Marc Sureda
Hace apenas unos años, la creación de una aplicación web desde cero requería un tiempo considerable y unos conocimientos sólidos en ingeniería de software. En la actualidad, la irrupción de modelos de lenguaje y asistentes de programación ha modificado por completo este escenario, reduciendo de forma drástica la barrera de entrada a esta disciplina. Plataformas automatizadas permiten a profesionales de distintos perfiles transformar una idea en un producto funcional mediante el uso de instrucciones en lenguaje natural, obteniendo interfaces operativas y bases de datos conectadas en cuestión de horas.
Esta accesibilidad ha impulsado la creación rápida de prototipos, pero también ha introducido una falsa sensación de competencia técnica entre los usuarios. Desde la firma Panda Security, su responsable global de operaciones de consumo, Hervé Lambert, advierte que:“Cada vez es más habitual ver a personas que desarrollan aplicaciones únicamente mediante lenguaje natural. Con instrucciones tan sencillas como ‘crea una API en Python que gestione usuarios’ o ‘conecta esta aplicación con Stripe’, obtienen en pocos minutos una aplicación funcional.“
El fenómeno de aceptar código generado por IA simplemente porque cumple su función inicial, sin analizar su funcionamiento interno; se ha popularizado en el sector. Mientras los proyectos se mantienen en una fase experimental, este desconocimiento técnico apenas tiene impacto, pero la situación cambia radicalmente cuando las aplicaciones pasan a producción. En el momento en que estos desarrollos comienzan a procesar pagos, almacenar información de la empresa o integrarse con los sistemas corporativos, surgen interrogantes sobre la protección de credenciales o la manipulación de peticiones que los modelos automatizados no pueden resolver por sí mismos.
Uno de los principales problemas a los que se enfrentan los responsables de tecnología es la incorporación de vulnerabilidades a través de dependencias externas. Los asistentes virtuales suelen recomendar bibliotecas de terceros que los usuarios integran sin verificar si reciben mantenimiento continuo o si esconden fallos de seguridad conocidos. Con el tiempo, las aplicaciones acumulan componentes que amplían la superficie de ataque y convierten el ahorro inicial de tiempo en una carga de deuda técnica para la empresa. Cada nueva modificación se vuelve más compleja, ya que ningún miembro del equipo comprende en su totalidad la arquitectura del programa.
A esta complejidad técnica se suma un desafío organizativo relacionado con el desarrollo paralelo en los distintos departamentos. La facilidad para crear pequeñas herramientas que automatizan informes o conectan plataformas permite a los empleados resolver necesidades concretas sin la intervención del área de tecnología. Esta dinámica reproduce los problemas tradicionales asociados a la tecnología en la sombra, eludiendo las revisiones de código y las validaciones de acceso corporativas. Así mismo, existe el riesgo añadido de que los trabajadores compartan información interna o fragmentos de código propio con los modelos de IA para obtener resultados más precisos, exponiendo datos de la organización.
A pesar de estos retos, la automatización supone una modificación sustancial en la rutina de los equipos de ingeniería de software. Para los desarrolladores con experiencia, estas herramientas resultan útiles al asumir tareas repetitivas y liberar tiempo para el diseño de arquitecturas o la revisión de la seguridad. La responsabilidad sobre la calidad y el mantenimiento de los sistemas recae en la supervisión humana, siendo indispensable integrar el uso de la IA en los protocolos de desarrollo de la empresa. Para mitigar los riesgos, resulta imperativo establecer políticas estrictas sobre el manejo de la información compartida con estas plataformas y asegurar que todo código automatizado sea validado por especialistas antes de su implementación definitiva en la estructura tecnológica.
