00:00:00Estamos en una nueva era del desarrollo de software. Los desarrolladores lanzan productos a una velocidad
00:00:04que nunca antes habíamos visto. Sin embargo, ha surgido un problema. Los flujos de trabajo tradicionales no
00:00:08funcionan cuando hay agentes involucrados. Esto plantea una pregunta importante: ¿cómo es el
00:00:13rol del desarrollador ahora? Un artículo reciente del CEO de Linear me llamó la atención. Linear es una herramienta de
00:00:18gestión de proyectos que ayuda a los equipos a organizar y seguir su trabajo, específicamente para el desarrollo de
00:00:23software moderno. Estas ideas provienen de alguien que ha vivido la transición desde los flujos de trabajo
00:00:27tradicionales hasta los sistemas actuales impulsados por IA. Este artículo me hizo replantearme algo más que las
00:00:33herramientas que usamos. Me hizo repensar cómo creamos productos por completo. Tenemos mucho de qué hablar hoy
00:00:37porque esta información cambia fundamentalmente la forma en que construimos con IA. La fase intermedia del desarrollo de software está
00:00:43desapareciendo y el centro del software se está desplazando. Para entender qué es esa fase intermedia, veamos
00:00:47cómo se dividía el trabajo antes del desarrollo con IA. Todo empezaba con la fase inicial. Esta incluía
00:00:52toda la recopilación de requisitos y las etapas de planificación. En esta fase, creábamos los planes de lo
00:00:57que íbamos a construir. Luego venía la parte intermedia. Aquí es donde convertíamos el plan en el
00:01:01producto real, y era la parte que implicaba escribir el código. Esta era la etapa que más
00:01:05tiempo tomaba de todas. Se tardaba semanas, meses o incluso un año en entregar un sistema de calidad y totalmente funcional. Esta era
00:01:11también la parte donde más se perdían los detalles al traducir la intención o transmitir ideas
00:01:16de una persona a otra. Una vez escrito el código, la parte final incluía varias formas de
00:01:20pruebas y revisiones con respecto a los requisitos originales. La fase intermedia era la que presentaba
00:01:25más fricción, pero el CEO dice que eso ya no será así. Esto se debe a que el
00:01:30trabajo intermedio, la implementación y la codificación, está siendo reemplazado por la IA. Ahora ya no
00:01:35tenemos que tocar el código nosotros mismos. Esto es porque los agentes de programación se han vuelto tan potentes que
00:01:40son capaces de producir código basándose solo en el contexto y la planificación de tareas. Ahora se trata más de
00:01:45usar a los agentes de la manera correcta y supervisar su trabajo que de escribir código. Si han estado viendo nuestros
00:01:50videos regularmente, habrán visto que hemos enseñado y demostrado muchas formas diferentes de usar flujos de trabajo de IA
00:01:55para crear aplicaciones de nivel profesional. Pueden hacerlo simplemente supervisando a los agentes sin tener que
00:01:59escribir una sola línea de código ustedes mismos. Los IDE se han convertido más en visores de código que en herramientas de escritura. Este
00:02:04cambio es muy evidente para mí porque, como desarrollador, mi herramienta principal para escribir código ahora
00:02:09se ha convertido en una herramienta para revisar el código que produce el agente. Ahora solo entro en VS Code para revisar o
00:02:14añadir comentarios para que el agente de IA implemente las funciones comentadas. Rara vez tengo que cambiar
00:02:19nada o escribir código yo mismo porque los agentes son sumamente capaces. Pero esto solo funciona si los
00:02:23agentes pueden entender la intención. Por lo tanto, nuestro trabajo como desarrolladores ha pasado esencialmente de
00:02:28escribir código a supervisarlo. Probablemente se habrán fijado en que construimos muchas cosas en estos videos. Todos los
00:02:33prompts, las plantillas, todo eso que normalmente tendrían que pausar y copiar de la pantalla. Lo hemos
00:02:38puesto todo en un solo lugar. Acabamos de lanzar AI Labs Pro, donde tendrán acceso a todo el contenido de
00:02:43este video y de todos los anteriores. Si valoran lo que hacemos y quieren apoyar al canal,
00:02:48esta es la mejor manera de hacerlo. Tienen los enlaces en la descripción. Dado que la IA se ha encargado de la mayor parte del
00:02:53trabajo de programación, surge una duda: ¿qué nos queda a nosotros? La respuesta es centrarse en el nuevo arte de
00:02:59refinar las intenciones de lo que se quiere construir. La forma de hacerlo es tratando la planificación como su
00:03:03tarea principal. Deben entender claramente el problema que intentan resolver. Necesitan saber
00:03:07qué quiere realmente su cliente y cómo usará la gente su aplicación. Esto se ha vuelto aún más
00:03:12importante ahora. Ya no dependen de humanos que puedan interpretar intenciones a partir de una mala planificación.
