Acabo de leer el artículo de OpenAI, "Cómo usamos Codex para desarrollar Sora para Android en 28 días", que es bastante destacable. Aproximadamente el 85 % del código de la aplicación cliente de Sora para Android fue escrito por IA. En su primer día de lanzamiento, los usuarios generaron más de un millón de vídeos en 24 horas, con una calidad consistentemente alta y un 99,9 % de fallos. Sin duda, algunos cuestionarán este resultado, e incluso algunos pensarán que los programadores están condenados. Permítanme compartir mi opinión tras verlo. En resumen, es como unos cuantos soldados de las fuerzas especiales equipados con el armamento más avanzado: naturalmente, son invencibles. Así que no sobrevaloremos este resultado. Incluso si no somos soldados de las fuerzas especiales, podemos aprender valiosas lecciones de él. Fred Brooks, autor de *The Mythical Man-Month*, pronunció un famoso dicho de la ingeniería de software: «Añadir personal a un proyecto de software retrasado solo lo retrasa más». Esto se debe a que añadir más ingenieros suele reducir la eficiencia debido al aumento de los costes de comunicación, la fragmentación de tareas y los costes de integración. ¿Qué tal agregar IA al equipo? Depende de la capacidad de los miembros del equipo para gestionar la IA. Hay un viejo dicho: «Cuantos más soldados lidere Han Xin, mejor». Si los miembros del equipo son Han Xin, cuantos más agentes de IA, mejor. El equipo de OpenAI Android es claramente de élite, con solo 4 personas, como una unidad de fuerzas especiales, cada una equipada con diversos sistemas de asistencia robótica. ¿Y cómo lo hicieron? 1. La arquitectura primero: los humanos construyen primero el marco y luego la IA completa los espacios en blanco. ¿Cómo configuro este estante? El equipo primero definió la arquitectura general de la aplicación: un enfoque modular, inyección de dependencias, estructura de navegación, proceso de autenticación y una capa de red básica. Después, escribieron manualmente varias funciones representativas como plantillas. Un paso crucial: Escribieron una gran cantidad de archivos, como https://t.co/9M2TJcCBVQ, que son básicamente una guía para principiantes de IA. Por ejemplo, indica que se debe ejecutar detektFix para comprobar el formato antes de cada confirmación, ya que la integración continua (CI) se bloqueará en este punto. De esta manera, puede leer rápidamente estas especificaciones cada vez que se inicia una nueva sesión del Codex. Es como proporcionar a un nuevo empleado una wiki interna, lo que reduce el coste de las explicaciones repetidas. El equipo lo resumió en una sola frase: No necesitamos decirle a Codex cómo escribir código; necesitamos decirle qué es correcto para nuestro equipo. Esta es una distinción sutil pero importante. 2. Planifique antes de escribir el código Al principio, intentaron ahorrar, simplemente diciendo: «Estos son los requisitos funcionales, estos son los documentos relevantes, impleméntelos». El código se ejecutaba, pero se desviaba completamente del camino y no cumplía con la arquitectura esperada. Posteriormente, cambiaron el proceso. Para cualquier función compleja, el primer paso no era que la IA escribiera el código, sino que comprendiera el sistema. Por ejemplo, le pidieron que leyera un conjunto de archivos relacionados para resumir cómo fluyen los datos desde la API al repositorio, luego al modelo de vista y, finalmente, a la interfaz de usuario. Posteriormente, los humanos corrigieron su comprensión. Una vez que la comprensión es correcta, la IA generará un plan de implementación, como un minidocumento de diseño. Este incluye qué archivos deben modificarse, qué nuevos estados deben introducirse y cómo debe fluir la lógica. Solo después de que el usuario confirme que el plan es sólido, la IA comenzará la implementación. Esta fase de planificación puede parecer lenta, pero en realidad ahorra mucho trabajo de repetición. Y lo que es más importante, una vez que conoces el plan de la IA, revisar su código se vuelve mucho más fácil. Estás comprobando si la ejecución se ajusta al plan, en lugar de quedarte mirando fijamente un montón de diferencias. También tienen un pequeño truco: para tareas especialmente