Durante las últimas dos décadas, los gobiernos y otros actores han invertido miles de millones en enseñar a la gente a programar. Se pensaba que era una de las pocas profesiones 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 dotados. Las empresas tecnológicas han despedido a más de 1 millón de empleados en los últimos años, y Microsoft ofreció 60 000 bajas incentivadas la semana pasada. Es un momento aterrador y profundamente desorientador para la gente del sector del software.
Hace aproximadamente un mes escribí un memorando interno en el que detallaba la ruta de adopción de la IA que Proton debe seguir para mantenerse competitivo y seguro, y lo que hasta ahora hemos pasado por alto como organización y que debemos corregir para que esta transición inevitable sea un éxito. Hay pocas dudas de que las organizaciones que no se transformen con la suficiente rapidez acabarán defraudando a sus equipos y a quienes dependen de ellas.
El memorando también cumplía otro propósito: convencer a mis colegas de que no somos actores pasivos en este cambio, de que la empresa necesita su talento y su experiencia para llevarlo a cabo y de que esta transición ofrece oportunidades a quienes deciden prepararse para ella y participar en ella.
El memorando no es un documento técnico exhaustivo. No entra en los detalles de seguridad, fiabilidad o infraestructura. Más bien señala la dirección que debe tomar nuestro sector en su conjunto.
Puedes encontrar el memorando completo a continuación.
Descarga el manifiesto de IA en PDF(ventana nueva)
IA @ Proton, manifiesto de ingeniería
A nadie en Proton debería sorprenderle, y menos aún en ingeniería, que la ingeniería de software haya cambiado de forma irrevocable este año, si no antes. Los LLM y las herramientas asociadas han adquirido la capacidad de escribir código hasta tal punto que un ingeniero sénior de Proton me dijo hace unos días, y cito: «Ya nadie escribe código en {business unit name}». Como memorizar números de teléfono en el siglo XX o montar a caballo en el XIX, escribir buen código a mano es una competencia básica cuyo tiempo ha pasado.
En general, es algo fantástico. Gran parte de la escritura de código era y sigue siendo un trabajo pesado y tedioso, 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 fiabilidad. El código repetitivo es el epítome de la rutina de la ingeniería de software, y puede que nunca vuelva a ser algo de lo que un ser humano tenga que preocuparse. Los modelos ya pueden aconsejar y proponer arquitecturas y diseños de sistemas que, aunque a menudo imperfectos, contribuyen de forma significativa al debate, la toma de decisiones y la formación.
Fuera de Proton, la revolución de la IA está arrasando. Mucho de ello es pura apariencia y superficialidad, campañas cosméticas más destinadas a parecer innovadoras que a serlo de verdad. Pero una buena 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 es una amenaza existencial para el éxito de la propia misión.
Entonces, ¿por qué en Proton no parece que la revolución haya llegado? ¿Por qué no ha aumentado drásticamente la productividad si todo el mundo ya usa LLM todo el tiempo? Creo que se debe a tres cosas, y todas ellas tendremos que corregirlas si queremos tener éxito en la nueva era que ya está aquí hoy, no en camino.
El primero es un cambio en la cultura de ingeniería y en la mentalidad de los ingenieros. Tu trabajo ha cambiado de raíz. Ya no consiste en escribir código, y los LLM no están aquí para ayudarte a escribir mejor código más rápido. Tu trabajo consiste en ayudar al LLM a escribir mejor código más rápido. Ahora cada ingeniero es jefe de equipo y gerente, y tus subordinados directos son los modelos y agentes que utilizas. Guiarlos directamente y corregirlos cuando se equivocan forma parte de ello, sin duda. Pero un equipo de dos personas que siempre programaban en pareja no sería gran cosa como equipo, ni tampoco lo sería un equipo en el que nadie trabajara mientras el jefe de equipo estaba en una reunión. La IA debe poder trabajar de forma autónoma y continua con cada vez menos supervisión humana. Tu trabajo consiste en identificar los problemas que el LLM no puede resolver por sí solo y ayudarlo no solo a resolverlos esta vez, sino a resolverlos mejor la próxima, no solo para ti sino para todos: archivos de contexto a nivel de repositorio, habilidades y prompts compartidos, y el hábito de garantizar que los fallos repetidos desencadenen una investigación y una corrección. Tu trabajo consiste en llevar al límite lo que el LLM puede hacer de forma autónoma, intervenir en lo que no puede y pensar siempre en cómo mejorar la situación actual.
