Durante las últimas dos décadas, los gobiernos y otras entidades han gastado miles de millones en enseñar a las personas a programar. Se pensaba que era una de las pocas profesiones que estarían a salvo en un mundo cambiante, pero resulta que escribir y manipular código es una de las actividades para las que los modelos de IA están mejor preparados. Las empresas tecnológicas han despedido a más de 1 millón de empleados en los últimos años, y Microsoft ofreció 60 000 retiros voluntarios justo la semana pasada. Es un momento aterrador y totalmente desorientador para las personas de la industria del software.

Hace aproximadamente un mes, escribí un memorando interno en el que detallé la ruta de adopción de IA que Proton debe seguir para seguir siendo competitivo y seguro, y lo que hemos pasado por alto hasta ahora como organización y que debemos corregir para que esta transición inevitable sea un éxito. Hay pocas dudas de que las organizaciones que no logren transformarse con la suficiente rapidez terminarán defraudando a sus equipos y a quienes dependen de ellas.

El memorando también cumplió otro propósito: convencer a mis colegas de que no somos actores pasivos en este cambio, de que la empresa necesita su talento y experiencia para hacerlo realidad, y de que esta transición ofrece oportunidades a quienes deciden prepararse y participar en ella.

El memorando no es un documento de ingeniería exhaustivo. No profundiza en los detalles de seguridad, confiabilidad o infraestructura. Más bien, señala la dirección hacia la que se dirige nuestra industria en su conjunto.

El memorando completo se encuentra a continuación.

Descargar un PDF del manifiesto de IA(nueva ventana)


IA @ Proton, manifiesto de ingeniería

No debería sorprender a nadie en Proton, y menos aún en ingeniería, que la ingeniería de software haya cambiado de forma irrevocable este año, si no antes. Los LLM (modelos de lenguaje de gran tamaño) y sus herramientas asociadas han adquirido la capacidad de escribir código hasta el punto de que un ingeniero sénior de Proton me dijo hace unos días, y cito: «Ya nadie escribe código en {business unit name}». Al igual que memorizar números de teléfono en el siglo XX o montar a caballo en el siglo XIX, escribir buen código a mano es una habilidad fundamental cuyo tiempo ya pasó.

En general, eso es algo fantástico. Gran parte de la escritura de código era y sigue siendo una tarea tediosa y que consume mucho tiempo, al menos en producción y a escala. La documentación y las pruebas son dos tareas necesarias que a pocos les gusta hacer y que históricamente se han descuidado a menudo, a costa de una mala comunicación, ineficiencias y problemas de confiabilidad. El código repetitivo es el máximo exponente de la monotonía de la ingeniería de software, y puede que nunca más tenga que ser algo de lo que se preocupe un ser humano. Los modelos ahora pueden asesorar y proponer arquitecturas y diseños de sistemas que, aunque a menudo son imperfectos, contribuyen de manera significativa a la discusión, la toma de decisiones y la formación.

Fuera de Proton, la revolución de la IA está arrasando en el mundo. Mucho de eso es pura apariencia y campañas superficiales y cosméticas, más para parecer innovadoras que para serlo de verdad. Pero gran parte es muy real, y las inversiones que esas empresas (incluidos nuestros competidores) están haciendo ahora determinarán el entorno empresarial en el que operaremos en el futuro. No se trata de seguir tendencias: nos estamos quedando atrás y esto es una amenaza existencial para el éxito de la misión en sí.

Entonces, ¿por qué en Proton no parece que la revolución haya llegado? ¿Por qué la productividad no ha aumentado drásticamente si todo el mundo ya usa los LLM todo el tiempo? Creo que se reduce a tres cosas, todas las cuales tendremos que corregir si queremos tener éxito en la nueva era que ya está aquí hoy, no que está por llegar.

La primera es un cambio en la cultura de ingeniería y en la mentalidad de los ingenieros. Su trabajo ha cambiado fundamentalmente. Ya no consiste en escribir código, y los LLM no están aquí para ayudarle a escribir mejor código más rápido. Su trabajo es ayudar al LLM a escribir mejor código más rápido. Cada ingeniero es ahora líder de equipo, gerente, y sus reportes directos son los modelos y agentes que utiliza. Guiarlos directamente y corregirlos cuando se equivocan son parte de ello, sin duda. Pero un equipo de dos personas que siempre programaban en pareja no sería gran cosa como equipo, ni tampoco un equipo en el que nadie trabajara cuando el líder estaba en una reunión. La IA debe poder trabajar de forma autónoma y continua con cada vez menos supervisión humana. Su trabajo es identificar problemas que el LLM no puede resolver por sí solo y ayudarle no solo a resolverlos esta vez, sino a resolverlos mejor la próxima, no solo para usted sino para todos: archivos de contexto a nivel de repositorio, habilidades e indicaciones compartidas, y el hábito de garantizar que las fallas repetidas activen una investigación y una corrección. Su trabajo es ampliar los límites de lo que el LLM puede hacer de forma autónoma, intervenir en las cosas que no puede hacer y pensar siempre en cómo mejorar el statu quo.

