Yandex 360 Explicó Cómo Enseñar a Asistentes de IA a Trabajar con Kits UI Internos

El equipo frontend de Yandex 360 compartió cómo enseñar a un asistente de IA a trabajar con un kit UI interno y sistema de diseño — y por qué la preparación especial del repositorio es necesaria sin ella.

El efecto "guau" y su lado negativo

Los primeros experimentos con asistentes de IA generalmente causan impresión: MVP en cinco minutos, código al primer intento, parece que el futuro ya está aquí. Pero cuando se trata de un proyecto corporativo real con bibliotecas internas y su propio kit UI, la ilusión se desmorona. El asistente inventa componentes que ya existen en el sistema, ignora patrones establecidos e infringe las convenciones del sistema de diseño.

Yandex 360 se enfrentó a esto sistemáticamente: el 90% del equipo frontend utiliza asistentes de IA todos los días. El problema de incompatibilidad con la infraestructura interna resultó no ser una excepción, sino la regla.

Qué significa un repositorio AI-ready

Valery Baranov, Jefe de Tecnología Frontend en Yandex 360, explica la raíz del problema: los modelos de lenguaje público fueron entrenados con datos abiertos. Los componentes internos, las bibliotecas corporativas y las convenciones del proyecto no llegaron allí. Esto significa que la IA necesita recibir contexto de forma explícita y sistemática — no mediante solicitudes manuales cada vez.

El equipo desarrolló varios principios:

• Documentación estructurada de cada componente considerando la ventana de contexto del modelo
• Archivos de indicaciones (`AGENTS.md`, `.cursorrules`) que describen arquitectura y patrones prohibidos
• Ejemplos explícitos — tanto correctos como incorrectos — para cada entidad
• Metadatos del kit UI que llegan automáticamente al contexto cuando se solicitan
• Descripción de CI/CD y convenciones de código en formato legible por máquina

Sistema de diseño como artefacto legible por máquina

Una tarea separada es enseñar al asistente a seguir los patrones del sistema de diseño. Los componentes internos no se incluyen en los datos de entrenamiento del modelo, por lo que la IA comienza a alucinar: inventando APIs inexistentes o utilizando patrones obsoletos.

Yandex 360 agregó una capa de documentación adicional. Cada componente se describe no solo para los desarrolladores, sino también teniendo en cuenta los modelos de lenguaje: errores típicos, variantes aceptables, combinaciones prohibidas. Esto permite al asistente generar código que supera los requisitos de revisión de diseño al primer intento.

"Hicimos que los proyectos frontend fueran verdaderamente AI-ready:

enseñamos a los asistentes a entender la estructura de nuestros repositorios, trabajar con bibliotecas internas e incluso seguir los patrones del sistema de diseño," — Valery Baranov, Yandex 360.

Perspectiva de infraestructura del problema

Yandex 360 se ocupa del "frontend común" — componentes técnicos unificados, CI/CD compartido, plataformas para distribuir componentes entre equipos. Esto hace que la tarea sea especialmente crítica: si un componente se describe incorrectamente, los asistentes cometen errores en todos los proyectos que lo utilizan.

Entonces el enfoque del equipo no son arreglos puntuales de solicitudes, sino trabajo sistemático con documentación y estructura de repositorio a nivel de plataforma.

Qué significa esto

La experiencia de Yandex 360 muestra: un asistente de IA no se convierte en una herramienta eficaz sin inversión en contexto. Los equipos que hagan que sus repositorios y sistemas de diseño sean legibles por máquina obtendrán ganancias reales de velocidad — otros continuarán gastando tiempo corrigiendo alucinaciones.