La reciente revelación de que más del 90% del código de una empresa líder en IA es escrito por su propia inteligencia artificial marca un hito en la industria. Las tareas que antes demandaban horas ahora pueden completarse en aproximadamente 30 minutos, y los beneficios de productividad son significativos. Pero en una compañía nativa de IA, con talento de ingeniería de primer nivel, la pregunta para la mayoría de las empresas no es si la IA puede generar código a esa velocidad, sino si pueden gobernar lo que genera.
Shadow AI: la nueva sombra de IT
La llamada “Vibe coding” ha entrado en la corriente principal. Se estima que casi la mitad de todo el código nuevo a nivel global se genera con IA. La productividad crece, pero también crece una deuda técnica que muchos no entienden por completo. La IA ayuda a cerrar la brecha de talento, permitiendo a equipos con menos desarrolladores experimentados avanzar al ritmo que exige el negocio. El riesgo es que hay menos ingenieros senior para revisar el código generado por IA.
Investigaciones en grandes corporaciones muestran que los desarrolladores asistidos por IA introducen vulnerabilidades de seguridad a una tasa diez veces mayor que sus pares. El 45% del código generado por IA contiene vulnerabilidades de OWASP Top 10. Análisis independientes señalan que la deuda técnica aumenta entre un 30% y un 41% tras adoptar herramientas de IA. La deuda de IA no siempre es evidente: el código puede parecer correcto hasta que no lo es, a menudo sin que los desarrolladores sean conscientes de haberla generado.
A diferencia de la Shadow IT, la Shadow AI cruza límites organizacionales. En empresas con sistemas aún fuertemente siloizados, los problemas complejos se extienden entre departamentos y plataformas; ninguna unidad tiene una visión completa de lo generado o de sus dependencias. Las organizaciones han gastado décadas pagando por atajos de ayer. La IA corre el riesgo de crear una nueva generación de sistemas heredados, pero a una velocidad mucho mayor.
Repetir el error de COBOL
El mercado está saturado de herramientas que prometen leer millones de líneas de código en COBOL o Java y trasladar su funcionalidad a lenguajes modernos. Esto es impresionante desde el punto de vista técnico, pero estratégicamente erróneo. Los sistemas heredados están llenos de ineficiencias y soluciones de compromiso implementadas hace años. Traducir código línea por línea replica esa lógica defectuosa en un lenguaje moderno, ejecutándose sobre infraestructuras en la nube y con interfaces actualizadas.
La modernización debe ir más allá de lo técnico: debe replantear si el proceso sigue siendo válido y si aporta valor real al usuario y al negocio. La verdadera modernización implica reinventar la forma de trabajar, centrada en la experiencia del empleado y del cliente, no en las limitaciones de sistemas antiguos. Se trata de un estado de cambio constante, guiado por objetivos de negocio claros.
La capa de agilidad
La IA probabilística debe operar dentro de límites determinísticos para ser segura y útil a escala empresarial. No basta con generar cualquier cosa; se necesita que genere lo correcto de forma fiable, con trazabilidad y en un contexto que pueda ser escrutado por reguladores. Por ello, las organizaciones de alto impacto buscan una capa de agilidad: un marco de procesos gobernado que imponga estructura, asegure la auditabilidad y mantenga las salidas de IA dentro de límites sostenibles. El Ejército de EE. UU. ha adoptado este enfoque para la seguridad, permitiendo operar con velocidad y certeza.
Al ordenar munición en condiciones de campo desconectadas, la misión es crítica y no admite salidas no gobernadas. De manera similar, la cadena de suministro clínica de Merck, con escrutinio regulatorio intenso y potenciales implicaciones para la seguridad del paciente, requiere una plataforma que acelere la entrega sin sacrificar la auditabilidad. Estos casos muestran cómo abordar la parte más difícil de la modernización: el descubrimiento. Se utiliza IA para extraer especificaciones de aplicaciones heredadas mal documentadas, convirtiéndolas en planes visuales que abarcan UI, modelos de datos y flujos de procesos.
No se crean componentes de software desde cero con IA; se generan para reutilizarse en otras aplicaciones, acelerando el desarrollo y reduciendo la deuda técnica. Los agentes de IA trabajan contra esas especificaciones bajo supervisión humana, con los desarrolladores asignando tareas e iterando, en aproximadamente un 25% del tiempo que requieren los enfoques tradicionales.
El futuro es a medida, no general
Existe la tentación de pensar que una IA de propósito general hará obsoletas las plataformas empresariales. En entornos regulados, esto es prematuro y peligroso. Los modelos de propósito general son excelentes para generar salidas plausibles, pero no están diseñados para garantizar que esas salidas sean auditable, conforme y mantenible por equipos que no las generaron.
La ola de Vibe Coding es real y, con ella, la deuda que también lo es. Las organizaciones que afronten con éxito la próxima década no serán las que generaron código más rápido en 2025 o 2026, sino las que integren gobernanza y límites de proceso desde el inicio, para que lo construido rápidamente siga siendo entendible, mantenible y confiable años después.
Notas finales
Este análisis forma parte de TechRadar Pro Perspectives, una vía para presentar las ideas de las mentes más destacadas de la industria tecnológica. Las opiniones expresadas corresponden al autor y no necesariamente a TechRadar Pro o Future plc. Si le interesa contribuir, puede encontrar más información sobre cómo enviar historias.
from Latest from TechRadar https://ift.tt/Mr4N9Ht
via IFTTT IA
Pacosite's Blog 