Si una IA puede armar un tablero de Grafana para Kubernetes en minutos, ¿dónde se ve el valor del trabajo de ingeniería?
Al leer cómo Amazon actualizó sus expectativas para los ingenieros de desarrollo de software. Me quedé pensando en cómo se mide el aporte de la IA; AWS alienta a usar IA en el trabajo diario y, al mismo tiempo, reconoce que contar tokens, cambios de código o revisiones puede generar malos incentivos. Si un equipo siente que tiene que demostrar cuánto usa la IA, puede terminar buscando tareas para justificar su uso. El artículo también reconoce que saber explicar dónde la herramienta aporta poco es una muestra de criterio.
En cuanto al tablero. En plena guardia, alguien avisa que la aplicación está lenta. ¿La latencia subió después del último despliegue? ¿Coincide con reinicios de pods? ¿Afecta a un servicio o a varios? Para que el tablero ayude a decidir qué investigar primero, alguien tiene que conocer la aplicación, elegir qué señales mirar y comprobar que sirven para orientar el diagnóstico.
Cuanto más fácil sea generar código, más importante será entender qué problema merece resolverse y hacerse cargo de lo que pasa después. Si con IA armás en una tarde algo que le ahorra tiempo al equipo cada vez que hay un incidente, ahí se ve el impacto. Y si al entender mejor el problema descubrís que alcanza con ajustar una alerta que ya existe, esa también es una buena decisión de ingeniería.
Deja un comentario