00:03:17En su lugar, dependen de agentes de IA que implementan ciegamente lo que se les ordene. Ya sea que
00:03:23estén creando una app móvil o una web, deben saber exactamente qué quieren construir. Sin
00:03:27esa claridad, no pueden realizar una planificación significativa con los modos de planificación de los agentes. Planificar es vital.
00:03:32Como hemos recalcado en videos anteriores, solo los buenos planes llevan a buenas implementaciones. No importa
00:03:38qué agente estén usando. La planificación es crucial porque controla el resultado del
00:03:42agente. Tómense todo el tiempo que necesiten. Sigan refinando el plan hasta que satisfaga totalmente sus necesidades y cumpla
00:03:47sus expectativas. Esto garantizará que su aplicación resulte como desean. Hasta hace tres meses,
00:03:52nunca confiábamos en el modo de omisión de permisos para construir porque los agentes solían alucinar
00:03:56a pesar de tener un buen plan. Ahora los agentes son tan fiables que, tras refinar el plan, simplemente activo el
00:04:02modo de omisión de permisos y dejo que el agente implemente las especificaciones de una sola vez. También
00:04:06vimos que incluso el creador de Claude Code comienza sus implementaciones con el modo de planificación. Si el plan
00:04:12es lo suficientemente bueno, pueden dejar que los agentes construyan la app del tirón sin preocuparse por
00:04:16implementaciones desastrosas. Yo también dedico mucho tiempo a asegurarme de que lo que estoy construyendo esté
00:04:21totalmente documentado. No lo amontono todo en un solo documento para que el agente pueda navegar por
00:04:26los planes fácilmente. Utilizo diferentes documentos para cada categoría, como evaluaciones de riesgo, mitigación
00:04:31y especificaciones técnicas. Enumero las restricciones y las compensaciones en un documento aparte. Así es como el agente
00:04:35entiende qué es aceptable en términos de rendimiento, costo y tiempo. Este enfoque conduce a un
00:04:40desarrollo mucho más controlado. Una vez verificados todos los requisitos, el siguiente paso es
00:04:45gestionar realmente al agente para obtener lo que queremos. Pero antes de hablar de eso, unas palabras de
00:04:50nuestro patrocinador: Dart AI. Gestionar proyectos de software complejos suele implicar más carga administrativa
00:04:56que programación real. Dart no es solo una herramienta de gestión de proyectos estándar. Es un espacio de trabajo
00:05:00nativo de IA diseñado para automatizar el trabajo pesado de los desarrolladores. Con su chat de IA consciente del contexto,
00:05:05pueden incluso crear tareas y editar documentos con solo hablar de forma natural. Además del chat de IA, pueden
00:05:11incorporar agentes como Cursor para ejecutar el trabajo. Dart les da el contexto necesario para escribir su código. El
00:05:16verdadero poder reside en su función de directrices de IA. Pueden configurar reglas globales, como indicarle a la IA que
00:05:22siempre formatee las especificaciones técnicas con encabezados específicos de objetivos y requisitos, y Dart aplica esta
00:05:27estructura en cada chat, tarea y documento que genera. Para nosotros, la función de habilidades de IA es revolucionaria.
