La inteligencia artificial (IA) se emplea para casi todo, pero en lo que a desarrollo de software se refiere, el valor añadido de esta tecnología es evidente, según la experiencia de Tokiota, partner español de Microsoft especializado en soluciones basadas en IA, cloud computing e infraestructuras seguras.
Por motivos estratégicos, Tokiota ha desplegado la IA en sus equipos para utilizarla cada fase del desarrollo de software. Según explican fuentes de esta compañía, desde que estas herramientas se han asentado, las mejoras conseguidas en términos de productividad se cifran entre el 25% y el 30%.
Así que para Tokiota, la IA ha dejado de ser una promesa con potencial para convertirse en un miembro más en el trabajo. Su ejemplo puede trasladarse a otras entidades, aunque no siempre es fácil. Hay que ser conscientes de que los resultados no siempre están a la altura de lo esperado por motivos como la falta de implicación del equipo, resistencia al cambio y ausencia de métricas claras que impulsen su adopción efectiva. A pesar de todo, el partner de Microsoft ha asumido el reto de demostrar que la integración de IA generativa puede convertirse en una auténtica palanca de productividad, siempre que se incorpore de forma estructurada y con una estrategia clara.
Con ese objetivo, la firma explica cómo ha sido su experiencia a la hora de implementar la IA en los equipos de desarrollo de software.
El proceso de implantar la IA en el desarrollo de software: del entusiasmo a la adopción real
A pesar del entusiasmo que despierta la IA generativa, su adopción real en el día a día de los equipos de desarrollo sigue siendo limitada. En muchos casos, se usa de forma esporádica, sin que forme parte del flujo continuo de trabajo.
“Uno de los principales obstáculos es la falta de confianza, sobre todo entre los perfiles más senior”, explica Mario Cortés, Head of App Innovation, Power Platform & IA Gen en Tokiota. “Muchos no comprenden su utilidad real o la perciben como una moda pasajera. Por eso, es clave mostrar resultados tangibles desde el principio”.
La verdadera ventaja de la IA se activa cuando esta se integra de forma natural en un marco ágil y colaborativo. Herramientas como GitHub Copilot han revolucionado la escritura de código, ofreciendo sugerencias automatizadas, corrigiendo errores simples y acelerando el proceso de revisión.
La clave está en proporcionar a la IA el contexto adecuado: prompts bien definidos, reglas claras y una arquitectura pensada para facilitar su trabajo. Esto permite generar código útil, coherente y alineado con los objetivos del proyecto.
Además, contar con un arquitecto especializado en IA que acompañe a los equipos y ayude a configurar estos flujos es un paso esencial hacia una adopción fluida y sostenible.
Más allá del código: pruebas, calidad y eficiencia
La IA no solo sirve para escribir líneas de código. Su aplicación se extiende a otras tareas críticas del ciclo de desarrollo, como la generación automática de test cases, informes de calidad, construcción del backlog o la detección de errores de programación.
Particularmente valiosa resulta su aportación en las fases de Quality Assurance (QA), donde puede validar especificaciones, identificar patrones defectuosos, generar pruebas y corregir bugs antes de que lleguen a producción. Esto se traduce en mayor fiabilidad y en lanzamientos más rápidos y sólidos.
