Cómo el IA cambia la forma en que los ingenieros desarrollan

Hace aproximadamente un año, uno de los debates más sonoros en el software se centraba en el futuro del ingeniero junior. El argumento sonaba sencillo: si el IA ya puede manejar muchas tareas de codificación de nivel junior, ¿por qué seguir contratando y capacitando a juniors? Y si las empresas dejan de desarrollar talento junior, ¿de dónde salen los ingenieros senior dentro de cinco años?

Era una pregunta seria, y mucha gente inteligente la tomó en serio.

En ese momento, mi respuesta fue que otras profesiones ya habían resuelto versiones de este problema. Nadie se gradúa de la escuela de medicina y realiza una cirugía a corazón abierto de inmediato. Los médicos pasan años haciendo sombra, internado, completando residencias y practicando bajo supervisión antes de que el sistema les permita operar solos.

El mismo patrón existe en el liderazgo ejecutivo. Nadie se gradúa de la universidad y dirige de inmediato una empresa Fortune 500. La gente gestiona equipos más pequeños, luego unidades comerciales más grandes, y gradualmente acumula juicio con el tiempo. El camino se vuelve más largo, más práctico y más orientado a la tutoría a medida que aumenta la complejidad del papel.

Sigo pensando que la ingeniería se está moviendo en esa dirección. Pero en los últimos meses, comencé a pensar en el problema de manera diferente debido a tres experiencias no relacionadas que apuntaban hacia la misma conclusión.

Tres ejemplos

Un amigo mío pasó meses preparándose para un examen de lengua checa. Él y varios compañeros contrataron tutores humanos e invirtieron dinero real en el proceso. Él aprobó cómodamente. La mayoría de los demás no.

La mayor diferencia, según él, fue que su tutor principal era en realidad ChatGPT.

Podía estudiar a las 11 p.m. si quería. Podía repetir el mismo ejercicio de conjugación cuarenta veces sin preocuparse por desperdiciar la paciencia de alguien. Podía hacer un papel con situaciones muy específicas, como interactuar con un oficial de impuestos checo, y personalizar la sesión precisamente para lo que luchaba ese día.

Los tutores humanos eran buenos. Simplemente no podían igualar la disponibilidad, la repetición y la personalización.

Veo algo similar con mi hijo y la física. Él ya entiende bien el tema, así que no está usando Claude para que le dé respuestas. Lo usa para desafiarlo. Le pide que genere problemas más difíciles, que presione sobre sus suposiciones, que explique por qué un enfoque estuvo cerca pero al final resultó incorrecto, y que lo examine de forma interactiva.

La comparación más cercana que puedo pensar es la experiencia que tenían los niños inteligentes cuando conocían a un hermano mayor que estudiaba física. Excepto que esta versión siempre está disponible, nunca es impaciente y nunca dice “pregúntame más tarde”.

Mi sobrino, que todavía está en la escuela secundaria, ha estado construyendo un pequeño proyecto de hobby que eventualmente quiere comercializar. Lo ayudé a configurar un agente de codificación y a automatizar algunos flujos de trabajo. Todos los días a las cinco de la tarde, mientras él termina la escuela, un agente escanea su base de código y le deja sugerencias de mejora. Una vez a la semana, otro flujo de trabajo ejecuta una investigación competitiva y presenta nuevas ideas.

Le encantó.

En un momento, bromeó: “Si codificar es tan fácil, me quedaré sin ideas”.

Le dije que las ideas siempre fueron el recurso escaso. La diferencia ahora es que la ejecución ya no las limita de la misma manera porque la implementación se ha vuelto dramáticamente más barata.

Bucles de retroalimentación más rápidos

Ninguno de estos ejemplos trata realmente sobre checo, física o revisión de código.

Son ejemplos de retroalimentación personalizada que se vuelve continuamente disponible.

Históricamente, los ingenieros junior aprendían en parte a través de la repetición y en parte a través de la proximidad a personas experimentadas. Escribías código, esperabas la revisión, recibías retroalimentación cuando un senior finalmente tenía banda ancha, y gradualmente construías juicio a lo largo de años de errores acumulados.

El IA cambia el propio bucle de retroalimentación.

Un ingeniero junior con un asistente de IA configurado correctamente ahora obtiene muchas de las cosas que antes dependían de la disponibilidad de un senior. Revisión de código inmediata. Explicaciones sobre por qué una elección de diseño puede crear problemas más adelante. Referencias a patrones similares en otras partes de la base de código. Retroalimentación cuando se opta por la implementación más obvia en lugar de la mejor.

Lo más importante es que la retroalimentación llega mientras el ingeniero todavía está dentro del problema en lugar de dos días después de que el contexto haya desaparecido.

Eso importa porque la transición de junior a senior siempre ha estado impulsada en gran medida por el juicio. El juicio es principalmente reconocimiento de patrones construido a través de la exposición repetida a errores, compensaciones y casos de borde. Cuanto más rápido alguien pueda moverse a través de esos bucles de retroalimentación de manera reflexiva, más rápido se desarrolla el juicio.

El cuello de botella de ancho de banda solía estar con los ingenieros senior. Ahora cada vez más se encuentra con el aprendiz.

La red de seguridad mejora

Hay otro cambio aquí que importa tanto como el anterior.

Un ingeniero junior que trabaja con sistemas de revisión de IA sólidos es sustancialmente menos probable que dañe accidentalmente un sistema de producción.

Muchos errores clásicos ahora se señalan de inmediato: credenciales codificadas, excepciones tragadas, consultas inseguras, problemas de seguridad, problemas arquitectónicos obvios, dependencias mal definidas. Las solicitudes de extracción malas se atrapan cada vez más antes de que salgan del portátil.

Eso cambia el piso para el trabajo junior.

