Desarrollo de software con IA: cómo se hace sin improvisar

El desarrollo de software con IA tiene una paradoja: la máquina escribe código más rápido que cualquier persona, y por eso hoy es más fácil que nunca terminar con un sistema que nadie entiende. La inteligencia artificial no elimina el trabajo difícil, lo concentra en decidir qué construir, cómo se ordenan los datos y quién revisa lo que la herramienta propone.

En esta guía verás qué cambia realmente cuando se programa con IA, en qué se diferencia el vibe coding de la ingeniería, el método paso a paso que usamos en proyectos reales y qué preguntas hacerle a cualquier proveedor que diga trabajar con inteligencia artificial.

Qué cambia en el desarrollo de software con IA

Un modelo de lenguaje no piensa como una persona. Es un sistema estadístico que predice el fragmento de texto más probable a partir de lo que tiene delante, y eso incluye código. Lo hace muy bien cuando el contexto es claro y muy mal cuando tiene que adivinar.

Esa diferencia explica casi todos los problemas. El modelo trabaja con una ventana de contexto, una memoria de corto plazo con límite: si el proyecto crece más que esa memoria, empieza a olvidar reglas que le diste al principio y a rellenar los vacíos con supuestos razonables pero falsos, como funciones que no existen o validaciones que nadie pidió.

Lo que cambia, entonces, es dónde está el cuello de botella. Antes el costo estaba en escribir el código; ahora escribirlo es barato y lo caro es definir bien qué debe hacer, entregarle a la IA el contexto correcto y verificar el resultado. Por eso, cuando desarrollamos aplicaciones a medida para empresas, la mayor parte del tiempo se va en las decisiones y en la revisión, no en teclear.

Vibe coding o ingeniería: dos formas de usar la misma herramienta

El término vibe coding se popularizó en 2025 para describir una forma de programar en la que se le pide código a la IA en lenguaje informal y se aceptan los cambios sin leerlos. Sirve para jugar, para un prototipo de fin de semana o para validar una idea. El problema aparece cuando ese prototipo se convierte, sin escalas, en el sistema que usa la empresa.

La ingeniería de software con IA usa las mismas herramientas con otra disciplina. La persona no se dedica a escribir líneas, sino a dirigir: define la arquitectura, fija límites, redacta especificaciones y valida cada cambio antes de aceptarlo. La diferencia práctica se nota en tres momentos:

• Cuando entran datos reales: con usuarios, permisos y registros históricos, lo improvisado se rompe.
• Cuando hay que cambiar algo: sin reglas claras, cada ajuste puede romper otra parte del sistema.
• Cuando falla: si nadie entiende el código, nadie sabe dónde buscar.

Si ya armaste algo por tu cuenta y te quedaste a medio camino, revisa por qué una app hecha con vibe coding no llega a producción y qué hacer con ese prototipo.

Cómo se hace desarrollo de software con IA paso a paso

El método que funciona invierte el orden habitual: primero se escribe lo que el sistema debe hacer y recién después se genera código. Cada paso deja un documento que la IA y las personas pueden leer, y cada uno reduce el espacio para que la herramienta adivine.

1. Modelo de datos primero

Antes de diseñar pantallas definimos qué información guarda el sistema, cómo se relaciona y quién puede verla. Es el enfoque que explicamos en empezar por la base de datos y no por el diseño. Una IA con un modelo de datos bien definido comete muchos menos errores, porque ya no tiene que inventar la estructura.

2. Especificación sin espacio para interpretar

La especificación describe qué debe hacer el sistema, no cómo. Se escribe con frases que no admiten dos lecturas, del tipo "cuando ocurre tal evento, el sistema hace tal acción" o "si se da tal condición no deseada, el sistema responde de tal manera". Explicamos cómo hacerlo en esta guía para escribir requerimientos de software sin ambigüedad.

3. Plan técnico y tareas pequeñas

Con la especificación aprobada se define cómo se resuelve: qué partes tiene el sistema, qué funciones, qué casos límite. Luego el plan se divide en tareas cortas, verificables cada una por separado. Una tarea pequeña cabe completa en la memoria de la IA; un proyecto entero, no.

4. Implementación guiada y pruebas

Se implementa una tarea a la vez. Primero se define cómo se va a comprobar que funciona y después se genera el código que debe pasar esa comprobación. Si no pasa, la tarea no está terminada, aunque el código se vea bien.

