Estoy en la oficina mirando la pantalla. Son las cinco de la tarde y la cena casi está lista. Esta vez voy a hacerlo todo bien. Mergeo temprano, dejo tiempo para pruebas serias, preparo el guion de demostración para la presentación de mañana y no solo voy a recorrer mis propias funciones, sino también las que construyeron mis compañeros. La última vez hice merge directo a producción, cargué datos y pensé que todo estaría bien. No estuvo bien. La demo fue un desastre lleno de parches improvisados y explicaciones forzadas.
Hoy todo parecía distinto. Subí el código a producción, abrí el sitio y todo se veía correcto. Me relajé y salí a cenar. Mientras cenaba, cancelé un plan para repasar la demo. Volví al escritorio, revisé el guion y probé la aplicación. Con el rol de administrador todo perfecto. Cambié de rol y la pantalla se quedó cargando sin responder. Ese nudo en el estómago volvió, el pulso se aceleró. Envié un mensaje a un compañero: dashboard no carga para rol usuario. Empezamos a depurar juntos y lo que eran minutos se convirtió en horas. A las once y media seguimos mirando logs del servidor. Al final hallamos el culpable: una consulta que en mi portátil volaba, en el servidor era una tortuga.
Esta vez tomamos una decisión consciente: desplegamos sabiendo que había un problema de rendimiento y lo comunicamos en la presentación con transparencia. Sorprendentemente, no fue lo mismo que antes. La confianza al presentar pesó más que el bug. Pasé el fin de semana arreglándolo, pero con un plan claro y sin pánico. Ahora tenemos un entorno de staging con datos realistas y puedo hacer merges sin que el estómago me traicione.
Mirando atrás, ese bug no era una sorpresa completa; casi lo habíamos invitado. Habíamos estado entregando mucho código en pocas semanas, y gran parte procedía de sugerencias generadas por IA. Al principio fue maravilloso, todo funcionaba localmente y el ritmo se aceleró. Entonces relajé las revisiones y pensé que si funcionaba en mi máquina no podía ser tan grave. Pero con cada merge la complejidad aumentó: reglas de RLS anidadas, múltiples joins entre tablas y lógica cruzada. En local todo iba fluido, sin latencia, sin carga real, sin datos a escala. Ese fue el verdadero escollo.
La solución fue más sencilla de lo que imaginábamos y, de hecho, liberadora: eliminamos los joins pesados almacenando directamente los IDs relevantes en las tablas. Resultado: reducción del tiempo de ejecución en un 96 por ciento. El código quedó más simple, más limpio y menos propenso a errores. La lección clave fue clara: la complejidad se infiltra si no la validas en condiciones reales.
Aprendizajes rápidos
IA para generar código no es una licencia para relajar las buenas prácticas. Puede acelerar el desarrollo, pero también puede introducir callejones sin salida.
La complejidad devora rendimiento. Los joins no son el demonio, pero tienen coste en entornos reales.
Local no es igual a producción. Tu portátil no es la verdad: hay latencia, datos grandes y casos límite que solo aparecen en condiciones reales.
Tras ese episodio entendimos que no podíamos volver a arriesgar la confianza del cliente. Un entorno de staging dejó de ser algo deseable para convertirse en obligatorio. Teníamos un problema adicional: aún no generábamos ingresos suficientes para invertir en infra a gran escala, así que buscábamos una forma económica de desplegar staging con condiciones realistas.
Lo que hicimos fue práctico y efectivo. Creamos una segunda cuenta en Supabase para mantener una copia del esquema de producción con datos anonimizados. Desplegamos en AWS Amplify porque contamos con créditos de startup y así las instancias de staging resultaron prácticamente gratuitas. Solo hubo una configuración extra respecto a otras plataformas: crear un amplify.yml y definir las variables de entorno. Los logs no son tan bonitos como en otras plataformas, pero cumplen su función. Lo mejor es que cualquier desarrollador puede usar staging, iniciar sesión, cambiar roles y seguir escenarios reales sin tocar datos en producción.
Ese entorno nos permitió probar optimizaciones de rendimiento contra datos realistas y, en un fin de semana, entregar una solución mucho más rápida sin introducir nuevos errores en producción. Staging dejó de ser una red de seguridad y pasó a ser un acelerador para una depuración ordenada.
También cambiamos el proceso de lanzamiento. Antes era ruleta rusa: merge directo a main, pruebas rápidas y cruzar los dedos. Ahora trabajamos con ramas de release. Esa rama se despliega a staging con datos anonimizados y todos en el equipo prueban sus flujos, cambian roles y ejecutan escenarios de usuario. Así detectamos fallos antes de llegar al cliente y podemos correr pruebas de rendimiento sin arriesgar tiempo de producción. Cuando todo está ok, hacemos merge a main y el despliegue a producción es tranquilo. Fin de las carreras nocturnas frente a los logs.
La próxima mejora natural es automatizar pruebas: integración continua, tests end to end y performance checks que nos permitan seguir entregando rápido sin miedo a romper cosas.
En Q2BSTUDIO acompañamos a empresas en todo ese recorrido. Somos especialistas en desarrollo de software a medida y aplicaciones a medida, y aplicamos prácticas de despliegue y control de calidad que minimizan sorpresas en producción. Combinamos experiencia en inteligencia artificial para empresas con servicios cloud en AWS y Azure, además de ofrecer soluciones de ciberseguridad y pentesting para proteger tus despliegues. Si necesitas validar performance y arquitectura o construir un producto confiable, podemos ayudarte con todo el ciclo de vida del software, desde la idea hasta la entrega controlada y segura.
Si trabajas con modelos de IA o quieres incorporar agentes IA en tus flujos de negocio, en Q2BSTUDIO desarrollamos integraciones y pipelines de inferencia pensados para producción. Conoce más sobre nuestros servicios de inteligencia artificial visitando nuestra página de inteligencia artificial. Si tu prioridad es lanzar aplicaciones robustas y escalables, podemos diseñar y ejecutar el proyecto con foco en calidad y rendimiento, descubre cómo hacemos desarrollo de aplicaciones a medida.
Palabras clave que guían nuestro enfoque operativo: 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. Implementamos pipelines de despliegue, entornos de staging con datos realistas y prácticas de pruebas que reducen estrés y aumentan la confianza de negocio.
Si te interesa que compartamos más sobre cómo automatizar pruebas, monitoreo y mejora continua, síguenos y cuéntanos tu peor historia en producción o cómo manejas staging en tus proyectos. En Q2BSTUDIO aprendemos con cada cliente y cada incidente, y nos gusta convertir los errores en ventajas competitivas.