Un agente de inteligencia artificial puede seguir trabajando mientras el desarrollador está ocupado en otra cosa. Para Margarita Sanz del Río, esa capacidad exige mantener puntos de control. «Cada poco tiempo tienes que comprobar lo que hacen y validarlo», afirma la directiva de GitHub en una entrevista con LA RAZÓN sobre cómo están incorporando las empresas estas herramientas.
La pregunta partía de un escenario concreto: alguien se va a dormir y deja a sus agentes trabajando toda la noche. Sanz del Río responde hablando de formación, de organización y del papel del ingeniero. La autonomía tiene que acompañarse de supervisión, sostiene, porque el valor de ese trabajo depende de lo que la herramienta haya conseguido cuando una persona vuelva a revisarlo.
«Ahora mismo tampoco tiene sentido dejar a los agentes trabajando en una aplicación de cero a cien», señala. Su posición establece un límite al encargo de un proyecto completo sin intervenir en él. La directiva, que trabaja en estrategia y operaciones comerciales para la relación con Microsoft, sitúa la preparación de los equipos entre las condiciones necesarias para ampliar esa delegación.
Antes de encargar una aplicación completa
Sanz del Río contempla que un ingeniero llegue a confiar una parte mucho mayor del proyecto a la inteligencia artificial. Para ello, explica, habrá tenido que familiarizarse con ella y mantener actualizados el contexto y las instrucciones. En el uso de las herramientas de GitHub, esa confianza se construye con trabajo previo y conocimiento de cómo responde la tecnología a las necesidades del proyecto.
La advertencia es explícita: hasta que los ingenieros estén capacitados, «no puedes abrir la puerta y dejar que todo el mundo la utilice a lo loco». El contexto necesita reflejar lo que se quiere construir y las instrucciones deben orientar la ejecución. Su planteamiento mantiene la intervención de quien conoce el proyecto como parte del proceso de desarrollo con IA, incluso cuando la herramienta realiza tareas por su cuenta.
La guía oficial de GitHub para revisar código generado por IA concreta varias de esas comprobaciones: ejecutar pruebas, buscar problemas de seguridad y verificar que el resultado encaja con los requisitos y la arquitectura del proyecto. Además, recomienda valorar la claridad y el mantenimiento del código. Comprobar que resuelve el problema adecuado forma parte de la revisión, junto con confirmar que funciona.
Qué debe encontrar el ingeniero a la mañana siguiente
La formación ocupa también el centro de su explicación sobre el coste. «Simplemente dar las herramientas a la gente no es suficiente», afirma. Sanz del Río considera que una mala formación y una mala gestión pueden disparar el gasto. Por eso, disponer de herramientas para programar debe ir acompañado de una adopción que prepare al equipo para utilizarlas, con ayuda de socios u otras empresas cuando sea necesario.
Al volver al ejemplo del trabajo nocturno, la directiva propone fijarse en cómo se ha utilizado el modelo y en si lo que ha producido tiene valor por la mañana. Esa revisión abarca los resultados y los posibles problemas del código. Dejar el agente en marcha solo describe una parte del encargo; después habrá que decidir qué sirve y qué necesita corregirse.
La presión por adoptar estas herramientas aparece también en su diagnóstico: «Todo va muy rápido: nadie quiere ser el primero, pero nadie quiere ser el último». Ante ese ritmo, reclama equipos capaces de manejar la tecnología y validar sus entregas. La responsabilidad de comprobar el resultado sigue en manos de las personas, aunque una parte creciente de la ejecución pueda delegarse.
💬 Debate de la Comunidad 0