Yandex 360 explica cómo enseñar a un asistente de IA a trabajar con un UI kit interno

El equipo de frontend de Yandex 360 ha explicado cómo enseñar a un asistente de IA a trabajar con un UI kit interno y un sistema de diseño, y por qué es imposible sin una preparación especial del repositorio.

El efecto «wow» y su reverso

Los primeros experimentos con asistentes de IA suelen impresionar: un MVP en cinco minutos, código a la primera, y parece que el futuro ya está aquí. Pero cuando se trata de un proyecto corporativo real, con bibliotecas internas y un UI kit propio, la ilusión se desmorona. El asistente inventa componentes que ya existen en el sistema, ignora los patrones establecidos y rompe las convenciones del sistema de diseño.

En Yandex 360 se toparon con ello de forma sistemática: el 90% de los desarrolladores frontend del equipo usa asistentes de IA cada día. La incompatibilidad con la infraestructura interna resultó ser la norma, no la excepción.

Qué significa un repositorio AI-ready

Valeri Baranov, responsable de tecnologías de frontend en Yandex 360, explica la raíz del problema: los modelos de lenguaje públicos se entrenaron con datos abiertos. Los componentes internos, las bibliotecas corporativas y las convenciones de proyecto no formaron parte de ellos. Por tanto, hay que pasar el contexto a la IA de forma explícita y sistemática, y no mediante pistas manuales cada vez.

El equipo ha elaborado varios principios:

• Documentación estructurada de cada componente, teniendo en cuenta la ventana de contexto del modelo
• Archivos de pistas (`AGENTS.md`, `.cursorrules`) con la descripción de la arquitectura y los patrones prohibidos
• Ejemplos explícitos, tanto correctos como incorrectos, para cada entidad
• Metadatos del UI kit que se incorporan automáticamente al contexto al hacer una consulta
• Descripción del CI/CD y de las convenciones de código en un formato legible por máquinas

El sistema de diseño como artefacto legible por máquinas

Otra tarea es enseñar al asistente a respetar los patrones del sistema de diseño. Los componentes internos no están en los datos de entrenamiento de los modelos, así que la IA empieza a alucinar: se inventa una API inexistente o usa patrones obsoletos.

En Yandex 360 añadieron una capa adicional de documentación. Cada componente se describe no solo para el desarrollador, sino también pensando en el modelo de lenguaje: errores típicos, variantes admitidas, combinaciones prohibidas. Esto permite que el asistente genere código que pasa a la primera la revisión de requisitos de diseño.

«Hemos hecho que los proyectos de frontend sean realmente AI-ready:

hemos enseñado a los asistentes a entender la estructura de nuestros repositorios, a trabajar con bibliotecas internas e incluso a respetar los patrones del sistema de diseño», afirma Valeri Baranov, de Yandex 360.

La visión desde la infraestructura

Yandex 360 se ocupa del «frontend común»: componentes técnicos unificados, un CI/CD compartido y plataformas de distribución de componentes entre equipos. Eso hace la tarea especialmente crítica: si un componente está mal descrito, los asistentes fallan en todos los proyectos que lo usan.

Por eso el enfoque del equipo no consiste en retoques puntuales de prompts, sino en un trabajo sistemático sobre la documentación y la estructura del repositorio a nivel de toda la plataforma.

Qué significa esto

La experiencia de Yandex 360 muestra que un asistente de IA no se vuelve una herramienta eficaz sin invertir en contexto. Los equipos que hagan sus repositorios y sistemas de diseño legibles por máquinas obtendrán una mejora real de velocidad; los demás seguirán perdiendo tiempo corrigiendo alucinaciones.