00:05:33Pueden definir comandos personalizados, como una habilidad de “generar proyecto” que cree automáticamente
00:05:38una lista de tareas completa, asigne prioridades, estime el tamaño y redacte un resumen del proyecto en segundos.
00:05:44Empiecen a automatizar su gestión de proyectos hoy mismo echando un vistazo a Dart AI en el enlace del comentario fijado.
00:05:49Ya no son solo programadores. Su trabajo se centra más en supervisar agentes que en
00:05:54escribir código propiamente dicho. Programar ya no consiste tanto en construir una solución como en
00:05:58establecer las condiciones para que surja una buena solución. Entonces, ¿cómo se crea el entorno adecuado
00:06:03para que los agentes produzcan resultados de calidad? La respuesta es la ingeniería de contexto. La próxima gran habilidad que
00:06:08deben aprender no es un stack de desarrollo web específico como MERN o MEAN. En su lugar, es la gestión
00:06:14del contexto. Hemos visto constantemente que, sin una gestión adecuada del contexto, la IA implementa las
00:06:18funciones que le pedimos, pero no sigue ninguna de las restricciones o reglas con las que debía cumplir la
00:06:22implementación. Debemos asegurarnos de que el contexto se gestione correctamente. Cuando el agente recibe la
00:06:27información adecuada con el mínimo ruido, entiende la tarea con más claridad. Produce mejores
00:06:32implementaciones y ofrece exactamente lo que buscan. Gestionar el contexto implica usar un conjunto de
00:06:37componentes como comandos reutilizables, habilidades, archivos markdown, MCPs y subagentes. No hay una
00:06:43sola forma correcta de hacerlo. Deben usar múltiples métodos que funcionen bien para lo que están construyendo.
00:06:47Necesitan crear un flujo de trabajo que se adapte a su proyecto. Hemos dedicado un video entero
00:06:52a demostrar cómo pueden crear flujos de trabajo con gestión de contexto. Esto garantiza que el modelo que
00:06:56están usando reciba el contexto adecuado y pueda producir aplicaciones de alta calidad. Si quieren seguir
00:07:01los pasos, todos los recursos de ese video están disponibles en AI Labs Pro. El trabajo de un agente es
00:07:06tan bueno como el entorno basado en el contexto en el que opera. Cuanto más conectado esté directamente
00:07:11con el feedback del cliente y respaldado por un flujo de trabajo estructurado, mejor podrá rendir. Debemos
00:07:16crear ese entorno, porque no surge automáticamente. Por esta razón,
00:07:20Claude tiene conectividad con Slack para que los equipos puedan reportar errores directamente. Esto crea ciclos de
00:07:25retroalimentación valiosos, que incluso el propio creador de Claude Code utilizó. Los equipos grandes ya producen
00:07:30código generado por IA de alta calidad. El creador de Claude Code afirmó que, en el último mes,
00:07:35el 100% de sus contribuciones fueron escritas efectivamente por el propio Claude Code. Esto no ocurre
00:07:41simplemente dándole un prompt. Requiere un conjunto de flujos de trabajo y patrones orquestados para que sea
00:07:46posible. Incluso el CEO de Microsoft admite que la IA genera ahora entre el 20% y el 30% del
00:07:52código integrado de Microsoft en todos los lenguajes. El progreso es especialmente notable en Python y C++.
00:07:58La estructura en las herramientas funciona igual para humanos que para agentes. Reduce la incertidumbre al
00:08:03definir claramente qué se espera y qué capacidades existen. Si usan agentes de IA
00:08:08sin estructura, solo están aprovechando una fracción de su potencial. La estructura puede adoptar muchas
00:08:13formas. Esto incluye un archivo Claude.md para la guía general del proyecto y un registro de cambios (changelog).
00:08:19También pueden usar comandos reutilizables o archivos skill.md especializados con scripts y referencias.
00:08:25Además, pueden usar plugins y herramientas MCP para ampliar las capacidades del agente.