Esto no es la muerte de la experiencia. El LLM es rápido. Tú eres lento, pero llevas contigo toda una vida de experiencia, decisiones de criterio y comprensión. Además (esperemos) eres mucho menos propenso a las alucinaciones y a dejarte engañar por entradas erróneas o maliciosas, y respondes ante ti mismo, ante tus compañeros de equipo y ante Proton de una forma que un modelo nunca podrá. Juntos podéis 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 diseñadas. La documentación y las pruebas siguen siendo fundamentales. Dicho esto, debemos estar abiertos a que las buenas prácticas cambien a medida que cambian los costes y las capacidades. Las pruebas son un buen ejemplo de ello. La antigua buena práctica decía que demasiadas pruebas (en particular las de extremo a extremo) son un mal equilibrio en un mundo en el que escribir y mantener pruebas resulta caro. Si escribir y mantener pruebas se abarata, es probable que el punto en el que 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 por completo estancados en la fase 1: usar LLM para acelerar tareas dentro de los flujos de trabajo existentes. Pero escribir código no es la única parte del ciclo de vida del desarrollo de software, y ¿qué pasa cuando eliminas un cuello de botella? Otro ocupa su lugar. Quizá sea la velocidad y la capacidad de la CI (integración continua). Quizá sean el diseño, las aprobaciones, las especificaciones y las revisiones de código (sí, tenemos que llegar, y llegaremos, a un punto en el que la mayor parte de la revisión humana de código terminará). Quizá el flujo de trabajo no cambie mucho, pero los LLM nos permitan por fin invertir en automatización, algo que antes resultaba prohibitivo por su coste. Si no analizamos todos nuestros procesos de forma holística y eliminamos los cuellos de botella sin piedad, no alcanzaremos todo nuestro potencial. A menudo, eliminar estos cuellos de botella no solo implicará optimizar partes de nuestros flujos de trabajo actuales, sino también rehacerlos y replantearlos por completo. Esta es la fase 2, y tenemos que llegar a ella ya.
La tercera razón es un problema de acción colectiva. Usar los LLM de forma 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 costes de oportunidad y compensaciones. No es imposible, y muchas personas en Proton han logrado cosas increíbles por su cuenta, algunas de las cuales se han extendido por todas partes. Pero renovar la empresa en su conjunto exige unos niveles de organización y recursos en los que sencillamente aún no hemos invertido. En cuanto al debate 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 estuviera justificada cierta cautela: hizo falta tiempo para 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 el momento.
Entonces, ¿qué significa esto para ti, ingeniero? Pues que tanto tu capacidad de acción como tus responsabilidades han aumentado. No solo eres responsable de que el trabajo se haga, sino que ahora también te encargas de cómo se hace y, por lo tanto, eres responsable de la optimización continua y la máxima automatización (y de compartir esas mejoras con tus compañeros: el éxito en Proton es un deporte de equipo). También es tu responsabilidad señalar y escalar las mejoras necesarias que no puedas ejecutar por tu cuenta. Proton, por su parte, organizará y dotará de recursos las inversiones críticas necesarias para superar la fase 2 y alcanzar plenamente el potencial de la revolución de la IA.
En resumen, estamos en un mundo nuevo. La «programación» ha muerto. La ingeniería no, ni tampoco la experiencia. Tu antiguo trabajo ha desaparecido. Tu nuevo trabajo como creador te permitirá hacer más y tener más impacto que nunca, si aprovechas la oportunidad. Y Proton te preparará para ello, unos esfuerzos de los que oirás hablar más en los próximos días y semanas. 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






