La eficiencia y la productividad en el desarrollo de software continúa siendo objeto de discusión, aún más en la actualidad, dada la creciente incorporación de la inteligencia artificial
Raúl Fernández, Director de Operaciones de LedaMC, reflexiona sobre cómo la IA está revolucionando la gestión de tecnologías de la información y comparte ideas sobre la manera de evaluar el verdadero valor en los proyectos de software.
Periodista: Raúl, en el contexto actual donde la productividad y eficiencia en el desarrollo de software siguen siendo temas de debate ¿Qué opinión te merecen los estudios recientes que intentan cuantificar la productividad de los programadores?
Raúl Fernández: La medición de la rendimiento en el mundo del software es compleja. Los desarrolladores más experimentados dedican tiempo a reuniones, resolución de problemas y pruebas, actividades que no siempre quedan reflejadas en métricas tradicionales. Sin embargo, la inteligencia artificial está revolucionando esta situación. Aunque algunos temen que la IA pueda reemplazar a los programadores, en realidad, quienes saben cómo aprovechar las herramientas de IA generativa pueden maximizar su productividad y efectividad. La verdadera competencia no reside en la automatización per se, sino en quién sabe usar mejor estas tecnologías.
Periodista: Desde su perspectiva, ¿cuáles son los mayores obstáculos para determinar el valor real en los proyectos de desarrollo de software?
Raúl Fernández: Sin duda, los requisitos mal definidos siguen siendo un problema persistente. Es irónico que, pese a que hemos invertido mucho en perfeccionar procesos y en documentación, los requisitos imprecisos continúan generando dificultades. La raíz del problema radica en que redactar requisitos claros no es solo un asunto técnico; requiere una comunicación efectiva y una comprensión mutua entre todas las partes involucradas.
Periodista: ¿Por qué sigue siendo tan difícil redactar requisitos precisos y claros, incluso en organizaciones con procesos maduros?
Raúl Fernández: La clave está en que redactar un buen requisito implica mucho más que detalles técnicos. Es fundamental que exista una comunicación efectiva y que se logre una comprensión compartida entre los diferentes equipos. Muchas veces, los requisitos se redactan en un lenguaje técnico excesivo o, por el contrario, demasiado genérico, lo que genera interpretaciones distintas. Además, si los requisitos no están alineados con las expectativas del negocio, es probable que surjan sobrecostos y retrasos. La falta de claridad en los requisitos es uno de los principales factores que amenazan el éxito de un proyecto.
Periodista: ¿Qué estrategias o soluciones se pueden implementar para mejorar la definición de requisitos y qué desafíos enfrentan estas propuestas?
Raúl Fernández: Uno de los principales problemas es la ambigüedad. Muchas veces, la información está disponible, pero no de manera estructurada o clara. Esto lleva a diferentes interpretaciones del mismo requisito por parte del equipo de negocio, desarrolladores y testers. Otro desafío importante es la alineación con el negocio; si los requisitos utilizan un lenguaje demasiado técnico o, por el contrario, muy vago, la brecha entre las expectativas y lo desarrollado crece, afectando los tiempos y presupuestos. Por ello, en Quanter hemos identificado la necesidad de incorporar en nuestra plataforma funciones que ayuden a mejorar la definición y comprensión de requisitos, facilitando la comunicación y la precisión.
Periodista: La inteligencia artificial generativa está impulsando muchas innovaciones en el desarrollo de software. ¿Qué otras mejoras relacionadas con IA tienen en mente para los próximos meses?
Raúl Fernández: La incorporación de la IA en Quanter ha sido un avance significativo, especialmente en áreas como la estimación inteligente y la mejora de requisitos. Pero no planeamos detenernos allí. Actualmente, estamos trabajando en dos nuevas funcionalidades: una que permite interpretar contenido de imágenes en documentos PDF y otra que genera casos de prueba automáticamente a partir de requisitos en lenguaje natural. La idea es que, mediante la IA generativa, la plataforma analice los requisitos y produzca casos de prueba coherentes, lo que facilitará la validación desde las primeras fases y reducirá errores, acelerando los ciclos de desarrollo.
Periodista: ¿Cómo contribuye la inteligencia artificial generativa a perfeccionar los requisitos en herramientas como Quanter?
Raúl Fernández: La IA generativa ayuda a mejorar la calidad de los requisitos desde el inicio. Cuando introducimos un requisito en lenguaje natural, la herramienta puede analizarlo y sugerir mejoras basadas en buenas prácticas, estándares del sector y criterios internos. Además, explica cada cambio, ayudando a los equipos a entender su impacto. Esto garantiza que los requisitos sean más claros, mejor estructurados y precisos, lo que a su vez permite hacer estimaciones más exactas y reducir riesgos en etapas posteriores del proyecto.
Periodista: Muchas gracias, Raúl, por compartir tu visión sobre estos temas tan relevantes para el futuro del desarrollo de software.
Raúl Fernández: Gracias a ustedes. Es un placer conversar sobre cómo la innovación y la tecnología están transformando nuestro sector para hacerlo más eficiente y efectivo.
Arriba, en la foto, Raúl Fernández, Director de Operaciones de LedaMC
