El desarrollo de software y la operación moderna de servicios están viviendo una transformación profunda.
Lo que antes requería equipos enteros y semanas de trabajo, hoy puede ser completado en cuestión de horas gracias a una nueva generación de herramientas de inteligencia artificial integradas en los entornos de desarrollo.
El VS Code Agent Mode es un ejemplo paradigmático de esta revolución. Permite ejecutar comandos, modificar archivos, trabajar con repositorios y crear scripts bajo demanda, todo en paralelo y en tiempo real.
Por su parte, el modelo Claude Sonnet 4.5 representa un salto cualitativo en la eficiencia y la capacidad de razonamiento de los modelos de lenguaje.
Combinados, ambos elementos están redefiniendo los límites de la productividad individual: una sola persona puede lograr en pocas horas lo que antes requería semanas de trabajo colaborativo.
«Lo que antes requería equipos enteros y semanas de trabajo, hoy puede ser completado en cuestión de horas gracias a una nueva generación de herramientas de inteligencia artificial integradas en los entornos de desarrollo»
Quien se haya conformado en el pasado la opinión de que la IA generativa aplicada al desarrollo o la operación “no funciona” o “hace perder más tiempo” quizá deba revisitar esas ideas.
Índice de temas
IA y desarrollo, los desafíos
Sin embargo, el avance no está exento de desafíos: Los agentes trabajan mediante ‘sesiones’ que pierden la memoria al cerrarse, impidiendo compartir conocimiento entre usuarios o proyectos. Esto genera lo que se conoce como amnesia de contexto: desaparecen decisiones técnicas, configuraciones y aprendizajes.
La falta de una memoria persistente y compartida obliga a repetir trabajo, ralentiza la incorporación de nuevos miembros y compromete la reproducibilidad.
Esta limitación obliga a los desarrolladores a explicar repetidamente el contexto, redescubrir soluciones previas y documentar manualmente los aprendizajes.
La falta de una base de conocimiento centralizada y accesible por IA aumenta el riesgo de no poder reproducir resultados, duplicar esfuerzos, tomar decisiones inconsistentes y ralentizar la incorporación de nuevos miembros a los equipos.
La falta de una base de conocimiento centralizada y accesible por IA aumenta el riesgo de no poder reproducir resultados, duplicar esfuerzos, tomar decisiones inconsistentes y ralentizar la incorporación de nuevos miembros a los equipos
A medida que los equipos se enfrentan a esta nueva realidad, surgen aproximaciones modernas para mitigar el problema de la pérdida de contexto. Para superar estas limitaciones surgen dos tendencias clave:
- Vibe Coding con Spec Driven Development (SDD): metodología donde las especificaciones detalladas se convierten en la fuente de verdad antes de escribir código. Los agentes IA generan o validan implementaciones basadas en estas especificaciones, garantizando coherencia, calidad y trazabilidad.
- Prompt Engineering con Context Engineering: evolución del prompt engineering que se centra no en escribir mejores instrucciones, sino en diseñar y mantener el contexto que alimenta a los agentes: memoria, herramientas, datos y reglas del entorno. Permite IA más precisa, coherente y escalable.
Estas prácticas ya inspiran soluciones de grandes proveedores: Codex (OpenAI) con persistencia de sesiones y Kiro (AWS), que aplica de forma nativa SDD para gestionar contextos complejos.
Visión de DXC
Por nuestra parte, desde DXC apostamos por dar un paso más allá: Nuestra visión es diseñar procesos de gestión del ciclo de vida de los productos digitales soportados por IA que abarquen todas las fases y que estén soportados por herramientas que mantengan el contexto vivo entre fases y miembros del equipo, utilizando herramientas de mercado o cubriendo GAPs con soluciones propias.
Este enfoque se materializa en AIKHUB, una plataforma de gestión del conocimiento diseñada específicamente para equipos de desarrollo y operaciones asistidos por IA, y que entre sus capacidades permite:
- Capturar automáticamente las sesiones y contextos de trabajo (código, comandos, conversaciones, decisiones técnicas).
- Organizar y hacer accesible la información tanto a humanos como a agentes de IA.
- Proporcionar continuidad de contexto entre sesiones, usuarios y proyectos.
- Búsqueda semántica inteligente sobre toda la memoria compartida.
- Integrar la metodología Spec-Driven Development, garantizando coherencia y trazabilidad.
El resultado es un ecosistema donde la memoria colectiva de los equipos se preserva, las decisiones son reproducibles y las herramientas de IA trabajan con conocimiento histórico real.
La inteligencia artificial ya no es un asistente puntual: está llamada a ser el tejido conector entre las personas, el conocimiento y las herramientas del desarrollo digital.
El verdadero reto ya no es solo hacer que la IA “genere código”, sino que recuerde, aprenda y colabore con la misma continuidad y coherencia que un equipo humano, y ese es precisamente el camino que estamos trazando.
