Redacción
Diversos estudios recientes confirman que una gran parte del código actual está asistido por IA aunque los profesionales y responsables de seguridad desconfían de su fiabilidad debido a las vulnerabilidades introducidas. Informes del mercado ilustran ampliamente esta situación. Datos de Salt Security indican que el 67% de las organizaciones emplean asistentes de programación automatizada. Mientras que un38% sigue dependiendo de revisiones manuales. Esto genera inquietud entre 9 de cada 10 encargados de seguridad por los riesgos inherentes. En la misma línea, el estudio State of Code Developer Survey elaborado por Sonar revela que el 42% del código ya cuenta con asistencia automatizada. A pesar de que la inmensa mayoría de los profesionales duda de su exactitud funcional, menos de la mitad revisa sistemáticamente el trabajo antes de su integración. Por su parte, el informe «State of AI Risk Management de ArmodCode» detalla que, aunque un 90% de las entidades afirma tener control sobre su huella tecnológica, un 59% reconoce la existencia de herramientas no supervisadas. Este mismo estudio documenta que el 70% de las organizaciones han detectado vulnerabilidades derivadas de estas prácticas, lo que dificulta la labor de los equipos de protección ante la velocidad de los despliegues.
Ante este panorama, Javier Tejada, copresidente y responsable de tecnología de la consultora española h&k, explica que: «Uno de los grandes problemas actuales es pensar que basta con dar más contexto a un modelo para que entienda mejor un sistema. En aplicaciones complejas, más información no siempre significa mejor comprensión. Lo importante es ordenar el conocimiento, definir bien qué se quiere cambiar y poder trazar cada decisión desde la necesidad de negocio hasta el código”.
Como respuesta a este desafío técnico, h&k ha presentado una nueva solución orientada a estructurar el uso de la IA mediante la especificación del conocimiento y la validación continua. Esta propuesta busca sustituir la dependencia de instrucciones aisladas por un marco auditable que refuerce las prácticas de ingeniería del software. La herramienta está diseñada para abarcar desde el mantenimiento de programas existentes hasta la modernización de infraestructuras antiguas o la creación de nuevos aplicativos, manteniendo en todo momento la alineación con los requisitos empresariales.
Tejada detalla que añadir una mayor cantidad de información a un modelo no asegura su eficacia en aplicaciones complejas, subrayando la importancia de ordenar los datos y trazar cada decisión desde la necesidad inicial del negocio hasta la programación definitiva. De este modo, la empresa promueve una transición hacia métodos más deterministas que limiten la experimentación, acoten el alcance de los cambios, identifiquen las dependencias y aseguren un progreso rápido pero fundamentado en la seguridad y la capacidad de auditoría.
