En mi trabajo uso herramientas asistidas por IA, y su efecto depende del alcance. Pueden ayudar con implementaciones conocidas y primeros borradores, mientras que las decisiones de producto, la depuración compleja y la verificación siguen requiriendo atención experta. Lo que sigue es mi experiencia, no un benchmark ni una promesa fija sobre plazos.
La pregunta útil es qué partes de un proyecto encajan con este flujo de trabajo y cuáles siguen necesitando criterio humano.
Dónde puede ayudar la IA
- Implementaciones conocidas. Cuando los requisitos y las convenciones del proyecto están claros, la IA puede ayudarme a preparar formularios, clientes de API, migraciones y código similar. Compruebo que encaje con el producto.
- Leer código desconocido. Las herramientas de IA pueden ayudarme a orientarme en una base de código y formular una pregunta concreta. Un diagnóstico sénior de una hora (€300) se centra en una pregunta acordada; una auditoría completa tiene un alcance aparte.
- Pruebas. La IA puede ayudar a redactar casos de prueba. Yo sigo decidiendo qué comportamiento importa y comprobando que las pruebas lo cubran.
- Primeros borradores. Un borrador me da algo que revisar, pero aún necesita edición, contexto de producto y validación.
- Trabajar con distintos stacks. La IA puede ayudarme a moverme por código de backend o infraestructura. El conocimiento del dominio, las restricciones del sistema y la revisión siguen siendo importantes.
Lo que sigue requiriendo criterio experto
- Decidir qué construir. Los modelos no conocen a tus clientes ni tus restricciones; las decisiones de producto siguen necesitando evidencia y criterio.
- Arquitectura a largo plazo. Una propuesta puede encajar con la tarea de hoy y dificultar cambios posteriores. La experiencia y la revisión ayudan a detectar esa contrapartida.
- Errores difíciles de reproducir. Los modelos pueden sugerir pistas, pero los fallos de concurrencia, memoria o de un dispositivo concreto siguen necesitando investigación y confirmación cuidadosas.
- Criterio y adecuación al producto. Un modelo puede proponer variantes, pero las personas deciden si la interacción y el lenguaje funcionan para el producto.
- Coordinación. Los borradores pueden avanzar más rápido; llegar a acuerdos entre personas sigue requiriendo comunicación.
Dónde importa la verificación
La IA puede producir código verosímil pero incorrecto o que no encaje con el proyecto. La revisión debe corresponder al alcance y a las consecuencias del cambio.
Errores plausibles. La IA puede generar código verosímil pero incorrecto o que no encaje con el proyecto. La revisión debe corresponder al alcance y a las consecuencias del cambio. La adopción de IA también implica cambiar flujos de trabajo, no solo elegir herramientas.
Convenciones del proyecto. Las propuestas generadas pueden no encajar con la arquitectura o los patrones existentes. Las reviso frente a la base de código antes de incorporarlas.
Cómo aprenden los perfiles junior. Aún no sé si esto es un problema. Sí sé que lo aprendido al atascarme no se sustituye automáticamente por una respuesta rápida.
Qué significa esto para lo que compras
Si un proveedor dice que la IA le hace 10× más rápido y por eso tu proyecto tarda una décima parte, pregunta qué trabajo y qué evidencia sustentan esa estimación. Puede describir una tarea concreta, no el proyecto entero.
En mi experiencia, los flujos asistidos por IA pueden agilizar algunas tareas de implementación y redacción, mientras que el descubrimiento, las decisiones y la validación siguen presentes. El efecto depende del alcance, la base de código, las restricciones y la verificación necesaria.
Para las empresas de Cataluña, la convocatoria de ACCIÓ de exploración tecnológica de 2026 cerró el 21 de septiembre de 2026. Ofrecía el 75 % de los costes elegibles, hasta 30.000 €. Mantengo la guía de ayudas al día a partir de publicaciones oficiales; solo indicaré una futura convocatoria cuando ACCIÓ la publique. La referencia de la convocatoria de 2026 es histórica.
La pregunta que hacer a un proveedor
No "¿usas IA?". Todos dirán que sí.
Pregunta: "¿cómo verificas lo que produce?" La respuesta te dice si estás comprando entrega comprimida o due diligence comprimida. Uno de esos vale la pena pagar.
Y si estás heredando un codebase construido de esta manera, la lista de control de auditoría importa más que lo que solía, no menos.