Programador → Director de orquesta → Diseñador de maquetación Durante el fin de semana, leí el artículo de @addyosmani, "De directores a orquestadores: El futuro de la programación agentiva", y me sentí profundamente identificado con el cambio de rol de los ingenieros de software en la era de la "programación agentiva". Él cree que los "programadores" tradicionales se han convertido ahora en "directores" de IA individuales, y en el futuro serán "organizadores" o "coordinadores" de múltiples IA. El rol de un ingeniero de software: Programador → Director de programación → Diseñador de maquetación. Programador: Tradicionalmente, un ingeniero de software es alguien que escribe código directamente, comúnmente conocido como "programador". • Director: En la etapa actual de la IA, los ingenieros humanos colaboran estrechamente con un agente inteligente, señalando objetivos, ajustando las indicaciones y revisando los resultados. Este rol es similar al de un "director" en la "programación con IA". • Orquestador: Un rol más importante en el futuro. Los ingenieros ya no escribirán cada línea de código paso a paso, sino que gestionarán y dirigirán "equipos de IA" compuestos por múltiples agentes inteligentes para que trabajen en paralelo, convirtiéndose en "orquestadores". Los orquestadores de flujos de trabajo asíncronos y paralelos pueden asignar tareas a múltiples agentes (por ejemplo, mediante incidencias de GitHub), que luego trabajan en paralelo en segundo plano. En última instancia, estos agentes pueden generar múltiples solicitudes de extracción (PR), que los ingenieros revisan, fusionan y validan. Este enfoque mejora la eficiencia del trabajo en paralelo y permite a los desarrolladores centrarse más en aspectos estratégicos como el diseño, la evaluación de la calidad y el control de la dirección del proyecto. Por qué este cambio es importante 1. Eficiencia y apalancamiento significativamente mejorados: El uso de múltiples agentes para trabajar en paralelo significa que se pueden completar múltiples subtareas más rápidamente. El coordinador no necesita participar en cada paso de la implementación, pero puede supervisar la calidad, definir la intención y tomar la decisión final. De esta manera, una sola persona puede gestionar a varios desarrolladores de IA, centrándose en la toma de decisiones y la creación de valor. 2. Reposicionar el valor de los desarrolladores: En la era de la programación de agentes inteligentes, el valor fundamental de los ingenieros humanos ya no radica en la cantidad de código que escriben, sino en cómo definen los problemas (intenciones), cómo desglosan las tareas y cómo evalúan e integran los resultados. Este es un rol de nivel superior y más estratégico: más parecido al de un gerente o un tomador de decisiones tecnológicas, que al de un simple implementador. 3. La capa de abstracción del desarrollo de software continúa mejorando. Desde el código máquina inicial, los lenguajes de alto nivel y los marcos de trabajo hasta los agentes inteligentes codificados con IA de hoy en día, cada paso ha consistido en "liberar a las personas de los detalles", lo que nos permite abordar problemas más complejos. • La codificación de agentes es la siguiente etapa en esta tendencia de abstracción. Si bien las perspectivas son atractivas, Addy Osmani también señala que este futuro no está exento de desafíos y riesgos: 1. Control de calidad y problemas de confianza: Los sistemas multiagente automatizan tareas, pero pueden generar código defectuoso, que no cumple con las normas o que está mal diseñado. Los ingenieros siguen siendo responsables de revisar el código. • Cómo generar confianza: La clave está en hacer que el resultado de los agentes inteligentes sea rastreable y auditable (por ejemplo, a través de solicitudes de extracción, pruebas y documentos). 2. Coordinación y gestión de conflictos: Cuando varios agentes modifican la base de código en paralelo, es probable que surjan conflictos (dependencias de código, conflictos de fusión, etc.). Se necesitan mecanismos (estrategias de ramificación, división de tareas y espacios de trabajo aislados) para garantizar la seguridad y la manejabilidad del trabajo en paralelo. 3. Transmisión y compartición de contexto: Cómo compartir el contexto (estado del código, intención de diseño, decisiones anteriores) entre agentes y entre agentes y humanos es un desafío técnico y de proceso. La falta de un contexto compartido conlleva duplicación de trabajo, inconsistencias y menor eficiencia. 4. Los desafíos de las palabras clave y la definición de requisitos: Una de las tareas cada vez más importantes para los humanos es escribir descripciones de tareas claras y estructuradas (como problemas y especificaciones). • Si la definición de la tarea no es clara, el agente puede malinterpretar la intención o realizar una implementación indeseable. 5. Atribución de responsabilidad y ética: Cuando el agente realiza la mayor parte del trabajo: ¿Quién es responsable de la calidad del código, las vulnerabilidades de seguridad y el cumplimiento de la licencia? El orquestador/desarrollador sigue siendo el responsable en última instancia. • Es necesario establecer mecanismos de gobernanza y procesos de revisión para garantizar que la IA no introduzca problemas graves. Recomendaciones para desarrolladores y organizaciones 1. Cultivar una mentalidad de orquestación: Los desarrolladores deben pasar de "Yo hago todo" a "Yo le doy instrucciones a la IA para que haga cosas". • Aprenda a desglosar las tareas, a establecer objetivos significativos para los agentes y a gestionar varios agentes. 2. Implemente un mecanismo de control de calidad robusto. Utilice un sistema de control de versiones (como Git) para permitir que los agentes envíen solicitudes de extracción de código. • Redactar pruebas, hacer que un agente las genere y ejecute, y luego que personas revisen los resultados y la cobertura de las pruebas. • Establecer estándares y procesos de revisión para garantizar la participación humana antes de la fusión. 3. Fortalecer la expresión y la formulación de requisitos; cultivar el hábito de escribir descripciones de tareas claras (Problema / Especificación). • Proporcione suficiente contexto en las indicaciones: estructura del código base, documentos de diseño, decisiones históricas, etc. • Se mejoraron las indicaciones para enseñar al agente inteligente a desglosar y ejecutar las tareas de manera adecuada. 4. Preparación de herramientas e infraestructura • Adoptar o construir herramientas adecuadas para la colaboración multiagente (plataforma orquestadora, sistema de gestión de agentes). • Establecer infraestructura para apoyar el trabajo de agentes paralelos y asíncronos: como espacios de trabajo aislados, estrategias de ramificación automática e integración CI/CD. 5. Cultivar la confianza y los mecanismos de gobernanza, y clarificar los límites de la responsabilidad: qué hace el agente inteligente y qué hacen los humanos. • Definir el proceso de revisión y los umbrales de calidad. • Evaluar periódicamente la calidad y la seguridad del trabajo del agente y ajustar continuamente las indicaciones y los procesos en función de la experiencia. Dirección del artículo