Históricamente, una parte significativa del tiempo de los ingenieros senior se dedicaba a proteger a la organización de errores prevenibles. Las capas de revisión de IA absorben cada vez más parte de esa carga, lo que permite a los juniors operar de manera más independiente antes de lo que podían anteriormente.

Eso no elimina la necesidad de tutoría o supervisión. Cambia dónde se vuelve más valiosa la tutoría.

La brecha se amplía

La versión optimista de este futuro depende en gran medida de cómo el ingeniero individual usa el sistema.

Alguien que trata a la IA principalmente como un atajo para evitar pensar probablemente generará más código mientras aprende muy poco. Hace diez años, esa misma persona habría copiado soluciones de Stack Overflow sin entenderlas. El mecanismo cambió. El comportamiento subyacente no.

El IA nunca iba a resolver la pasividad intelectual.

El resultado más interesante ocurre cuando los ingenieros se involucran activamente con la retroalimentación que reciben. Si alguien lee la revisión cuidadosamente, se opone a ella, hace preguntas de seguimiento, prueba alternativas y ocasionalmente descubre que el modelo en sí estaba equivocado, construye juicio mucho más rápido de lo que las generaciones anteriores podían.

El esfuerzo cognitivo no desapareció. Se desplazó más temprano en el bucle y se volvió más barato repetir.

Eso probablemente amplía la brecha entre ingenieros muy comprometidos y descomprometidos.

La mayoría de los cambios de productividad importantes funcionan de esa manera. La lectura amplió la brecha entre la población alfabetizada y analfabeta. Internet amplió la brecha entre personas curiosas y pasivas. El IA parece probable que continúe el mismo patrón.

El juicio de producto importa más

La pregunta más interesante ya no es si los ingenieros junior desaparecen. Es qué contribuyen los ingenieros junior cada vez más cuando la implementación en sí se vuelve más fácil.

La respuesta comienza a parecer sorprendentemente similar a lo que los ingenieros senior ya contribuyen: creatividad, instinto de producto, gusto, priorización, juicio y capacidad para identificar qué debería existir en primer lugar.

Los roles de ingeniería se mueven cada vez más hacia pensamiento orientado al producto porque la fricción de implementación continúa colapsando. El trabajo de plomería importa menos que entender si el sistema que se está construyendo realmente resuelve el problema correcto.

El diseño del sistema todavía importa. Nombrar cosas todavía importa. El juicio de producto todavía importa. Entender a los usuarios todavía importa. De algunas maneras, esas habilidades se vuelven más importantes porque las organizaciones ahora pueden probar ideas mucho más rápido de lo que podían antes.

Un ingeniero criado con IA desde el principio probablemente pensará de manera muy diferente a alguien capacitado hace quince años.

Asumirá que la iteración es barata. Prototipará múltiples enfoques rápidamente en lugar de debatir uno solo durante días. Esperará bucles de retroalimentación mucho más ajustados entre los usuarios y la implementación porque el costo de intentar cosas sigue disminuyendo.

Eso crea un tipo diferente de ingeniero, uno moldeado por ciclos mucho más cortos entre la idea y la ejecución.

Las organizaciones necesitarán replantear el contratación, la evaluación, la tutoría y la promoción en consecuencia. Pero el software ya ha pasado por transiciones similares múltiples veces: cuando llegó la web, cuando llegó lo móvil, cuando la infraestructura en la nube reemplazó a los sistemas locales.

Cada cambio alteró lo que se consideraba una buena ingeniería sin eliminar la necesidad de ingenieros en sí.

Implicaciones operativas

Para los ingenieros junior, el consejo no es especialmente glamoroso.

Elige proyectos reales. Usa IA como revisor de sombra mientras trabajas. Lee la retroalimentación cuidadosamente. Discúlpate con ella a veces. Haz preguntas de seguimiento. Mantén un registro de los patrones detrás de los errores que atrapa.

Esa es una de las formas más rápidas de desarrollar juicio, mucho más rápida que esperar a que un ingeniero senior finalmente tenga tiempo libre para la tutoría.

Para los gerentes, el cuello de botella también cambia.

El crecimiento junior solía depender en gran medida de cuánto tiempo podían ahorrar los ingenieros senior para la capacitación. Cada vez más, el punto de apalancamiento más grande se convierte en diseñar fuertes entornos de aprendizaje alrededor del uso de IA: expectativas de revisión, reglas de escalación, patrones de activación, barreras y selección de proyectos.

Las organizaciones que estructuran bien esos sistemas probablemente desarrollarán talento más rápido que las generaciones anteriores.

Y para los equipos de liderazgo, probablemente tenga sentido dejar de ver a los ingenieros junior principalmente como capacidad de ejecución reemplazable. En muchas organizaciones, pueden convertirse en una de las fuentes más baratas de experimentación, energía y iteración creativa disponibles.

Una generación diferente de ingenieros

Mi amigo aprendió checo más rápido porque efectivamente llevaba un tutor personalizado en su bolsillo. Mi hijo está aprendiendo física con un nivel de retroalimentación interactiva al que yo nunca tuve acceso. Mi sobrino ahora recibe revisiones nocturnas de código y investigación de mercado mientras duerme.

La próxima generación de ingenieros entrará en la industria con coaching continuo, bucles de retroalimentación inmediatos y ciclos dramáticamente más rápidos entre esfuerzo y retroalimentación.

Eso no elimina al ingeniero junior. Cambia cómo desarrollan y qué habilidades importan más en el camino.

La versión del papel que mucha gente creció es probablemente desapareciendo. Pero el reemplazo puede resultar ser más rápido para aprender, mejor capacitado, más experimental y más orientado al producto de lo que la generación anterior tuvo la oportunidad de ser.