5. Revisión humana antes de cada entrega

Ningún cambio llega al cliente sin que una persona lo revise contra la especificación. Es el punto donde se detectan los errores que la IA no ve, en especial los de seguridad y permisos, que detallamos en los riesgos reales del código generado por IA.

El contexto del proyecto: las reglas que la IA necesita leer

Una IA que trabaja dentro de un proyecto necesita lo mismo que un profesional nuevo en su primer día: saber dónde está, qué herramientas usa el equipo y qué no debe tocar. A ese conjunto de instrucciones, permisos y límites se le llama arnés del proyecto, y es lo que separa un asistente útil de uno que reescribe archivos que funcionaban.

En la práctica, el arnés son unos pocos documentos cortos que la herramienta lee al comenzar cada sesión:

• Instrucciones del proyecto: tecnología, comandos para ejecutar y probar, convenciones de estilo.
• Límites explícitos: qué puede hacer sola, qué debe consultar antes y qué tiene prohibido.
• Memoria de decisiones: qué se decidió, por qué, y qué errores no deben repetirse.
• Principios del proyecto: reglas que no se negocian, como el idioma de la interfaz o el tipo de base de datos.

A esto se suma el modo plan que ofrecen las herramientas actuales: antes de modificar nada, la IA explora el proyecto y propone qué archivos va a cambiar y por qué. La persona aprueba o corrige el plan, y solo entonces se ejecuta.

Qué sigue haciendo una persona

La IA acelera la escritura de código, pero hay decisiones que no conviene delegar. En nuestros proyectos, estas siguen en manos de una persona:

1. Entender el negocio y traducirlo a reglas concretas.
2. Diseñar el modelo de datos y los permisos de cada usuario.
3. Elegir la arquitectura y las herramientas.
4. Aprobar cada plan antes de que se ejecute.
5. Revisar cada entrega contra lo que se especificó.

Una persona sin conocimientos técnicos puede crear un prototipo con IA, y eso es valioso para validar una idea. Lo que no puede hacer es responder por la seguridad, la consistencia de los datos y la mantención de un sistema que no entiende.

Errores comunes al desarrollar software con IA

La mayoría de los proyectos que se complican con IA no fallan por la herramienta, sino por saltarse pasos que parecían lentos. Estos son los errores que vemos con más frecuencia cuando una empresa llega a pedirnos que ordenemos un sistema a medio construir:

• Empezar por las pantallas: diseñar formularios antes de saber qué datos existen y cómo se relacionan.
• Pedir todo en una sola instrucción: un requerimiento gigante supera la memoria de la IA y produce código inconsistente.
• Aceptar cambios sin leerlos: el error no aparece hoy, aparece cuando otro módulo depende de esa parte.
• No guardar las decisiones: cada sesión nueva arranca sin saber por qué se hizo algo de cierta forma.
• Confundir que funciona con que está bien: una pantalla que carga no garantiza que los permisos o los cálculos sean correctos.

Todos tienen la misma raíz: tratar a la IA como si entendiera el negocio. La IA ejecuta muy bien instrucciones claras, pero no sabe qué es importante para tu empresa a menos que alguien se lo diga por escrito y lo verifique después.

Qué proyectos se benefician más del desarrollo de software con IA

No todos los sistemas ganan lo mismo. La IA aporta más cuando el negocio tiene reglas claras pero ninguna herramienta estándar las cubre bien, porque ahí el costo de construir a medida bajó lo suficiente para que valga la pena. Estos son los casos donde vemos el mayor beneficio:

1. Procesos que hoy viven en planillas compartidas y correos, con varias personas editando lo mismo.
2. Cotizaciones, órdenes de trabajo o inventarios con reglas propias que un software genérico obliga a forzar.
3. Paneles internos que cruzan información de distintas áreas y hoy se arman a mano cada semana.
4. Sistemas que nacieron en una herramienta no-code y crecieron más de lo que esa herramienta soporta.
5. Prototipos que ya se validaron con usuarios reales y necesitan una base sólida para operar.

En cambio, si tu necesidad está bien resuelta por un software estándar del mercado, la IA no cambia esa ecuación. Lo explicamos en la comparación entre software a medida y SaaS: construir solo tiene sentido cuando tu proceso es lo que te diferencia.

¿El desarrollo de software con IA es más barato?