largas, la IA guarda el plan en un archivo. Así, puede continuar incluso al cambiar de sesión. Cuando varias tareas del Codex se ejecutan simultáneamente, toda la experiencia de desarrollo se transforma. Se siente menos como usar una herramienta y más como gestionar un equipo. Una tarea consiste en optimizar el reproductor multimedia, otra en escribir la función de búsqueda, una tercera en gestionar la lógica de errores y una cuarta en realizar pruebas adicionales. Cada una trabaja de forma independiente, informando periódicamente: "He planificado este módulo, ¿qué te parece?". O simplemente te mostrarán una gran diferencia. El trabajo de un ingeniero ha cambiado de escribir código a tomar decisiones y brindar retroalimentación. El obstáculo ya no es la velocidad con la que se escribe el código, sino la rapidez con la que se revisa y valida mentalmente. Esto demuestra una vez más la existencia del Mítico Mes del Hombre: no es posible aumentar la mano de obra ni los agentes indefinidamente. 3. El mejor framework multiplataforma es AI Agent. Otra práctica interesante es el nuevo paradigma del desarrollo multiplataforma. Sora ya cuenta con una versión para iOS. Cuando el equipo trabajaba en la versión para Android, simplemente subieron el código base de iOS al entorno de Codex. Luego, le indicaron a Codex: "Consulten la implementación del código de iOS, revisen nuestra arquitectura de Android y generen el código Kotlin correspondiente". Por eso el artículo dice en tono de broma: Olvídense de React Native y Flutter, el futuro framework multiplataforma es Codex. Esta afirmación es mitad en serio, mitad en broma. Porque la lógica de la aplicación es portable. Los modelos de datos, las solicitudes de red y las reglas de validación, ya sea escritas en Swift o Kotlin, son esencialmente lo mismo. La IA destaca en este tipo de traducción; con suficiente contexto, puede realizar conversiones sin pérdidas entre idiomas. Entonces, mirando hacia atrás, ¿por qué decimos que no deberíamos deificarlos demasiado? Aunque solo cuentan con cuatro personas, cada una es un líder como Han Xin, experta en guiar equipos y utiliza el Agente con destreza. Sin embargo, no siempre es mejor contar con más; se necesita personal para asignar tareas y verificar resultados. Además, ya cuentan con código iOS, por lo que se puede compartir mucha lógica, y solo se requiere que la IA la "traduzca". Pero todavía hay muchas cosas que aprender. Diseña primero la arquitectura y luego deja que la IA complete los espacios en blanco. Esto facilita el mantenimiento del código y garantiza una mejor calidad. Planifique antes de escribir código, permitiendo que la IA comprenda completamente el contexto antes de actuar. Mucha gente se queja de que Codex es demasiado lento, pero a veces me preocupa que el agente pueda actuar con demasiada rapidez y de forma errática. Prefiero esperar un poco más y dejar que aprenda más sobre el contexto para que tenga éxito a la primera. De lo contrario, la reelaboración llevaría mucho más tiempo. Proporcionar a la IA buenas referencias para que pueda aprender por imitación. Inicialmente, dedique tiempo a documentar las mejores prácticas; que la IA las consulte más adelante mejorará significativamente su rendimiento. Si existen implementaciones en otros lenguajes, que las "traduzca" también será mucho más eficiente. Solo haciendo esto se puede utilizar eficazmente el desarrollo asistido por IA. Este no reduce los estándares de desarrollo; al contrario, los eleva. Un agente destaca por completar una tarea pequeña y específica, pero la ingeniería de software no es una tarea pequeña; consiste en innumerables tareas pequeñas que cambian dinámicamente. Estas deben ser desglosadas y validadas por humanos. Por lo tanto, las competencias centrales de los futuros ingenieros de software no serán escribir código rápidamente, sino dos cosas: una comprensión profunda del sistema y la capacidad de colaborar con IA a largo plazo. El código se está abaratando, pero el gusto se encarece. Quienes puedan definir lo correcto, lo elegante y lo futurista serán cada vez más escasos. La IA se ha hecho cargo del trabajo de albañilería, pero el trabajo de diseño sigue siendo suyo.