00:08:29Pero conocer estas herramientas no basta. La combinación adecuada es lo que importa. Cada proyecto requiere una
00:08:34configuración diferente, así que tienen que construir una basada en las necesidades de su proyecto. Con el equilibrio adecuado,
00:08:39obtendrán los resultados tal y como desean. Nuestro trabajo no termina tras planificar y delegar
00:08:44tareas a los agentes. Como mencioné que dejo que Claude Code trabaje en el modo de omitir permisos,
00:08:49esto ahorra mucho tiempo, pero requiere que nuestra atención se dirija a otra parte.
00:08:53La presión se desplaza hacia el final del ciclo. Revisar el código se vuelve más importante.
00:08:58Un código que no se revisa puede llevar a un rendimiento degradado y costes elevados. Pueden usar flujos
00:09:02de trabajo estructurados para facilitar la revisión. Esto resultará en menos errores y les ahorrará problemas futuros.
00:09:07Ahora bien, testear no es simplemente ir al agente y decirle “prueba mi app para ver fallos”. Implica
00:09:12varios enfoques para mejorar el proceso. Un método es el desarrollo guiado por pruebas (TDD). Le pedimos al
00:09:17agente que escriba casos de prueba para la función que queremos implementar sin escribir nada de código inicialmente.
00:09:22Una vez escritas las pruebas, limpio el contexto e inicio una nueva ventana. Esto garantiza que el agente
00:09:26pierda el contexto de cómo escribió las pruebas. Le pido a Claude que ejecute las pruebas y estas fallan porque
00:09:31aún no se ha escrito código. Una vez que sé que las pruebas funcionan correctamente, le pido a Claude que
00:09:36implemente la ruta. Me aseguro de que no modifique las pruebas. De este modo, el agente tiene un
00:09:41objetivo claro hacia el cual iterar. En el TDD, las pruebas se escriben antes del código, pero el testeo también debe
00:09:46realizarse después de escribir el código. Para ello, existen muchas formas de testeo. Yo uso el testeo de caja negra
00:09:51y creo historias de usuario. Estas actúan como guías detalladas sobre cómo interactuarán realmente los usuarios con
00:09:56el sistema y cómo esas interacciones podrían provocar errores. El testeo de caja negra evalúa la
00:10:00funcionalidad de una aplicación basándose en los requisitos sin mirar el código en sí.
00:10:05Luego utilizo la extensión de Chrome de Claude para realizar las pruebas y le pido que itere sobre cada historia
00:10:10de usuario, sección por sección. El testeo de caja negra identifica principalmente problemas funcionales. Para las
00:10:16pruebas de rendimiento, también necesitamos el testeo de caja blanca. Aquí es donde realmente miramos el código, no solo el
00:10:21resultado. Rastreamos cómo se implementa el código y razonamos sobre su arquitectura. Para el testeo de caja
00:10:25blanca, utilicé un documento XML que contiene múltiples secciones y subsecciones de pruebas. Este documento
00:10:31sirve de guía para que Claude navegue por el código escrito y encuentre problemas arquitectónicos.
00:10:36Para simplificar mis pruebas, utilicé un comando personalizado que ejecuta los tests del documento
00:10:41que coloqué en la carpeta de pruebas. Este comando detalla las instrucciones para inicializar las pruebas,
00:10:46cómo registrar los resultados en un archivo con formato estructurado y, al final, cómo generar un informe
00:10:51final. Este comando de barra (slash command) me facilitó el testeo de caja blanca porque contiene el prompt estructurado
00:10:56para las pruebas. Dado que la fase intermedia está desapareciendo y el foco se desplaza hacia el principio
00:11:01y el final, debemos replantear nuestras prioridades. Lo que debemos priorizar ahora es formar la
00:11:05intención correcta mediante la planificación y la evaluación de requisitos. También debemos asegurar que el resultado
00:11:10cumpla con las expectativas mediante procesos rigurosos de revisión y testeo. Aquellos desarrolladores que dominen estos
00:11:15principios serán quienes lideren el futuro. Con esto llegamos al final del video. Si quieren
00:11:20apoyar al canal y ayudarnos a seguir creando videos como este, pueden hacerlo usando el
00:11:24botón de “Súper gracias” de abajo. Como siempre, gracias por vernos y los espero en el próximo video.