La IA es tu empleado. Sé el mejor jefe.
Vivimos en una nueva era. La programación no se parece en nada a lo que era hace cinco años. Así es como puedes mantener el control de tu flujo de trabajo con IA.
Vivimos en una nueva era. La programación no se parece en nada a lo que era hace cinco años, y mucho menos hace diez o veinte. Las herramientas de IA están en todas partes: desde nuestra línea de comandos hasta la nube. Y están hechas para ser usadas.
Pero necesitas saber cómo usarlas.
Sé que esto no es noticia para ti, pero ten paciencia. El verdadero desafío, y las personas que ganarán esta carrera, son aquellas que aprendan a usar la IA de manera eficiente y responsable. No querrás ser la persona que no entiende lo que la IA está generando.
¿Por qué? Simple: los errores fluirán y las cosas se saldrán de control muy rápidamente.
Entonces, ¿cómo mantienes el control y sigues siendo el capitán del barco? Aquí está el flujo de trabajo de cuatro pasos que me ha estado funcionando.
1. Aprende los Fundamentos
Esto es simple: todavía necesitas ser programador. Todavía necesitas hacer tu trabajo.
Si no entiendes cómo funciona algo, no esperes que la IA te guíe de manera segura a través de ello. No es un secreto que un solo prompt a los LLM modernos puede generar cientos, o incluso miles, de líneas de código. Eso es poderoso, y es parte de por qué usamos estas herramientas.
Pero debes entender lo que el modelo te está dando.
El criterio que usas para juzgar el código generado por IA es, al final del día, la nueva propuesta de valor que aportan los desarrolladores. Sin ese juicio, la IA definitivamente reemplazaría nuestros trabajos.
La buena noticia es que la IA también es muy buena enseñando nuevos conceptos y tecnologías. Aún así, nada supera ir a la fuente. La documentación directa de la tecnología que estás usando es uno de tus recursos más valiosos.
Úsala.
2. Promptea Bien y Proporciona el Contexto Adecuado
La mayoría de la gente sabe cómo hacer un prompt a una IA. Muy pocos saben cómo hacerlo bien.
Aquí hay algunos principios en los que confío.
Proporciona Suficiente Contexto Cada Vez
Hoy en día, la mayoría de los agentes de IA te permiten definir archivos, carpetas o reglas que se envían al modelo con cada prompt. Estas son herramientas increíblemente poderosas y, cuando se usan correctamente, mejoran dramáticamente los resultados.
Me gusta dividir esta configuración en tres partes:
- Reglas
- Contexto
- Herramientas
Estos son los conceptos básicos que debes proporcionar antes de pedirle al modelo que genere código.
Reglas son restricciones que el modelo debe seguir. Por ejemplo:
- Mantener el código con tipado seguro
- Evitar el uso de `any`
- Siempre añadir pruebas unitarias al introducir un nuevo método
Si tu equipo sigue guías de estilo específicas o reglas arquitectónicas, aquí es donde pertenecen.
Contexto es lo que el modelo necesita saber sobre tu base de código:
- Este es un proyecto React usando TypeScript y Tailwind CSS
- Este es un backend Node.js usando Express y MongoDB
Incluye la estructura del proyecto, archivos clave y decisiones arquitectónicas. Cuanto mejor entienda el modelo tu entorno, mejor será su resultado.
Herramientas son scripts o comandos que el modelo puede usar para verificar su trabajo. Una de mis favoritas es agrupar todas las comprobaciones comunes en un solo script, por ejemplo, tests:ai, que ejecuta linting, pruebas unitarias y comprobaciones de TypeScript.
Esto permite al modelo probar su propio resultado, iterar y arreglar problemas hasta que todo pase.
El Prompt en sí
No tengo muchos consejos aquí más allá de lo básico: sé claro, conciso y específico.
Cuanto más preciso seas sobre lo que quieres, mejores serán los resultados. Los ejemplos ayudan mucho. Y si has configurado las reglas, el contexto y las herramientas correctamente, ya le estás dando al modelo la mayor parte de lo que necesita para tener éxito.
3. Fuerza a la IA a Probar su Resultado
Si le das a la IA las herramientas para probar, asegúrate de que realmente las use.
En cada prompt, requiere explícitamente que el modelo ejecute las pruebas después de generar código. Una instrucción simple como:
“Ejecuta las pruebas después de generar el código y arregla cualquier fallo.”
hace una gran diferencia.
Este paso por sí solo mejora dramáticamente la calidad. No puedo enfatizar lo suficiente cuánto mejores son los resultados cuando se obliga al modelo a validar su propio trabajo en cada iteración.
4. Revisa los Resultados (No Negociable)
Si entiendes los fundamentos, puedes revisar los resultados. Este paso es directo, pero también es crítico e ineludible.
No puedes confiar ciegamente en el resultado de la IA. Incluso con grandes prompts y modelos potentes, la IA todavía alucina o toma atajos, lo que puede introducir malas prácticas o problemas de mantenimiento a largo plazo.
Usa herramientas de revisión agresivamente. Abre pull requests, inspecciona diffs y lee cada línea. Asegúrate de entender las decisiones que tomó la IA y por qué tienen sentido.
Incluso puedes usar otras herramientas de IA para ayudar con las revisiones, a menudo detectan problemas que podrías pasar por alto. Pero recuerda: más ojos ayudan, y tú sigues siendo responsable del resultado final.
Todavía necesitas hacer tu trabajo.
Nota Final (y un Pequeño Regalo)
Si estás trabajando en una nueva funcionalidad o refactorización y la IA se descarrila completamente de lo que quieres, no tengas miedo de borrar todo.
El código es barato ahora. Siempre puedes generarlo de nuevo.
Lo que importa es el resultado, no cómo llegaste allí. Si el modelo no está cooperando, empieza de nuevo. Cambia el prompt. Añade más contexto. Ajusta las reglas.
A veces eso es más rápido y limpio que intentar forzar a la IA a arreglar código en el que ya se ha fijado.
La IA puede ser así de terca.
Conclusión final
La IA no reemplaza a los desarrolladores que entienden su oficio. Reemplaza a los desarrolladores que renuncian al control.
Mantente crítico. Mantente al mando.