La IA está desencadenando una nueva revolución industrial.

Al igual que la máquina de vapor y las fábricas provocaron un aumento exponencial de la producción, lo mismo ocurrirá con las herramientas de IA en el lugar de trabajo. No es de extrañar que tantos directores de tecnología, incluidos nuestros socios, estén analizando la mejor manera de aprovechar estas tecnologías.

Pero aunque la IA vaya a revolucionar los negocios, como cualquier herramienta, debe utilizarse de la forma adecuada. Y las herramientas de código de la IA son iguales. Si no se adoptan correctamente, pueden causar a una empresa daños financieros y de reputación.

Acá hay siete errores comunes que se deben evitar para asegurarse de aprovechar las herramientas de código de IA de manera efectiva.

1. Seleccionar la primera herramienta que encuentre

No todas las herramientas de código de IA son iguales.

Utilizan diferentes bases de datos LLM, soportan diferentes lenguajes de programación y tienen diferentes conjuntos de características. El hecho de que todo el mundo hable de la herramienta de moda de la semana no significa que sea la adecuada para tu equipo. Puede que haya una opción mejor que se adapte mejor a cada configuración.

Así que, en lugar de apresurarte a comprar licencias para ocho herramientas diferentes cada vez que un miembro del equipo lo solicite, tomate un momento para hacer una investigación adecuada y familiarizarte con el terreno.

Acción: Llevar a cabo una revisión interna de las herramientas existentes y de las nuevas herramientas candidatas.

2. Implantación sin una estrategia clara

¿Cómo encajarán estas herramientas en el proceso de desarrollo? ¿Ejecutará la herramienta de comprobación de la seguridad de la IA en primer o último lugar del proceso de pruebas? ¿Son libres los desarrolladores de ejecutar las herramientas de generación de código como deseen, o deben limitar su uso a bloques de código más pequeños?

Estas preguntas pueden parecer insignificantes, pero son fundamentales para garantizar que estas herramientas sean útiles, no perjudiciales.

Acción: Prepará un documento de estrategia que describa las buenas y malas prácticas para el uso de herramientas de codificación de IA y dónde encajan dentro de su estrategia de desarrollo.

3. No reducir los riesgos para los datos y la seguridad

Un estudio reciente realizado por un estudiante de la Universidad de Stanford sobre las herramientas de codificación de IA mostró un resultado preocupante: provocaban más vulnerabilidades de seguridad que la media.

Además, una encuesta de ingenieros de software realizada por Snyk (vía Cybersecurity Dive) está de acuerdo: más del 50% informó de un aumento de los problemas de seguridad en el código generado por IA.

Esto se debe en parte al entorno, ya que los programadores confiaban en que la IA escribiría código de calidad. Además, el proceso de escritura de código era más oscuro que el código escrito por humanos, lo que significaba que era más difícil de comprobar. Pero el otro factor son los datos de entrenamiento. Los modelos de IA se entrenan con datos heredados y, con frecuencia, con bases de datos de código abierto que no suelen seguir las mejores prácticas. Éstas incluyen con frecuencia vulnerabilidades que hacen que las herramientas de IA copien los puntos débiles.

Y luego están los datos…

Muchas herramientas de IA se entrenan a partir de los datos que reciben y todas envían sus entradas a los servidores en los que se basan. Esto significa que existe la posibilidad de que se produzcan fugas de datos. No basta con confiar en que estas empresas tecnológicas se atengan a la normativa sobre datos; hay que asegurarse de que no estén revelando datos reales.

Ninguno de los dos problemas es insalvable, pero ambos deben reducirse para evitar costosos daños.

Acción: En tu documento de estrategia, anotá los riesgos asociados de cada herramienta y cómo los vas a reducir.

4. Aumento de la deuda técnica

El hecho de que la IA pueda hacer un código que haga el trabajo, no significa que se adapte a su arquitectura. Aunque las mejores herramientas de IA aprenderán y se adaptarán a su base de código, aún no tienen el conocimiento que tienen los ingenieros humanos.

Y lo que es peor, el código que producen rara vez es legible por humanos, lo que puede hacer más difícil su adaptación en el futuro. Sin una adecuada revisión y edición del código por parte de los programadores y probadores, los equipos de desarrollo pueden acabar sumidos en una deuda tecnológica.

Acción: Asegurate de tener una revisión de código adecuada y pruebas de control de calidad para el código generado por IA.

5. No ofrecer formación a los ingenieros

Que tengas una estrategia no significa que tus ingenieros la apliquen. Si no proporcionás directrices adecuadas a tus ingenieros sobre cómo deben utilizar las herramientas de IA (y los riesgos que deben reducir), estás invitando al personal a hacer un mal uso de ellas.

En cambio, si les proporcionás una formación adecuada, se adaptarán a ellas más rápida y eficazmente, lo que aumentará el rendimiento y reducirá los otros desafíos.

Acción: Implementá sesiones de incorporación para los nuevos ingenieros en cada herramienta de codificación de IA que utilices.

6. No supervisar la eficacia de la estrategia

Al igual que los desarrolladores y otros aspectos de la estrategia de codificación suben para su revisión, también deberían hacerlo tus herramientas de codificación de IA.

Aparecerán nuevas herramientas en el mercado, y tenés que asegurarte de que tu equipo ahorra tiempo gracias a las ventajas de la IA y no pasa más tiempo corrigiendo los errores.

Acción: Planificá una revisión trimestral de herramientas de IA para identificar fortalezas, debilidades y oportunidades.

7. Pensar que las herramientas de IA pueden sustituir a los ingenieros

No hay duda de que las herramientas de codificación de IA pueden acelerar enormemente el proceso de desarrollo, e incluso es posible utilizarlas para codificar con un mínimo o ningún conocimiento de desarrollo, pero no es un camino seguro.

Cuanto más dependamos de las herramientas de IA sin una supervisión adecuada, mayores serán los riesgos a los que nos expongamos y más difícil será adaptarnos en el futuro. Es fundamental contar con ingenieros expertos que puedan refinar y reescribir el código de IA para hacerlo más flexible, reducir la deuda técnica y hacerlo comprensible para futuros desarrollos.

El aumento de la productividad de las herramientas de IA te dará opciones estratégicas de desarrollo, como acelerar tu hoja de ruta, reducir tu equipo de desarrollo o una mezcla de ambas. Pero no te precipites: si no acertás con tu estrategia desde el principio, podés descubrir que tu equipo pasa más tiempo arreglando nuevos problemas que implementándolos.

Acción: Complementá tu equipo de desarrollo con herramientas de codificación de IA en lugar de sustituirlas.

Un impulso, no un recorte de costos

Al igual que las estrategias de deslocalización más exitosas buscan maximizar el valor en lugar de maximizar el ahorro, lo mismo ocurrirá con la estrategia óptima de codificación de IA.

Combinando el impulso productivo de la IA con la sabiduría, la experiencia y la supervisión que sólo un ingeniero cualificado puede ofrecer, evitarás estos costosos errores.

*Con información de Forbes US