Roee Adler, CEO de Hud: la inteligencia en runtime será la próxima etapa en la operación del software

La inteligencia artificial ha acelerado drásticamente el desarrollo de software: los agentes de AI para programación ya pueden generar grandes volúmenes de código listo para producción en cuestión de minutos. Pero, según Roee Adler, CEO de la startup Hud, acelerar la escritura de código no resuelve el principal problema de ingeniería: garantizar que ese software funcione correctamente una vez en producción.

Por qué las herramientas de monitorización tradicionales ya no bastan

Durante décadas, las plataformas de observabilidad han ayudado a los equipos a vigilar su infraestructura mediante logs, métricas y trazas, las tres fuentes clásicas de datos sobre el estado de un sistema. Este enfoque partía de una premisa: una persona escribe el código de forma deliberada y relativamente lenta, de modo que el equipo dispone de tiempo para entender la arquitectura del sistema y adaptar la monitorización a sus particularidades.

• Los agentes de AI ya generan grandes volúmenes de código listo para producción en minutos
• La velocidad de escritura de código ha aumentado, pero el correcto funcionamiento en producción sigue siendo un problema sin resolver
• Las herramientas clásicas de observabilidad se basan en logs, métricas y trazas
• La postura la expone Roee Adler, CEO de la startup Hud

Qué cambia con el auge del desarrollo con AI

Cuando buena parte del código la escribe un agente de AI y no un ingeniero, el nuevo código llega al sistema más rápido de lo que los equipos tardan en entender cómo se comportará en condiciones reales. Así se abre una brecha entre la velocidad con la que el código llega a producción y la profundidad con la que el equipo comprende su comportamiento bajo carga. Según Adler, esa brecha es precisamente la que debe cerrar una nueva clase de herramientas, capaces de trabajar no solo con logs y métricas, sino también con una comprensión más profunda de lo que ocurre durante la ejecución del código.

Qué significa esto

A medida que los agentes de AI asumen una parte cada vez mayor de la escritura de código, es probable que la industria tenga que replantearse el propio enfoque de la monitorización en producción: pasar de la recopilación pasiva de logs y métricas a una comprensión más activa del comportamiento del sistema en tiempo real. Eso es precisamente lo que Adler denomina inteligencia en runtime.