Tengo la fortuna de trabajar en una empresa innovadora como BBVA y de formar parte de DIY HUB Products, un equipo global que desarrolla soluciones para distintas geografías.

Gracias a este entorno y a mi interés por la inteligencia artificial, tuve la oportunidad de participar en un proyecto orientado a desarrollar funcionalidades en tiempo récord utilizando herramientas de IA. Los resultados han sido muy buenos, pero este texto no trata del proyecto: trata de cómo está cambiando nuestra forma de trabajar.

Trabajar con IA genera sentimientos encontrados

Por un lado, es increíble comprobar que con cada nueva generación de modelos podemos hacer más con menos. Los tiempos de desarrollo se reducen y tareas que antes tomaban días pueden resolverse mucho más rápido.

Pero el proceso también puede sentirse extraño: es más rápido y sencillo, aunque a veces también más caótico.

Hay otra sensación que me preocupa todavía más. Conforme delegamos más trabajo mediante vibe coding, corremos el riesgo de perder agilidad mental. Nos acostumbramos a que la IA escriba el código y, cuando intentamos hacerlo nuevamente a mano, sentimos que ya no tenemos la misma velocidad.

Entonces aparece una pregunta incómoda:

Si la IA puede hacer mi trabajo cada vez más rápido y, en algunos casos, mejor que yo, ¿qué será de mí?

Creo que esa pregunta ronda la cabeza de muchos desarrolladores.

La resistencia

Entre algunos desarrolladores todavía existe resistencia a utilizar IA. Muchos la emplean para revisar código, resolver dudas o acelerar tareas pequeñas, pero mantienen casi intacta su manera anterior de trabajar.

Los argumentos suelen repetirse:

“Yo lo hago mejor”.
“La IA genera código malo”.
“No respeta nuestros lineamientos”.
“No entiende nuestro proyecto”.

Ahí está parte del problema: seguimos utilizando la IA como si fuera simplemente un chat. Le pedimos algo, esperamos que lo haga bien y, cuando falla, concluimos que no sirve.

Quizá el problema no sea la IA. Quizá no le estamos dando lo que necesita.

El contexto y las reglas del juego

En la película Al diablo con el diablo, Elliot pide distintos deseos intentando conseguir lo mismo, pero el diablo siempre interpreta sus palabras de una manera diferente a la que él esperaba.

El problema no es necesariamente que no entienda lo que Elliot quiere. El problema está en el contexto y en las reglas del juego.

Algo parecido ocurre con la IA.

Hoy podemos construir agentes, skills, herramientas, instrucciones, memoria, validaciones y todo un entorno alrededor del modelo. Eso cambia por completo la forma de trabajar.

De programador a diseñador de sistemas para IA

Por lo que he experimentado, crear un agente se parece mucho a incorporar a una persona a un equipo. No basta con decirle: “Haz esto”. Hay que enseñarle cómo hacerlo.

Cuando llegué a BBVA ya sabía desarrollar con JavaScript y React, pero tuve que aprender cómo se construía software dentro de ese entorno: frameworks, convenciones, validaciones, seguridad, arquitectura y límites.

La IA necesita algo parecido.

Debemos construir un arnés que le proporcione contexto, reglas, herramientas y límites para trabajar correctamente. Eso requiere ingeniería.

Mi trabajo ya comenzó a cambiar. Escribo menos código directamente y dedico más tiempo a construir agentes, skills y herramientas que ejecutan parte de lo que antes hacía manualmente.

¿Eso significa que dejaré de ser necesario?

No lo creo. Significa que estoy evolucionando.

La IA no elimina la ingeniería; la hace más importante

Actualmente mi aprendizaje está concentrado en inteligencia artificial porque es lo que mi trabajo exige. Eso no vuelve menos importantes la arquitectura, la infraestructura, las bases de datos, la seguridad o el negocio. Al contrario: son los conocimientos que necesito comprender y fortalecer progresivamente para poder supervisar sistemas creados con IA.

Si un agente puede generar gran parte del código, mi responsabilidad cambia. Ya no se trata únicamente de escribirlo: debo ser capaz de auditarlo, entenderlo, cuestionarlo, justificar sus decisiones, detectar problemas de arquitectura, evaluar riesgos y comprender su impacto en el negocio.

Por eso hoy tengo más claro que nunca que necesito convertirme en un mejor ingeniero de software, no solamente en alguien que sabe programar.

Un superpoder que no todos están aprovechando

He visto perfiles de UX utilizar IA para crear prototipos, automatizaciones y herramientas que antes probablemente ni siquiera habrían intentado construir. Es como si hubieran desbloqueado un superpoder.

Al mismo tiempo, entre los desarrolladores todavía encuentro resistencia y poca experimentación con todo lo que estas herramientas pueden aportar.

No sé cuánto durará esta diferencia, pero sí sé algo: la IA llegó para quedarse.

Todavía me falta muchísimo por aprender. Sigo mejorando mis agentes, probando herramientas, aplicando lo aprendido e iterando a partir de los errores. Ese es precisamente el punto.

No se trata de competir contra la IA, sino de aprender a trabajar con ella.

Dar acceso a herramientas no es suficiente. Las empresas también necesitan procesos, metodologías y capacitación para aprovecharlas de verdad; de lo contrario, solo utilizarán una fracción de su potencial.

Quizá el verdadero reto para los desarrolladores no sea evitar que la IA nos reemplace, sino evolucionar antes de que nuestro trabajo lo haga.