Diasoft explica por qué los júniors, la magia de la IA y una plataforma propia no salvan los proyectos de desarrollo

Diasoft y otras empresas de TI han analizado tres mitos persistentes por los que los grandes clientes siguen perdiendo dinero y tiempo en desarrollo. Se trata de la creencia de que un proyecto complejo se acelera contratando en masa, de que un sistema antiguo puede reescribirse casi por completo con IA y de que el problema de la eficiencia se resuelve de forma definitiva lanzando una plataforma propia. Los participantes en el debate sostienen que las tres ideas solo parecen lógicas sobre el papel: en proyectos enterprise reales suelen añadir caos, aumentar la deuda técnica y encarecer los cambios.

El primer mito es «sumemos gente y vayamos más rápido». Los participantes recuerdan que este enfoque contradice la ley de Brooks: cuanta más gente se mete en un proyecto complejo que ya va con retraso, mayores son los costes de comunicación y más difícil resulta la sincronización. En la práctica se ve en un conjunto de síntomas conocido: los equipos construyen piezas incompatibles del sistema, los errores afloran en las integraciones, la UX diverge entre productos y los requisitos de escalabilidad y seguridad dejan de cumplirse de manera uniforme.

Se nota sobre todo donde trabajan cientos de equipos a la vez. Según los interlocutores, los júniors y los desarrolladores simplemente baratos no compensan la falta de pensamiento arquitectónico. Al contrario, al cabo de seis a doce meses la organización suele encontrarse con deuda técnica acumulada y con la necesidad de rehacer una parte sustancial de la solución.

El segundo mito tiene que ver con la IA generativa. Aquí la postura de los expertos es más matizada: no discuten que herramientas como Cursor, los modelos internos y los escenarios con agentes ya aceleran el time-to-market, reducen la rutina manual y ayudan a cerrar bugs más rápido. Algunos equipos incluso convierten el consumo de tokens en una métrica de eficiencia propia.

Pero de ahí no se deduce que una red neuronal pueda reescribir «en una noche» un sistema heredado desarrollado durante diez o quince años. Cuando se habla de cientos de miles o millones de líneas de código, no solo importa la generación: también son críticas la validación, las restricciones de arquitectura, los requisitos de seguridad de la información y los estándares únicos para todo el perímetro. Por eso la IA funciona como una capa útil dentro del pipeline, no como un sustituto autónomo de la función de ingeniería.

Para la migración y la transpilación masivas siguen haciendo falta herramientas deterministas, parsing, transformaciones de AST y personas que entiendan el contexto de negocio y puedan comprobar qué ha generado exactamente el modelo.

El tercer mito es «construiremos nuestra plataforma y dejaremos de depender del mercado». En el debate se señala que este camino a veces sí funciona, pero solo en empresas con un horizonte de inversión muy largo, un presupuesto enorme y una dependencia crítica del negocio respecto a su propia plataforma digital. Como referencia se cita el caso de un gran banco que dedicó años y decenas de miles de millones de rublos a una plataforma interna, reiniciando el proyecto varias veces.

Para la mayoría de las empresas, esta estrategia no supone acelerar, sino pasar años metidas en construcción de infraestructura en lugar de resolver tareas aplicadas. También hay un contraargumento: si se reúne a un grupo reducido de especialistas sénior sólidos, se les da autoridad y herramientas modernas de IA, parte del camino puede recorrerse notablemente más rápido que antes. Pero ni siquiera los partidarios de esta idea plantean una falsa dicotomía.

Hablan más bien de un modelo híbrido en el que el núcleo del producto se queda dentro de la empresa, mientras que equipos externos o proveedores de plataformas cubren servicios concretos y picos de proyecto.

De ahí se desprende una visión más pragmática del mercado del desarrollo a medida. Los clientes compran cada vez menos simples horas de programadores y esperan cada vez más que el contratista asuma el resultado completo: que monte rápido una arquitectura funcional, integre controles de calidad y seguridad, aplique bien la IA y reduzca el tamaño del equipo sin perder calidad. Según la estimación de los participantes, con un alto grado de automatización y un proceso bien montado, un equipo de cuatro o cinco personas puede entregar el volumen que antes exigía doce o quince.

Pero este ahorro no surge de la nada ni de la «magia de los prompts». Lo crean los estándares, el pipeline, el análisis estático, las pruebas automáticas, los líderes maduros y una división clara entre lo que se puede dejar a la máquina y lo que sigue siendo responsabilidad humana.

Qué significa para el mercado: la era de las respuestas simples en el desarrollo enterprise llega a su fin. La contratación masiva sin una arquitectura sólida ya no parece un acelerador que funcione, la IA sin marcos no se convierte en una fábrica de código autónoma y una plataforma propia sin la escala del negocio se vuelve fácilmente una distracción cara. Ganarán los equipos capaces de combinar experiencia sénior, enfoque de plataforma y automatización de la entrega. En este esquema la IA no es una varita mágica, sino un amplificador de un sistema de ingeniería que ya es maduro.