Siento que me robo mi propio progreso cuando me apoyo únicamente en la IA para escribir código. En los cuatro años que llevo como ingeniero de software he mejorado claramente, y en mi trabajo actual, rodeado de personas más talentosas y experimentadas, me doy cuenta de que forzar a la IA a generar el código por mí me quita la oportunidad de aprender y crecer. Tenía demasiados proyectos y adopté una dinámica de vibe coding en la que alternaba entre varios esfuerzos siendo revisador de código y generador de prompts, y por momentos alcanzaba una sensación similar al flujo creativo. Después de una pausa de dos meses, al retomar mis proyectos veo las consecuencias de la prisa: la estructura del código no coincide con la que yo habría diseñado, busco archivos donde pensé que existirían y no están, y el código generado es a menudo verboso, ajustado a casos extremos que la IA detectó pero con huecos que pasó por alto. Paradójicamente la IA tiende a engordar su propia ventana de contexto escribiendo archivos grandes en lugar de concisos.
En mi puesto en una gran empresa he aprendido el valor de escribir menos y preferir estilos funcionales que favorecen la composición de bloques básicos para organizar la lógica de negocio de alto nivel con facilidad. Robarme la experiencia de preguntarme cómo escribirlo mejor ocurre cuando no paso por el gesto de teclear y diseñar la solución. Los ingenieros más potentes no usan la IA solo para ahorrar tiempo programando, la usan para ahorrar tiempo identificando áreas del código que requieren atención. Por eso me gustaría un modo de solo lectura para la IA. Las herramientas locales como copilot, cursor, claude-cli, codex u opencode son un gran avance, pero dar acceso de escritura sin control puede ser un error; la IA rinde especialmente al resumir y transformar en lugar de crear desde cero, y la arquitectura transformer lo explica bien.
Estoy pensando invertir tiempo en cómo aprovechar mejor una IA en modo solo lectura para desarrollos de software a medida. Algunas ideas y prerequisitos son indexar el proyecto, reconstruir la evolución desde especificación a implementación a través de la línea temporal de git, actualizar con consejos para mejorar el código tras cada commit como si fuera un pr bot en el terminal, y un agente con conocimiento de mi estilo preferido: conciso, funcional, composición sobre herencia, testabilidad y representaciones en memoria de la lógica para facilitar pruebas. También debe priorizar qué trabajar a continuación consumiendo listas de tareas, especificación del proyecto y estado actual.
En Q2BSTUDIO somos especialistas en desarrollo de software y aplicaciones a medida, inteligencia artificial aplicada a empresas, ciberseguridad y servicios cloud aws y azure, y acompañamos a organizaciones en su transformación digital integrando soluciones de inteligencia de negocio y power bi. Si buscas cómo aplicar agentes IA o potenciar tus procesos con software a medida te invitamos a conocer nuestras soluciones de IA para empresas y nuestro enfoque en desarrollo de aplicaciones a medida con prácticas que priorizan la calidad, la composición y la escalabilidad en lugar de atajos peligrosos, como en . Nuestras áreas clave incluyen aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi, combinadas para ofrecer soluciones seguras, mantenibles y alineadas con buenas prácticas de ingeniería.
Veremos hacia dónde nos lleva esta idea de una IA de solo lectura que acelere el descubrimiento y permita al desarrollador seguir siendo el autor principal de su progreso y aprendizaje.
