IA en el Mundo Real: Por Qué el Código Legacy Es la Verdadera Prueba
Todos hablan de construir con IA. Casi nadie habla de qué pasa cuando tu código es más viejo que las propias herramientas de IA.
Empezar desde cero es otro juego
Cuando construyes algo nuevo, es más fácil. Tú decides la arquitectura, las bibliotecas, cómo conecta todo. No hay historia con la que lidiar. La IA encaja bien porque las reglas son claras desde el primer día. Y esa es la versión de adopción de IA sobre la que casi todo el mundo escribe.
Pero esa no es la realidad de muchos equipos.
El desorden que trae el tiempo
Cuando un producto lleva años en producción, el código trae historia. El código reciente puede seguir patrones modernos. Pero si profundizas, encuentras partes construidas con una filosofía completamente diferente, otras dependencias, otra forma de pensar. Nadie las refactorizó porque no era necesario. Llevan años funcionando en producción.
Las personas que conocen bien ese código saben qué seguir y qué dejar quieto. Pero la IA lee toda la base de código y trata todo como igualmente válido.
¿Y qué le dices que siga?
Esa es la pregunta que toma por sorpresa a la mayoría de los equipos. No puedes darle el repositorio completo y decir “imita el estilo” porque no hay un solo estilo. Hay un mosaico de decisiones tomadas por distintas personas a lo largo de los años. La IA absorberá todo, el enfoque moderno y el obsoleto que está tres carpetas más abajo, y no sabrá cuál prefieres.
Puedes pedirle que señale inconsistencias y lo hará bien. Pero decidir qué patrón se convierte en el estándar es una decisión arquitectónica. No algo que se puede automatizar.
En qué se resume todo esto
Los equipos que de verdad tienen éxito con IA en productos maduros no serán los que eligieron la mejor herramienta. Serán los que hicieron el trabajo menos emocionante de definir sus propios estándares primero, decidir de qué debería y no debería aprender la IA, y tratar la adopción como un esfuerzo de equipo.
No se trata de que una persona decida qué está bien. Se trata de que todo el equipo aprenda a corregir a la IA cuando toma los patrones equivocados, y de construir esa disciplina juntos.
Así es como se ve la adopción de IA cuando el código tiene historia.