Cómo integrar la inteligencia artificial en todo el ciclo del desarrollo de software

UNIR Revista

El desarrollo de software con IA exige más criterio, seguridad y supervisión. Foro UNIR analizó cómo combinar automatización, conocimiento del negocio y control humano para crear aplicaciones fiables, y mostró cómo Kiro traslada todo a la práctica.

Los 7 puntos claves del Foro UNIR

1. La IA interviene en todo el ciclo del software: Sus aplicaciones abarcan los requisitos, la arquitectura, la programación, las pruebas y la operación. Su aportación debe evaluarse por cómo mejora el proceso completo y facilita entregar soluciones útiles. Generar más código no equivale, por sí solo, a desarrollar mejores productos ni a aumentar la productividad.
2. Las especificaciones permiten dirigir el trabajo de los agentes: Definir necesidades, restricciones y criterios de aceptación reduce la ambigüedad. El diseño y la planificación de tareas deben preceder a la implementación para evitar decisiones improvisadas. Esta metodología ayuda a comprobar que lo construido responde a los objetivos acordados con el negocio.
3. La supervisión humana debe acompañar cada etapa: Revisar únicamente el código final deja fuera decisiones que condicionan todo el proyecto. Los responsables de negocio, arquitectura y seguridad necesitan validar los aspectos que les corresponden. Cuanta más autonomía adquieren los agentes, más importante resulta delimitar sus permisos y responsabilidades.
4. La productividad exige medir resultados y costes: El consumo de IA debe traducirse en mejoras observables durante el desarrollo. La experiencia expuesta señaló oportunidades en despliegues, pruebas y mitigación de riesgos de seguridad. Evaluar cada fase permite orientar la inversión y evitar que el gasto crezca sin aportar beneficios proporcionales.
5. La seguridad requiere una visión conjunta de aplicaciones e infraestructuras: Los agentes introducen riesgos relacionados con sus identidades y actuaciones. El uso de modelos externos también genera incertidumbre y exige mecanismos de supervisión. Debilidades menores pueden combinarse y provocar efectos graves si se analizan de manera aislada.
6. El valor profesional combina fundamentos técnicos y comprensión del negocio: Saber programar debe acompañarse de conocimientos de arquitectura y operación. Los equipos necesitan capacidad para dirigir agentes, revisar sus resultados y valorar alternativas. Comprender el contexto empresarial permite decidir qué construir y equilibrar costes, rendimiento y seguridad.
7. Kiro ejemplifica el desarrollo organizado mediante especificaciones: La presentación mostró una secuencia de requisitos, diseño y tareas. Los disparadores automáticos permiten asociar acciones, como generar pruebas, a eventos del trabajo cotidiano. Los mecanismos de contexto y las reglas del proyecto ayudan a orientar al agente durante el desarrollo.

La inteligencia artificial está transformando el desarrollo de software, pero generar código con rapidez no garantiza construir soluciones útiles, seguras y sostenibles. Esta fue una de las principales conclusiones del Foro UNIR ‘IA aplicada al ciclo completo del desarrollo de software’, que abordó cómo integrar estas herramientas desde la definición de requisitos hasta la operación. Los participantes destacaron que el valor profesional se desplaza hacia la comprensión del negocio, el diseño y la supervisión de las decisiones automatizadas.

Intervinieron Santos Pardos Gotor, arquitecto de soluciones cloud e instructor autorizado de Amazon Web Services; Ángel Gálvez Caballero, director de seguridad de la información (CISO) de Avolta; Iván Sanz Prieto, senior manager of Software Development for AI, Data & DevSecOps en Lumen Technologies y coordinador académico del Máster Universitario en Desarrollo y Operaciones (DevOps) de UNIR; y Fiorella Piriz Sapio, arquitecta de soluciones en Amazon Web Services. Jorge Heili, presentador y moderador, condujo el encuentro y las preguntas del debate.

Ingeniería de software guiada por especificaciones

Santos Pardos Gotor abrió la sesión con una ponencia que cuestionó la identificación entre desarrollar software y escribir código. Su propuesta fue situar las especificaciones en el centro del trabajo con agentes: definir qué debe hacer una aplicación, bajo qué restricciones y cómo se comprobará su funcionamiento. La IA puede acompañar todo ese recorrido, pero necesita instrucciones verificables y responsables que validen sus resultados.

