Transformando creadores en curadores: la implementación de IA en DevOps.

La inteligencia artificial generativa tiene el potencial de incrementar la productividad en sectores clave de la tecnología al automatizar tareas repetitivas y que consumen mucho tiempo. Según proyecciones, podría agregar entre 2.6 y 4.4 billones de dólares en valor económico anualmente. Un área específica donde la automatización y la IA podrían revolucionar el panorama es en el desarrollo de software. Con la actual escasez de habilidades digitales y el complejo proceso de DevOps, la automatización de pipelines puede, si se ejecuta correctamente, ahorrar recursos valiosos a las empresas.

No obstante, implementar la inteligencia artificial no es un proceso simple; si no se hace con cuidado, puede provocar reacciones negativas tanto de desarrolladores como de clientes. Un ejemplo claro de esto lo ha evidenciado Amazon, donde las reformas impulsadas por IA han generado descontento entre sus ingenieros. Esta situación ha resultado en un aumento del estrés y una disminución de los estándares y la moral del equipo, lo cual es solo un problema interno. Sin embargo, cuando el lanzamiento de nuevas tecnologías afecta a los clientes o despierta la atención de los reguladores, las repercusiones financieras y reputacionales pueden ser aún más graves.

En grandes empresas, los beneficios y riesgos se amplifican. Muchas de ellas cuentan con parte de su infraestructura tecnológica en sus propias instalaciones, mientras que la mayor parte de la innovación se dirige a productos de Software como Servicio (SaaS) en la nube. Esto puede dejar atrás las pipelines empresariales, que son más difíciles de modernizar debido a la magnitud y complejidad de las organizaciones. Además, hay mucho en juego, ya que los riesgos reputacionales y regulatorios son considerablemente amplios.

Para evitar inconvenientes y aprovechar al máximo las ganancias en productividad, las empresas deberían optar por implementaciones más focalizadas en lugar de estrategias generales. Es crucial atender áreas específicas y bien definidas, especialmente la automatización de pruebas de código y la priorización de problemas, ya que son fuentes importantes de fricción para los desarrolladores y las más sencillas de automatizar.

El bienestar y la productividad de los desarrolladores son los recursos más valiosos para los equipos de TI en las empresas, pero también son los más vulnerables. La inteligencia artificial podría transformar significativamente este "trabajo arduo de los desarrolladores", otorgando a los profesionales más tiempo para concentrarse en tareas creativas en lugar de en actividades monótonas y repetitivas. El trabajo excesivo no solo desmotiva, sino que contribuye al retraso de proyectos y a un rendimiento deficiente, lo que a su vez puede llevar a una alta rotación de personal en un sector ya de por sí complicado por la escasez de talento. En 2024, más de la mitad de los desarrolladores mencionaron este "trabajo arduo" como la razón principal de sus renuncias.

En el ámbito del desarrollo de software, el principal causante de esta carga es el proceso que va desde la “confirmación hasta la producción”, conocido como la creación de tickets. La inteligencia artificial puede desempeñar un papel fundamental en la automatización del proceso de clasificación, aseguramiento de calidad (QA), integración continua (CI) y gestión de vulnerabilidades, al categorizar, agrupar y priorizar fallos sin intervención humana. Esto no solo libera tiempo valioso, sino que asegura que se destine a los problemas más críticos en la pipeline de software.

La adopción de la inteligencia artificial presenta retos, pero muchas empresas están abiertas a su implementación. Cerca de la mitad de los líderes tecnológicos en una encuesta de PwC en 2024 afirmaron que la IA estaba "totalmente integrada" en la estrategia empresarial. Sin embargo, es esencial que esto se haga de manera correcta; tener ambiciones tecnológicas desmesuradas puede acarrear preocupaciones sobre privacidad de datos y gobernanza, así como el riesgo de alienar al personal y a los clientes, y frenar así la transformación digital.

El alcance es crucial. Las aplicaciones enfocadas en "sandbox" protegidos, que no accedan a resultados directos, minimizan riesgos y permiten una mejor observación y optimización del proceso, facilitando su expansión posterior. Además, externalizar el desarrollo de software a generación de código por IA puede acarrear problemas no solo de calidad, sino también complicaciones para diagnosticar y corregir errores futuros.

De cara al futuro, la IA tiene el potencial de convertir las pipelines en sistemas inteligentes y auto-optimizados, capaces de predecir y iterar mejor. Sin embargo, como en el resto de los sectores, la supervisión humana continua es imprescindible. La parte más importante de cualquier adopción de IA siempre será el talento humano que colabora y supervisa sus implementaciones. Es esencial proporcionar formación adecuada y la posibilidad de que el personal comparta cualquier problema con la estructura del equipo o con la tecnología, para mantener la moral y lograr el mejor uso de la nueva solución. Por ende, los problemas relacionados con el esfuerzo de los desarrolladores no se resolverán si la IA se utiliza únicamente como justificación para aumentar la carga de trabajo de los equipos de DevOps.