Ingenieros con y sin IA: dos especies distintas

En el último año, la IA ha pasado rápidamente de ser una "herramienta" a un "colaborador". Sin embargo, muchos ingenieros, durante su uso, desarrollan una peligrosa ilusión: que la IA puede reemplazar la toma de decisiones, e incluso la responsabilidad.

La realidad es todo lo contrario. Cuanto más capaz es la IA, más exige que los humanos tengan una mayor capacidad de restricción, juicio y expresión de información.

Si consideramos a la IA como un "ingeniero junior infinitamente amplificado", entonces cómo usarla correctamente puede abstraerse como un problema de diseño de flujo de información.

En este artículo, intentaré redefinir los límites de la colaboración entre humanos e IA desde una perspectiva de ingeniería.

1. La entrada no es cuestión de cantidad, sino de precisión

La primera reacción de muchas personas al usar la IA es: arrojarle todo el contexto de una vez.

Pero en un sistema de ingeniería, sabemos claramente una cosa: la información redundante contamina la señal.

Con la IA ocurre lo mismo.

Cuando proporcionas:

• Requisitos ambiguos

• Contexto irrelevante

• Registros o código sin filtrar

• Información de múltiples rondas sin organizar

En realidad estás aumentando el "ruido de razonamiento".

Una mejor manera es:

• Proporcionar la información mínima suficiente (Minimum Sufficient Context)

• Definir claramente los límites de la tarea (entrada / salida / restricciones)

• Eliminar información no relacionada con el objetivo

Por ejemplo:

Forma incorrecta: "Este es el código completo de mi proyecto, ayúdame a ver qué problemas hay."

Forma correcta: "En Next.js App Router, al llamar a una API desde un Server Component, aparece un hydration mismatch. Aquí está el código mínimo de reproducción y el registro de errores. Por favor, analiza la causa."

La calidad de la IA depende en gran medida de si diseñas la entrada como si diseñaras una API.

2. No dejes que la IA decida el resultado final

Un error común es: "Diseña un sistema para mí" "Implementa una solución completa para mí"

Y luego copiar el resultado directamente a producción.

Esto es esencialmente subcontratar el "poder de decisión" a la IA.

El problema es: La IA es buena generando "respuestas razonables", pero no garantiza que sean "la solución óptima" o "la solución adecuada para tu escenario".

En ingeniería hay un principio importante: la decisión debe ser tomada por el responsable.

La forma correcta de colaborar debería ser:

• La IA proporciona opciones (Options)

• La IA presenta las ventajas y desventajas (trade-offs)

• El humano hace la elección final

Por ejemplo:

Pedirle a la IA: "Dame 3 formas de implementar el enrutamiento de un servidor MCP, y analiza la complejidad, escalabilidad y coste de despliegue."

En lugar de: "Escribe un sistema de enrutamiento de servidor MCP para mí."

Lo primero potencia tu capacidad de juicio; lo segundo la debilita.

3. La IA sirve para "entender el problema", no para "hacer tu trabajo"

La mayor fortaleza de la IA no es escribir código, sino:

• Descomponer problemas

• Proporcionar rutas de conocimiento

• Explicar conceptos complejos

• Construir el espacio de soluciones

Pero "elegir la ruta + verificar el resultado" debe hacerlo el humano.

Un flujo de trabajo saludable debería ser:

1. Usar la IA para explorar el espacio del problema

2. Determinar tu propia solución

3. Luego pedir a la IA que ayude en la implementación

4. El humano se encarga de verificar y converger

Si se saltan los pasos 2 y 4, aparecen problemas típicos:

• El código funciona, pero no sabes por qué

• El sistema es funcional, pero no mantenible

• Cuando surge un problema, no puedes depurarlo

En esencia, estás delegando el "cierre cognitivo" a la IA.

4. Rediseñar el flujo de información: quién se encarga de qué

Podemos abstraer la colaboración humano-IA como un sistema de flujo de información:

IA → Humano:

• Proporciona perspectivas (insights)

• Proporciona enfoques (approaches)

• Proporciona caminos opcionales (options)

Humano → IA:

• Define objetivos claros (clear objective)

• Establece restricciones (constraints)

• Proporciona resultados de verificación (feedback / evaluation)

La clave está en: la IA se encarga de "divergir", el humano de "converger".

Si esta dirección se invierte, ocurre:

• La salida de la IA se vuelve cada vez más aleatoria

• El humano se vuelve cada vez más dependiente

• Finalmente, el sistema se vuelve incontrolable

5. Principios fundamentales para un uso ingenieril de la IA

Si hay que resumirlos en algunos principios de ingeniería, serían:

1. Trata el Prompt como un diseño de interfaz, no como una conversación

2. Considera la IA como un "generador de opciones", no como un "tomador de decisiones"

3. Conserva siempre el derecho de decisión final del humano

4. Establece un bucle de verificación forzado (test / review / benchmark)

5. Prioriza mejorar la "capacidad de preguntar", no la "capacidad de copiar"

A largo plazo, la verdadera diferencia no vendrá de "quien usa la IA para escribir código más rápido", sino de "quien sabe mejor cómo restringir a la IA".

Conclusión

La IA no reemplazará a los ingenieros, pero amplificará la brecha entre ellos.

Quien no sabe preguntar obtendrá respuestas aparentemente correctas; quien sabe diseñar flujos de información obtendrá sistemas realmente utilizables.

En esta etapa, la habilidad realmente importante ya no es "escribir código", sino: definir problemas, restringir sistemas y tomar decisiones.

Estas tres cosas no se pueden subcontratar a corto plazo, y ahí está la línea divisoria entre el ingeniero común y el ingeniero excelente.