El ponente explicó que una petición breve puede resolver tareas pequeñas, aunque pierde eficacia cuando un proyecto crece. Las ambigüedades permiten que el modelo elija bibliotecas, dependencias o arquitecturas inadecuadas. Para evitarlo, defendió avanzar desde los requisitos hacia el diseño y las tareas, antes de generar código y pruebas. Así, las decisiones dejan de quedar implícitas y pueden revisarse.

“El verdadero valor estará en definir correctamente qué queremos construir, bajo qué restricciones y cómo sabemos que está bien construido”, señaló. La diferencia puede apreciarse al pedir que un sistema sea rápido y seguro: esas expresiones necesitan concretarse en condiciones medibles. Establecer un tiempo máximo de respuesta y exigir registros de auditoría permite comprobar si el resultado satisface lo acordado.

Pardos ilustró este enfoque con la incorporación de un pago a una aplicación. Antes de implementarlo hay que precisar cómo se gestiona el inventario, qué ocurre si la operación falla y cómo se mantiene la consistencia de las transacciones. Sin esas indicaciones, el agente completa los vacíos por su cuenta; con ellas, trabaja sobre una funcionalidad previamente definida por el equipo.

Jorge Heili conversa con Santos Pardos Gotor, Ángel Gálvez Caballero e Iván Sanz Prieto.

La supervisión tampoco debería limitarse a revisar el código cuando todo ha terminado. “Los agentes nos quitarán mucho trabajo, pero las personas siguen controlando los puntos donde hay decisiones importantes”, afirmó. El negocio debe validar la intención, los arquitectos comprobar el diseño y los responsables de seguridad establecer controles. Cada etapa requiere una revisión acorde con sus consecuencias.

Para trasladar esta metodología a las empresas, propuso una adopción gradual: comenzar con un proyecto piloto, integrar después pruebas y controles de seguridad y consolidar finalmente un modelo de trabajo compartido. Sugirió medir qué cambios pueden seguirse desde el requisito hasta su implementación y validación. Esa trazabilidad aporta más información sobre la calidad del proceso que contar líneas de código.

Pardos Gotor insistió en elegir herramientas por su integración con los repositorios, las políticas de seguridad y los procesos existentes. Los modelos pueden cambiar, mientras la organización necesita conservar una metodología estable y coherente para gobernar la actividad de los agentes.

Productividad, seguridad y competencias profesionales

La mesa redonda reunió a Pardos con Ángel Gálvez Caballero e Iván Sanz Prieto para contrastar estas ideas con la experiencia empresarial. El debate desplazó la atención desde las capacidades de las herramientas hacia sus resultados: cuánto tiempo ahorran, qué costes generan y cómo se mantiene el control cuando los agentes asumen tareas cada vez más complejas.

Desde su experiencia en Lumen Technologies, Sanz explicó que el consumo de IA debe justificarse con mejoras observables. “Nosotros lo que tratamos es no de generar más código, sino de acortar el ciclo”, resumió. Ese ciclo abarca desde la aparición de una idea hasta su puesta en producción, y obliga a analizar en qué fases resulta más rentable invertir recursos.

Según las métricas que describió de su organización, la automatización de despliegues, la creación de pruebas y la mitigación de riesgos de seguridad estaban ofreciendo oportunidades especialmente relevantes. Su intervención introdujo una cautela económica: aumentar el uso de agentes no garantiza optimizar el trabajo. Sin evaluación, los costes pueden crecer sin que mejore proporcionalmente la capacidad de entregar soluciones.

Jorge Heili y Fiorella Piriz Sapio.

Gálvez incorporó la perspectiva de la seguridad y recordó que las aplicaciones funcionan sobre infraestructuras que también deben protegerse. “Siempre tiene que haber un humano detrás, al menos para las revisiones de ese código que se está generando”, advirtió. La autonomía de los agentes exige atender a sus identidades, sus capacidades de actuación y las consecuencias de sus decisiones.

También señaló la incertidumbre asociada al uso de modelos de terceros y a la colaboración entre agentes cuyo funcionamiento no se controla por completo. “Tenemos que implementar una serie de controles compensatorios, supervisión para garantizar que minimizamos y controlamos esos riesgos”, explicó. La protección debe abarcar el desarrollo, la operación y la observación del comportamiento de los sistemas.

Al hablar del futuro profesional, Gálvez destacó el conocimiento transversal y la comprensión del contexto empresarial. Una debilidad aparentemente menor en una aplicación puede adquirir gravedad al combinarse con otras carencias de infraestructura u operación. Entender esas relaciones y traducir las necesidades del negocio en soluciones constituye, a su juicio, una aportación diferencial de los profesionales.

