Los asistentes de inteligencia artificial ya escriben fragmentos enteros de código a partir de una descripción en lenguaje común. Para Murilo Moura Alencar, Tech, People & Game Strategist, el punto central está en separar lo que la herramienta acelera de lo que todavía no resuelve por sí sola. El debate interesa a quien programa, a quien lidera equipos de tecnología y a quien decide cuánto invertir en estas herramientas.
¿Qué ofrece ya la inteligencia artificial a quien programa?
La ganancia más visible está en las tareas repetitivas. Un asistente sugiere la continuación de una función, arma la estructura de una prueba, convierte un fragmento de un lenguaje a otro y explica un bloque de código antiguo del que nadie recuerda por qué existe. Son actividades en las que el resultado puede verificarse rápidamente, y por eso el tiempo ahorrado es real. El programador deja de teclear lo que ya sabe escribir y dedica más atención a lo que exige una decisión.
También hay un efecto sobre el aprendizaje, destaca Murilo Moura Alencar. Quien empieza con un lenguaje nuevo suele atascarse en detalles de sintaxis, y el asistente funciona como un colega paciente que responde cada duda sin incomodidad. Así se acorta el camino hasta el primer programa funcionando, aunque no sustituye el estudio de los fundamentos. Sin ellos, el principiante acepta cualquier sugerencia que parezca plausible, sin saber distinguir la correcta de la casi correcta.
¿Cuáles son los riesgos: error plausible y dependencia?
El defecto más peligroso es el error que parece correcto. El código generado compila, supera una lectura rápida y falla solo en situaciones raras, como entradas fuera de lo común o muchos usuarios al mismo tiempo. Como la herramienta escribe con la misma seguridad cuando acierta y cuando se equivoca, el tono del texto no ayuda a distinguir un caso del otro. Corresponde al profesional tratar cada sugerencia como el borrador de un colega que todavía no conoce el proyecto.
Otro riesgo es la dependencia. Los equipos que aceptan sugerencias sin entenderlas acumulan fragmentos que nadie sabe explicar, y el mantenimiento se encarece más adelante. A esto se suman los cuidados con la información sensible: el código y los datos internos pegados en una herramienta externa pueden escapar al control de la empresa. La política de uso debe indicar qué se puede y qué no se puede compartir con estos servicios.
¿Cómo analiza Murilo Moura Alencar la decisión de adoptar la IA?
En la evaluación de Murilo Moura Alencar, la adopción de la IA es, ante todo, una cuestión de gestión. Según destaca, la pregunta útil para un liderazgo no es si el equipo debe usar la inteligencia artificial, sino en qué tareas tiene sentido su uso y cómo se revisará el resultado. Sin esa definición, cada persona decide por su cuenta, y la empresa pierde la oportunidad de aprender de forma coordinada.
Una comparación ayuda a ver la lógica. Usar un asistente de código sin criterio es como contratar a un pasante muy veloz y dejarlo publicar su trabajo sin que nadie lo lea: la producción aumenta, pero los errores también llegan más rápido al consumidor final. Con revisión y objetivos claros, ese mismo ritmo se convierte en ventaja.
Uso improvisado y uso organizado, lado a lado
En el uso improvisado, cada programador elige la herramienta, decide qué compartir y evalúa el resultado a su manera. La ganancia existe, pero es difícil de medir, y los riesgos se dispersan sin que nadie los vea. Cuando surge un problema, no hay registro de qué fragmento vino de dónde, y la investigación se vuelve lenta.
En el uso organizado, la empresa define las herramientas aprobadas, los tipos de tarea en los que el apoyo es bienvenido y las reglas para los datos sensibles. La revisión de código pasa a incluir una pregunta nueva: ¿el autor entiende lo que está entregando? Como refuerza Murilo Moura Alencar, la revisión humana mantiene la responsabilidad en manos del equipo. Los equipos que tratan la herramienta así tienden a lograr ganancias más estables que los que la adoptan por impulso.
¿Qué habilidades siguen siendo valiosas?
Cuanto más código escribe la máquina, más valen las habilidades que ella no ofrece: entender el problema del usuario, diseñar la estructura general del sistema, elegir entre alternativas y probar con rigor. Escribir pruebas automatizadas gana importancia, porque son ellas las que dan confianza para aceptar o rechazar lo sugerido. Leer bien el código, y no solo escribirlo, se convierte en una competencia central.
En la lectura de Murilo Moura Alencar, el desarrollo de las personas acompaña este cambio. Quien lidera equipos de tecnología debe garantizar que los profesionales más jóvenes sigan practicando el razonamiento que hay detrás del código, y no solo comprobando respuestas ya hechas. La formación deja de ser solo técnica y pasa a incluir el juicio sobre cuándo confiar en la sugerencia.
Un criterio simple para decidir cuándo usarla
Un buen punto de partida es mirar el costo del error. En tareas de bajo riesgo y fácil verificación, como un script interno o una documentación, el apoyo de la inteligencia artificial suele valer la pena. En partes críticas, como pagos, seguridad y reglas de negocio centrales, el uso exige una revisión más cuidadosa y, en algunos casos, puede que ni siquiera sea recomendable.
Además, el criterio también debe revisarse con el tiempo, porque las herramientas cambian y el equipo aprende. Conviene empezar por un proyecto pequeño, medir qué mejoró y qué empeoró, ajustar las reglas y solo entonces ampliar. La decisión pasa a basarse en evidencias del propio equipo, y no en promesas de proveedores ni en el temor a quedarse atrás.