
Mejorando la toma de decisiones: “Veo un papel para la IA en asistir con decisiones de arquitectura, ayudándonos a entender las mejores metodologías, prácticas y modelos mentales que podemos aplicar a una situación,” dice Boeckeler. “Incluso podría haber un aviso que te permita hablar sobre esto, para mejorar el aprendizaje y alejar a las personas de los peligros.”
Impulsando el enfoque de 'thin slice' para la modernización: “Cuando modernizamos sistemas legados, adoptamos un enfoque incremental, y una parte clave del proceso es identificar cuáles son esos incrementos,” señala Ferri. “Con cada incremento, tenemos que hacer concesiones sobre cuán grande o pequeño debería ser en comparación con los costos generales requeridos para ponerlo en marcha. La IA podría ayudar con eso manejando algunos de esos costes para nosotros, permitiéndonos tomar bocados más grandes del sistema legado y acortar el viaje de modernización, o por el contrario, tomar bocados más pequeños para disminuir aún más el riesgo del programa.”
Mejorando las pruebas exploratorias: Ferri señala que aunque el proceso ahora es principalmente impulsado por humanos, la IA podría ser aprovechada en partes de las pruebas exploratorias para resaltar caminos no explorados debido a los sesgos humanos, o mejorar los métodos de interacción. “Ya estamos viendo IAs ejecutar pruebas deterministas, donde dan retroalimentación, y se pueden usar agentes para auto-repararse, ya sea la prueba o el código en sí mismo,” dice él. “La IA también se está usando para predecir cuándo surgirán problemas, para establecer cuáles son los buenos patrones saludables, y puede reaccionar cuando esos patrones ya no están presentes.”
El resultado es que los equipos de ingeniería y las organizaciones tendrán que prepararse para un mayor impacto impulsado por AIFSE, pero Fowler insta a las empresas a continuar enfocándose en la oportunidad y, sobre todo, a mantener una mente abierta.
Aprovechar exitosamente la IA, dice él, “se reduce a estar preparado para experimentar. En una situación de cambio rápido, tienes que estar listo para intentar una docena de cosas diferentes, sabiendo que la mayoría de ellas no funcionarán, pero esa es la única forma de descubrir las que sí lo hacen.”

"En una situación de cambio rápido, tienes que estar listo para intentar una docena de cosas diferentes, sabiendo que la mayoría de ellas no funcionarán, pero esa es la única forma de descubrir las que sí lo hacen."
Martin Fowler
Científico Jefe, Thoughtworks
Próximos pasos
Da el siguiente paso hacia el fortalecimiento de tu función de ingeniería con IA.
Colaboradores
Birgitta Boeckeler
Líder Global para la Entrega de Software Asistida por IA
Desarrollador de software, arquitecto y líder técnico apasionado por ayudar a equipos y organizaciones a descomponer la complejidad y encontrar nuevas perspectivas para observar sus sistemas.
Alessio Ferri
Ingeniero de Software Líder
Desarrollador y tecnólogo apasionado que disfruta usar su experiencia para ayudar a los clientes a resolver desafíos de ingeniería difíciles.
Martin Fowler
Científico Jefe
Autor y orador público internacional sobre desarrollo de software, especializado en metodologías de desarrollo ágil, incluyendo la programación extrema.
Lecturas relacionadas
-
ReportEl surgimiento de los codebots: Cómo está cambiando la IA el desarrollo de softwareLeer informe
-
ArticleLiderar a través del cambio: Navegar por el panorama de las herramientas de IA para la entrega de softwareLeer artículo
-
Client storyImpulsando la excelencia con la transformación operacional y el servicio al cliente potenciado por IALeer historia del cliente
Suscríbete a Perspectivas para mantenerte a la vanguardia.
Recibe información empresarial oportuna, análisis de expertos y actualizaciones de la industria directamente en tu bandeja de entrada cuando las necesites—sin ruido, solo valor.
(* Campos obligatorios)