Durant anys, la disciplina en el desenvolupament de programari es va basar en una premissa inqüestionable: escriure codi era car. Cada línia representava temps, proves, riscos i manteniment futur. Per això, els equips es van tornar experts a dir 'no' a qualsevol petició que semblés petita però que pogués amagar complexitats. Tanmateix, l'arribada de la intel·ligència artificial està redefinint aquesta equació. El cost de produir codi ha caigut dràsticament, però el cost d'entendre'l, revisar-lo i assumir-ne la propietat no ha baixat al mateix ritme. Això obliga a replantejar com avaluem les sol·licituds de canvi: ja no podem basar-nos únicament en l'esforç d'implementació, sinó que hem de mesurar el cost real de dir 'sí' i, també, el cost de dir 'no'.
A Q2BSTUDIO, empresa especialitzada en el desenvolupament d'aplicacions a mida, hem observat com aquesta transformació impacta en la presa de decisions. Abans, una funcionalitat simple —com mostrar un camp existent en una interfície— requeria una reunió de quaranta minuts per debatre si valia la pena, seguida de dos dies d'incertesa. Ara, amb assistents d'IA, aquell primer esbós pot estar llest en el temps que dura el debat. Però el veritable canvi no està en la velocitat d'escriptura, sinó en com gestionem la incertesa. La IA ens permet obtenir un 'preu' de manera gairebé immediata: un pegat petit, amb tests, acotat a un abast precís. Aquest pegat no és el producte final; és una sonda que revela si la petició és realment petita o si arrossega canvis en autenticació, persistència o contractes d'API.
El risc principal, i on moltes organitzacions ensopeguen, és confondre 'barat d'escriure' amb 'barat de posseir'. Un canvi pot ser trivial en codi, però si modifica la semàntica de retenció de dades, afecta la privacitat o altera el model de facturació, el seu cost de propietat continua sent altíssim. La IA no redueix aquest cost; només el desplaça cap a la fase de revisió. Per això, el criteri per aprovar una petició ja no hauria de ser 'pot un agent escriure això?', sinó 'pot un humà validar-ho i responsabilitzar-se'n?' Això implica que certes decisions continuen necessitant un 'no' ferm, fins i tot si el codi generat sembla impecable. A Q2BSTUDIO apliquem aquest principi: quan integrem agents IA en els nostres fluxos de treball, la frontera entre el permès i el rebutjat es defineix pel cost de revisió, no pel de generació.
Com afecta això a serveis com el núvol AWS/Azure o la ciberseguretat? En entorns de núvol, un canvi aparentment menor —com exposar un nou endpoint— pot tenir implicacions de seguretat i costos operatius. La IA pot generar el codi, però la revisió humana ha de verificar que no s'obren portes no desitjades ni es generen fuites de dades. De la mateixa manera, en projectes de BI/Power BI, un petit ajust en una consulta pot semblar inofensiu, però si altera les agregacions utilitzades per desenes d'informes, el cost de propietat es dispara. Per això, a Q2BSTUDIO fomentem que els equips utilitzin la IA per obtenir prototips ràpids, però sempre sota un marc de revisió estricte que inclogui llistes de comprovació de seguretat, compliment i manteniment.
La nova habilitat que han de desenvolupar els enginyers és la capacitat de 'fixar el preu de la incertesa' en minuts. En lloc de debatre durant hores si una petició entra dins l'abast, es pot demanar a un agent que generi el pegat més petit possible sota restriccions clares: sense canviar contractes públics, amb tests, i darrere d'un feature flag. Si el resultat és net i acotat, el cost de dir 'sí' es redueix a la revisió. Si l'agent produeix un diff que toca cinc paquets i requereix canvis a la capa de persistència, llavors sabem que la petició no era petita i la podem rebutjar amb fonament. Aquest enfocament canvia la dinàmica: passem de 'això és necessari?' a 'aquí està el cost real, el paguem?'.
En definitiva, el cost de dir 'sí' ha canviat, però no ha desaparegut. El que sí ha desaparegut és l'excusa que 'qualsevol codi nou és massa car'. El veritable filtre ara és la capacitat de revisió i la responsabilitat a llarg termini. A Q2BSTUDIO entenem que la tecnologia —ja sigui automatització de processos, IA o núvol— ha de servir per prendre decisions millors, no per evitar-les. Per això, el nostre consell és simple: abans de dir 'no' per defecte, proveu de demanar un pegat. I abans de dir 'sí' automàticament, reviseu el cost de posseir-lo. L'equilibri entre velocitat i qualitat continua sent la clau del desenvolupament de programari.
