Tabla de Contenidos
Situación actual
En el momento de escribir este artículo, las empresas tecnológicas se encuentran en una fase de transición. Con la llegada de la inteligencia artificial, la forma de producir software cambiará, y el tipo de profesionales requeridos para su construcción también lo hará (si no ha empezado a suceder ya).
En el ámbito de la informática, los roles profesionales más comunes incluyen: arquitectos y desarrolladores, especialistas en control de calidad (QA), ingenieros de infraestructura, analistas de bases de datos, y todas las variantes relacionadas con estas especialidades.
Los arquitectos y desarrolladores diseñan e implementan todo el código relacionado con el producto.
Los especialistas en control de calidad (QA) aseguran que el producto cumpla con los requisitos de calidad.
Los ingenieros de infraestructura se encargan de la infraestructura de la empresa, abarcando elementos como servidores, bases de datos, automatización en la nube, y un largo etcétera.
Los analistas de bases de datos se ocupan de estas, incluyendo el diseño de esquemas y la migración de datos, entre otras tareas.
Obviamente, existen otros roles de carácter más administrativo, pero no nos centraremos en ellos en este análisis.
La cuestión fundamental es que la IA está redefiniendo la manera en que la industria crea sus productos; el primer y más importante sector afectado es, sin duda, el software. Los ingenieros de software, que hasta hace no mucho tiempo eran muy demandados por su capacidad para producir código y llevarlo a producción, realizaban su trabajo de forma predominantemente artesanal. Aunque siempre se han seguido buenas prácticas y procesos, la mayor parte del software existente ha sido diseñado y programado por cerebros y manos humanas.
Hoy en día, los modelos de lenguaje de gran escala (LLM, por sus siglas en inglés) han superado a otros modelos de IA anteriores (como BERT) y se han consolidado como la herramienta más potente para la industria del software.
Además, las técnicas de IA generativa, como el vibe coding (si es un término específico), los agentes y los servidores MCP (Machine Control Program), combinadas, podrían potencialmente reemplazar una parte considerable del trabajo de desarrollo tradicional que impera hoy en la industria del software.
Por lo tanto, las empresas tecnológicas, especialmente las de mayor envergadura, han comenzado a reemplazar ingenieros de desarrollo tradicionales por ingenieros especializados en IA.
¿Cuál es la diferencia entre el desarrollo tradicional y el desarrollo con IA?
En pocas palabras, ya no será necesario que un desarrollador cree una API, o que un especialista DevOps despliegue una solución en la nube; un agente con esas capacidades específicas podrá hacerlo.
¿Cómo funcionan los Agentes de IA?
Los agentes de IA son sistemas que combinan modelos de lenguaje (LLM) con herramientas y capacidades de ejecución. A diferencia de un simple chatbot, un agente puede:
- Razonar sobre qué acciones tomar
- Ejecutar herramientas y comandos
- Observar los resultados
- Iterar hasta completar la tarea
He aquí un pequeño flujo de ejemplo de despliegue usando un agente de IA.
Componentes clave del sistema
- LLM (Modelo de Lenguaje): El “cerebro” que razona y toma decisiones
- Agente: Orquestador que coordina entre el LLM y las herramientas
- Herramientas: APIs, comandos CLI, acceso a archivos, bases de datos, etc.
- Entorno: El sistema real donde se ejecutan las acciones
Flujo de trabajo
- Entrada del usuario: Define la tarea de alto nivel
- Razonamiento: El LLM analiza qué herramientas usar y en qué orden
- Ejecución: El agente invoca las herramientas necesarias
- Observación: Recibe los resultados de cada acción
- Iteración: El LLM decide el siguiente paso basándose en los resultados
- Completación: Cuando la tarea está terminada, reporta al usuario
Este ciclo de Razonar → Actuar → Observar se repite hasta que el agente completa la tarea o determina que no puede continuar.
La imagen a continuación ilustra lo que denomino la “torre de la abstracción”. Al igual que en todo proceso, existe una evolución natural donde los componentes se especializan progresivamente y su interacción se vuelve más concreta y optimizada.
Consideremos un ejemplo: el cerebro humano no “sabe” directamente cómo hacer que la mano apriete un objeto. Simplemente decide que existe una situación en la que la acción de apretar es necesaria y envía la señal al órgano especializado, que en este caso son los músculos de la mano. En la imagen, podemos establecer la siguiente analogía: el LLM representa el cerebro, el transporte simboliza los nervios, y cada agente equivale a un músculo específico de la mano.
De manera similar, en el mundo del software, el proceso evolucionó desde la implementación de un módulo monolítico único hasta la ejecución de tareas específicas en microservicios orquestados por un controlador. Este controlador decide qué microservicio debe ser invocado como resultado de un evento o una condición. Aplicando esta analogía a la imagen, el LLM se correspondería con un Control Plane, el transporte con el networking y las rutas, y los agentes con los Pods/containers.
En esta evolución, el agente de IA determina qué herramientas utilizar y en qué secuencia, mientras que el LLM decide el paso siguiente basándose en los resultados obtenidos.
El siguiente paso en el desarrollo tradicional resultó ser, quizás, más inesperado que lógico. Esta evolución de la industria del software (y de muchas otras) se traduce en la delegación del trabajo de desarrollo, implementación, pruebas y despliegue a agentes inteligentes. Estos pueden realizar dicha labor de manera ininterrumpida y con una eficiencia superior a la humana, al consumir menos recursos, dejando así atrás la faceta artesanal del proceso.
¿Y entonces, qué pasará con…?
Sí, la pregunta es crucial: ¿qué destino aguarda a los ingenieros tradicionales que, día a día, entregan tarea tras tarea?