Esto no es la muerte de la pericia. El LLM es rápido. Usted va más despacio, pero lleva consigo toda una vida de experiencia, decisiones de criterio y comprensión. Además, (con suerte) tiene mucha menos propensión a alucinar y a dejarse engañar por entradas maliciosas o erróneas, y tiene una responsabilidad ante su propia persona, sus compañeros de equipo y Proton de una manera que un modelo nunca podrá tener. Juntos pueden hacer mucho más y mucho más rápido de lo que cualquiera de los dos podría hacer por separado.

Tampoco es la muerte de las buenas prácticas de ingeniería. La mantenibilidad y la velocidad son mejores en bases de código bien arquitecturadas. La documentación y las pruebas siguen siendo cruciales. Dicho esto, debemos estar abiertos a que las mejores prácticas cambien a medida que cambian los costos y las capacidades. Las pruebas son un buen ejemplo de esto. Las viejas mejores prácticas dicen que demasiadas pruebas (en particular, las pruebas de extremo a extremo) son una mala relación costo-beneficio en un mundo donde escribir y mantener pruebas es costoso. Si escribir y mantener pruebas se vuelve barato, es probable que el punto donde trazamos esa línea también cambie.

La segunda razón por la que no hemos podido aprovechar al máximo la revolución de la IA es que hemos estado casi completamente estancados en la fase 1: usar los LLM para acelerar tareas como parte de los flujos de trabajo existentes. Pero escribir código no es la única parte del ciclo de vida del desarrollo de software, y ¿qué sucede cuando se elimina un cuello de botella? Otro ocupa su lugar. Tal vez sea la velocidad y la capacidad de la CI (integración continua). Tal vez sea el diseño, las aprobaciones, las especificaciones y las revisiones de código (sí, debemos llegar y llegaremos a un punto en el que la mayoría de las revisiones humanas de código terminen). Tal vez el flujo de trabajo no cambie mucho, pero los LLM nos permiten por fin invertir en automatización, que antes tenía un costo prohibitivo. Si no analizamos todos nuestros procesos de forma integral y eliminamos los cuellos de botella sin piedad, no alcanzaremos nuestro máximo potencial. A menudo, eliminar estos cuellos de botella no solo implicará optimizar partes de nuestros flujos de trabajo existentes, sino también reelaborarlos y repensarlos por completo. Esta es la fase 2, y necesitamos llegar allí ahora.

La tercera razón es un problema de acción colectiva. Usar los LLM de manera eficaz para escribir código es algo que cada ingeniero puede hacer por su cuenta. Reconstruir u optimizar el proceso de CI para todo un equipo, una unidad de negocio o una empresa es una tarea mucho más pesada, y conlleva costos de oportunidad y compensaciones. No es imposible, y muchas personas en Proton han hecho cosas increíbles por su cuenta, algunas de las cuales se han difundido por todas partes. Pero reequipar a la empresa en general requiere niveles de organización y recursos que simplemente aún no hemos invertido. En cuanto a la discusión sobre el ciclo de vida del desarrollo de software del párrafo anterior, en muchos casos ni siquiera sabemos dónde están los cuellos de botella porque no hemos invertido en las herramientas necesarias para averiguarlo. Puede que en el pasado haya estado justificada cierta cautela: tomó tiempo averiguar cómo usar mejor estas nuevas herramientas y seguiremos fomentando la experimentación. Pero ya es hora de que, como organización, nos comprometamos con la transformación que exige este momento.

Entonces, ¿qué significa esto para usted, ingeniero? Pues bien, su capacidad de acción y sus responsabilidades se han ampliado. Ya no solo es responsable de que el trabajo se haga, sino que ahora también se encarga de cómo se hace y, por lo tanto, es responsable de la optimización continua y la automatización máxima (y de compartir esas mejoras con sus colegas: el éxito en Proton es un deporte en equipo). También es su responsabilidad señalar y escalar las mejoras necesarias que no pueda ejecutar por su cuenta. Proton, por su parte, organizará y asignará recursos a las inversiones críticas que se requieren para superar la fase 2 y alcanzar plenamente el potencial de la revolución de la IA.

En resumen, estamos en un mundo nuevo. «Programación» ha muerto. La ingeniería no, ni tampoco la pericia. Su antiguo trabajo ya no existe. Su nuevo trabajo como constructor le permitirá hacer más y tener más impacto que nunca, si aprovecha la oportunidad. Y Proton le dará las condiciones para lograrlo; en los próximos días y semanas oirá más sobre estos esfuerzos. La era de la experimentación continúa, pero el momento de actuar es ahora. El futuro ya está aquí: hagámoslo nuestro.


Imagen de portada de: Bernard Leonardo
Instagram: @dranreboel
Sitio web: https://dranreboel.myportfolio.com/work