Es más rápido en la etapa de construcción, y eso se nota en plazos y en la posibilidad de probar más antes de decidir. Pero el costo de entender el negocio, modelar los datos, revisar y mantener sigue ahí. Hay una parte del trabajo que se abarata y otra que se vuelve más importante.

El informe de DORA de Google sobre desarrollo asistido por IA llega a una conclusión útil para cualquier gerente: la IA actúa como un amplificador de lo que ya existe en la organización, potenciando a los equipos ordenados y agravando los problemas de los desordenados. Desarrollamos este punto en qué baja y qué no en el costo del software con IA.

Cómo evaluar a un proveedor que dice usar IA

Hoy casi todos los proveedores usan IA para programar, lo digan o no. La pregunta útil no es si la usan, sino cómo la controlan. Estas cinco preguntas separan rápido a quien tiene método de quien improvisa:

1. ¿Qué documentos escriben antes de generar código?
2. ¿Quién revisa cada cambio y contra qué lo compara?
3. ¿Cómo prueban que una funcionalidad hace lo que se pidió?
4. ¿Qué pasa con mis datos si dejamos de trabajar juntos?
5. ¿Quién mantiene el sistema cuando haya que cambiarlo?

Si las respuestas son vagas, el riesgo no está en la IA, está en la falta de proceso alrededor de ella.

Glosario básico para conversar con tu proveedor

Buena parte de la confusión sobre el desarrollo de software con IA viene del vocabulario. Estos cinco términos aparecen en casi cualquier reunión técnica, y entenderlos te permite hacer mejores preguntas:

• Ventana de contexto: la cantidad de información que la IA puede tener presente a la vez. Lo que queda fuera, lo olvida.
• Alucinación: cuando la IA inventa algo que suena correcto, como una función, una librería o un dato que no existe.
• Agente: una IA que no solo responde, sino que ejecuta pasos por su cuenta, como leer archivos, correr comandos y corregir errores.
• Especificación: el documento que describe qué debe hacer el sistema, escrito antes del código y usado para revisarlo después.
• Vibe coding: programar pidiéndole cosas a la IA y aceptando el resultado sin revisarlo.

Si un proveedor usa estos términos con soltura y además puede mostrarte los documentos que los respaldan, es una buena señal. Si los usa solo como argumento de venta, pide ver el proceso.

Cómo empezar un proyecto de software con IA en tu empresa

No necesitas saber programar para preparar bien un proyecto. Lo que más acelera el trabajo es llegar con el proceso claro, y eso depende de tu equipo, no de la tecnología:

1. Elige un solo proceso, el que hoy genera más errores o más trabajo manual.
2. Reúne las planillas, formularios y correos que se usan para operarlo.
3. Anota quién participa y qué puede ver o modificar cada persona.
4. Lista las preguntas que quieres responder con los datos, como reportes o alertas.
5. Define qué queda fuera de la primera versión.

Con ese material, el levantamiento toma mucho menos tiempo y la especificación sale más precisa. Si tu equipo hoy coordina buena parte del trabajo por chat, empieza por leer sobre las operaciones que dependen de WhatsApp, porque suelen ser el primer proceso que conviene ordenar.

Cómo trabajamos en Siete y Media

Usamos Claude Code para programar y lo decimos abiertamente. La herramienta escribe buena parte del código; nosotros definimos la arquitectura, el modelo de datos y las reglas, y revisamos cada entrega antes de que llegue a tu equipo. Llevamos desde 2012 construyendo proyectos digitales para empresas B2B, y ese criterio es justamente lo que la IA no reemplaza.

Los sistemas se construyen en PHP y Supabase y se alojan en el hosting de tu empresa. Tus datos siempre se pueden exportar en CSV o SQL desde el panel, y si necesitas el código fuente te lo entregamos. Las dudas más técnicas sobre stack, propiedad y mantención están en nuestras preguntas frecuentes sobre desarrollo de aplicaciones.

El desarrollo de software con IA no se trata de escribir menos código, sino de decidir mejor qué se escribe y revisar todo lo que se acepta. Modelo de datos, especificación, tareas pequeñas y revisión humana: ese es el orden que convierte una herramienta rápida en un sistema confiable. ¿Qué proceso de tu empresa sigue esperando un sistema porque parecía demasiado caro o lento de construir? Conversemos sobre ese proceso y te mostramos cómo lo abordaríamos.