Sanz coincidió en la necesidad de perfiles con fundamentos sólidos de desarrollo y arquitectura, capaces también de dirigir agentes. “No se trata simplemente de una delegación absoluta, sino se trata de una colaboración. Así que tenemos que revisar ese trabajo y optimizarlo”, sostuvo. La formación técnica permite evaluar lo producido y mantener una visión conjunta del sistema.

Pardos cerró este intercambio de conocimiento e ideas señalando que escribir sintaxis perderá peso frente a decidir qué construir y cómo hacerlo. Aunque las herramientas mejoren, seguirá siendo necesario ponderar costes, rendimiento, velocidad y seguridad. Su reflexión vinculó el futuro de la ingeniería con la capacidad de aceptar o rechazar propuestas automatizadas y de comprender los problemas concretos de cada compañía.

Kiro y la aplicación práctica del desarrollo con IA

Fiorella Piriz Sapio protagonizó el tramo final del foro con una presentación de Kiro, la herramienta de desarrollo con IA de AWS. Su intervención trasladó los conceptos anteriores a un entorno de trabajo concreto: cómo pasar de una petición inicial a requisitos, diseño y tareas que puedan ejecutarse y revisarse de manera progresiva, manteniendo el control del proceso.

La experta describió la evolución desde los asistentes que completaban código hacia agentes capaces de ejecutar tareas enteras. Sin embargo, reconoció que los proyectos reales plantean dificultades de escalabilidad, mantenimiento y supervisión. Para abordarlas, presentó el desarrollo guiado por especificaciones como “una metodología que pone las especificaciones como el centro de desarrollo”, vinculando cada funcionalidad con su propósito.

En su explicación, las especificaciones funcionan como un acuerdo entre quien desarrolla y la IA sobre las necesidades del negocio. La presentación mostró cómo Kiro permite transformar una petición en documentos Markdown y organizar el trabajo en requisitos, diseño y tareas. Esa secuencia hace visibles las decisiones antes de ejecutar los pasos que darán forma a la aplicación.

Piriz explicó también los hooks, disparadores que permiten activar tareas de agentes ante determinados eventos. Como ejemplo, mencionó generar pruebas al guardar un archivo. Estas automatizaciones conectan acciones habituales del equipo con comprobaciones o trabajos complementarios, de modo que parte de la actividad repetitiva pueda incorporarse al flujo de desarrollo sin depender de peticiones manuales constantes.

Otro elemento fue el contexto que recibe el agente. “Mediante MCP y ficheros de steering vamos definiendo la estructura, las convenciones de nuestro proyecto”, indicó. Esos mecanismos ayudan a proporcionar información y reglas de trabajo para evitar explicar repetidamente las características del producto. Su exposición mostró así la relación entre automatización, especificaciones y conocimiento del entorno donde se desarrolla.

El foro dejó una conclusión compartida: integrar la IA en el software exige mucho más que acelerar la programación. Definir requisitos, medir resultados, proteger los sistemas y revisar las decisiones permite convertir su potencial en mejoras reales. La ponencia, la mesa y la presentación final coincidieron en situar el criterio profesional como una condición para desarrollar soluciones alineadas con el negocio.

Los mensajes destacados de los expertos

Santos Pardos Gotor:

• “El verdadero valor estará en definir correctamente qué queremos construir, bajo qué restricciones y cómo sabemos que está bien construido”.
• “Los agentes nos quitarán mucho trabajo, pero las personas siguen y seguirán controlando los puntos donde hay decisiones importantes”.

Ángel Gálvez Caballero:

• “Siempre tiene que haber un humano detrás, al menos para las revisiones de ese código que se está generando”.
• “Tenemos que implementar una serie de controles compensatorios, supervisión para garantizar que minimizamos y ver cómo controlamos esos riesgos”.

Iván Sanz Prieto:

• “Nosotros lo que tratamos es no de generar más código, sino de acortar el ciclo”.
• “No se trata simplemente de una delegación absoluta, sino se trata de una colaboración. Así que tenemos que revisar ese trabajo y optimizarlo”.

Fiorella Piriz Sapio:

• “Nuestra metodología pone las especificaciones como el centro de desarrollo”.
• “Mediante MCP y ficheros de steering vamos definiendo la estructura, las convenciones de nuestro proyecto”.