Hace rato que no pasaba por aquí a escribir, y la razón es simple: he estado inmerso estudiando. Actualmente me encuentro en un profundo proceso de upskilling para entender cómo implementar de manera real la Inteligencia Artificial en la ingeniería de software.

Tengo la inmensa responsabilidad de liderar esta transformación para más de 150 ingenieros y de llevar esta visión estratégica a nuestros clientes. Al ser un reto de este calibre, he decidido utilizar este espacio para documentar y compartir mis experiencias —tanto las buenas como las malas— a lo largo de este proceso.

La visión al 2030: El fin de la codificación tradicional

Definitivamente, creo que para el 2030 ya no escribiremos código de la manera en que lo hacemos hoy, pero sí seguiremos desarrollando soluciones corporativas basadas en software.

Aquí es donde se vuelve a marcar esa inmensa diferencia entre codificar y hacer ingeniería de software, dos conceptos que muchos confunden. Estamos cambiando de paradigma, pero no de objetivos, y mucho menos de responsabilidades. Es exactamente lo mismo que ocurrió cuando dejamos de usar tarjetas perforadas o dejamos de preocuparnos por los lenguajes ensambladores asociados directamente al hardware. Simplemente, daremos el salto de escribir líneas de código a orquestar agentes de inteligencia artificial.

El peligro del «ruido» y las visiones superficiales

En esta nueva era del software está pasando lo mismo que en transiciones anteriores: muchos creen que todo se limita al uso de IA mediante prompts, skills, agentes y demás artilugios rimbombantes. Es una visión peligrosamente superficial.

Por el contrario, creo firmemente que hemos vuelto a una etapa donde los principios y los fundamentos que subyacen a la tecnología pasan a ser el faro principal. Son estos cimientos los que deben guiar nuestra reconversión en medio de tanta sombra e incertidumbre generada por el «ruido» mediático y la guerra de noticias de los proveedores de IA.

Siendo fiel a esa visión crítica, más allá de abrazar a un fabricante específico o tomar partido en los debates de LinkedIn, me he dedicado a entender qué es lo que realmente viene de fondo y cómo se va a transformar nuestra profesión en los próximos 3 años.

Spec-Driven Development: El hilo conductor

En medio de este cambio de paradigma, el Spec-Driven Development (SDD) proporciona ese hilo conductor vital. Hoy vemos un error estratégico recurrente en la industria: soluciones atadas fuertemente a un proveedor de IA específico. Los modelos evolucionan y cambian sus capacidades a diario; casarse con un solo fabricante es como basar la disciplina de la ingeniería civil en la marca del martillo en lugar de dominar la física del edificio. Por el contrario, requerimos una metodología agnóstica que se posicione muy por encima de la herramienta tecnológica de turno.

Aquí es donde el SDD nos da las bases para lograr esa verdadera independencia. Esta metodología nos obliga a volver a la esencia de nuestra profesión: definir especificaciones claras, inequívocas y orientadas al negocio antes de generar la primera línea de código. Al focalizarnos rigurosamente en el por qué y el para qué del software, creamos contratos sólidos que cualquier agente de IA puede interpretar y ejecutar, sin importar qué empresa lo haya entrenado.

Al establecer este diseño priorizando la intención y basado en especificaciones, la inteligencia artificial se convierte simplemente en un motor de ejecución intercambiable. El lenguaje de programación y el stack tecnológico pasan a un segundo plano, blindando nuestro compromiso innegociable con la calidad y la seguridad. Con esta visión guío mi proceso de reconversión: garantizando que la ingeniería siga siendo la dueña absoluta del producto, y no el modelo de lenguaje de moda.

En la próxima entrega les contaré a fondo qué he aprendido del SDD en la práctica y cuáles son los verdaderos retos que veo para su adopción.