Se presentan, entonces, dos alternativas claras: o dejamos que los acontecimientos nos arrollen y el “tsunami” nos sepulte bajo toneladas de agua, o bien, nos reinventamos y adaptamos (una vez más), aprendiendo a navegar el vasto mar de cambios que se avecinan.
De ahora en adelante, la industria ya no requerirá desarrolladores que elaboren código de principio a fin, ingenieros que desplieguen soluciones completas, o analistas que revisen exhaustivamente el código o la estructura de datos. En cambio, la industria demandará ingenieros capaces de orquestar los agentes ofrecidos por otros proveedores, así como de crear sus propios agentes para los casos específicos de su negocio.
El trabajo que antes era realizado por equipos de decenas de personas, ahora será llevado a cabo por unos pocos, quienes, sin embargo, producirán lo mismo o incluso más que aquellos “pequeños ejércitos”.
Dado que la creación de productos será mucho más sencilla, es probable que surjan numerosas startups que, aunque con pocas personas, lograrán un gran impacto y se posicionarán en el mercado. Además, se crearán muchas nuevas posiciones para aquellos que aprendan a interactuar con los agentes y a mejorarlos.
La educación, sin duda, deberá transformarse también, especialmente la educación superior, que aún forma ingenieros con un perfil “clásico” que saldrán a un mercado que ya no los necesita. Las instituciones de educación superior deben reformar sus currículos ¡con urgencia!
Del mismo modo, las empresas de software que pretendan retener a sus ingenieros deberán impulsarlos a actualizarse y a realizar esta transición de la forma menos traumática posible. Como ingenieros, nos enorgullecemos de nuestras capacidades, pero en ocasiones mostramos necedad y reticencia, o incluso incredulidad, ante el cambio, sobre todo cuando este parece no favorecernos.
¿Por dónde empezar?
Como líder de un AWS User Group, uno de mis deberes consiste en guiar a la comunidad hacia este futuro.
No hay herramienta más poderosa que la educación. Por lo tanto, mi primer consejo sería buscar las certificaciones relacionadas con el tema, creadas y diseñadas por las mismas empresas que están liderando esta transición. Personalmente, considero que no hay mejor incentivo para estudiar que una certificación, ya que el conocimiento que exige no solo es teórico, sino que abarca también el dominio práctico del día a día; en consecuencia, quien no posea esa experiencia se verá impulsado a adquirirla por medios propios.
La primera y más importante certificación para iniciar este camino sería la “ AWS Certified AI Practitioner ”, donde se abordan los fundamentos: qué es un LLM, qué es una base de datos vectorial, qué es un agente, cómo crear prompts efectivos para interactuar con un agente de IA, entre otros aspectos. Dado que es una certificación de AWS, requiere el conocimiento básico, al menos, de muchos de sus servicios y su configuración mínima. Por lo tanto, revisar el material de la certificación “ AWS Certified Cloud Practitioner ” resulta también muy beneficioso; y, por supuesto, si uno se anima a obtenerla, tanto mejor.
Una vez obtenida la primera certificación, se puede comenzar a crear agentes de IA y, de este modo, avanzar paulatinamente en la transición.
La primera opción es un servicio completamente administrado denominado Amazon Bedrock , que integra numerosos LLM y ofrece herramientas para crear agentes, integrar modelos, etc. Aquí puede consultarse una lista exhaustiva de artículos relacionados con Amazon Bedrock.
AWS también ofrece un framework de código abierto llamado Strands Agents , orientado a código (actualmente en Python) y de uso sencillo. Su repositorio en GitHub contiene excelentes ejemplos para iniciarse, destacando particularmente el asistente personal :
Este ejemplo emplea varios agentes integrados entre sí, como los de búsqueda de información, imágenes y videos, entre otros; así como un agente principal encargado de responder a las preguntas del usuario. Constituye un ejemplo muy didáctico para comprender las capacidades de Strands en la creación de agentes.
Una vez adquirida la experiencia necesaria, se podría optar a la certificación “ AWS Certified AI Developer Professional ”, la cual, en el momento de redactar este artículo, se encuentra en fase beta. Obtenida esta certificación de nivel profesional, se podrá acreditar la proficiencia en el desarrollo de aplicaciones con y orientadas a la IA.
Aunque esta certificación, a pesar de ser de nivel profesional, no exige ningún requisito previo para su realización, el sentir de la comunidad sugiere que las siguientes son certificaciones ideales como preparación:
El tiempo dirá si es así.
Conclusión
Si hay algo seguro en esta vida es que todo cambia. Por lo tanto, todos debemos estar preparados para los cambios que inevitablemente llegarán.
Personalmente, he comenzado mi propio camino de transición y debo confesar que lo disfruto enormemente. Siempre fui un “Developer Wannabe” que no había encontrado el tiempo ni el coraje para concretar sus aspiraciones. Sin embargo, ahora puedo hacerlo sin la necesidad de invertir tanto tiempo profundizando en programación, y con la capacidad de crear aplicaciones funcionales en un tiempo significativamente menor. Sé que mis estimados compañeros desarrolladores critican el vibe coding con vehemencia, pero es imperativo despojarse de prejuicios, reaprender y abrir la mente, porque este cambio, que ya ha comenzado, no se detendrá, le pese a quien le pese.
Publicaciones recomendadas al azar
Keyboard Shortcuts
| Command | Function |
|---|---|
| ? (Shift+/) | Bring up this help modal |
| g+h | Go to Home |
| g+p | Go to Posts |
| g+e | Open Editor page on GitHub in a new tab |
| g+s | Open Source page on GitHub in a new tab |
| r | Reload page |