El Prompting de hoy, es el spaghetti code de ayer
Diario de Innovación #378
Durante un tiempo, todos hemos jugado al mismo juego:
Abres una ventana de chat.
Escribes un prompt.
Esperas.
Corriges.
Vuelves a pedir.
Copias.
Pegas.
Pruebas.
Repites.
Y mientras haces todo eso, hay algo incómodo que cuesta reconocer: el cuello de botella eres tú.
No porque no sepas usar la IA.
Sino porque sigues usando la IA como una conversación cuando empieza a comportarse como un sistema operativo de trabajo.
Ahí aparece una idea cada vez más importante en el desarrollo con IA: Loop Engineering.
No se trata de escribir el prompt perfecto.
Se trata de diseñar un bucle.
Una pequeña organización artificial donde hay, como mínimo, tres roles:
El planificador: Decide qué tarea toca ahora.
El ejecutor: Escribe código, modifica archivos, lanza comandos, genera artefactos.
El verificador: Audita lo que ha hecho el ejecutor y devuelve errores, mejoras o bloqueos.
La clave está en esta regla: nunca dejes que el mismo modelo se corrija a sí mismo sin supervisión independiente.
Porque un modelo que evalúa su propio trabajo puede hacer algo muy humano: justificar sus errores con mucha seguridad.
La diferencia entre prompting y loop engineering es parecida a la diferencia entre pedirle algo a un becario hiperproductivo y montar un pequeño equipo autónomo con auditoría interna.
En el primer caso, tú sigues encima de todo. En el segundo, diseñas el sistema para que trabaje, revise y mejore con menos intervención humana.
La diferencia principal estriba en que el valor ya no está solo en saber pedir. Está en saber diseñar el entorno donde la IA puede actuar sin romperlo todo.
Eso implica varias cosas.
Primero: el estado no puede vivir solo en la ventana de chat.
Tiene que vivir en disco.
En archivos.
En documentación.
En issues.
En tests.
En trazas.
En decisiones persistentes.
Porque si cada sesión empieza desde cero, no tienes un sistema.
Tienes una conversación cara con buena memoria a corto plazo.
Segundo: hay que definir límites antes de empezar.
Presupuesto máximo de tokens.
Número máximo de iteraciones.
Condición clara de terminado.
Qué puede tocar el agente.
Qué no puede tocar.
Cuándo debe parar y pedir ayuda.
Tercero: los tests en verde no son suficiente.
Este es el punto más peligroso.
Un loop puede escribir código, corregir errores, pasar tests y hacer merge a una velocidad que ningún equipo humano puede seguir intelectualmente.
Y entonces aparece una nueva forma de deuda técnica, la deuda cognitiva.
El sistema funciona. Pero nadie entiende muy bien por qué.
Los tests pasan. Pero nadie sabe explicar qué ha cambiado.
La entrega avanza. Pero el conocimiento se queda por el camino.
Y eso, en tecnología, siempre se paga.
La próxima frontera no será “usar más IA”.
Será gobernar sistemas de IA que trabajan en bucle.
Con memoria.
Con verificación.
Con límites.
Con auditoría.
Con capacidad de autorreparación.
Y, sobre todo, con humanos que sigan entendiendo lo importante.
Porque la pregunta ya no es si la IA va a escribir código.
Eso ya está pasando.
La pregunta es otra: ¿seguiremos entendiendo los sistemas que la IA construye?
🌍 El eco del mercado
🧲 La guerra de la IA ya no va solo de GPUs: va de cerebros. Noam Shazeer, una de las mentes detrás de Transformer —la “T” de GPT—, deja Google DeepMind para liderar investigación de arquitectura en OpenAI. El movimiento escuece doble: Google lo había recomprado hace apenas dos años en la operación de 2.700 millones de dólares con Character.AI para reforzar Gemini.
Y no es un caso aislado. John Jumper, Nobel por AlphaFold y la predicción de estructuras de proteínas, también deja DeepMind tras casi nueve años para fichar por Anthropic.
🧠 OpenAI empieza a fichar también poder político. Además de talento técnico, OpenAI incorpora a Dean Ball, exresponsable de política de IA en la Administración Trump. El movimiento encaja con la fase previa a una IPO: no basta con tener modelos punteros; hay que saber navegar gobiernos, regulación y mercados públicos.
Lectura estratégica: la batalla por la IA avanzada ya no se libra solo en chips, data centers o capital. Se libra en la capacidad de atraer a las pocas personas capaces de mover la frontera. Google sigue teniendo infraestructura, distribución y ciencia. Pero cuando OpenAI ficha arquitectura y Anthropic ficha biología computacional de élite, la señal es clara: el talento fundacional se está convirtiendo en el recurso más escaso del mercado.
🩻 Midjourney quiere pasar de imaginar cuerpos a escanearlos. Midjourney prepara un escáner corporal por ultrasonido capaz de mapear músculos, grasa, huesos y órganos en 60 segundos dentro de una tina de agua. Es un giro inesperado: una compañía conocida por generar imágenes sintéticas quiere entrar ahora en la captura e interpretación del cuerpo humano.
🧱 Amazon quiere vender chips de IA y abrir otro frente contra NVIDIA. Amazon prepara la venta directa de sus chips Trainium a empresas externas. Hasta ahora, su silicio propio era sobre todo una ventaja interna para AWS. Ahora quiere convertirlo en producto y competir más abiertamente con NVIDIA.
🔐 Francia pone fecha al fin de la criptografía clásica. La agencia francesa ANSSI prepara exigencias para que los productos de seguridad incorporen criptografía poscuántica desde 2027. La amenaza cuántica deja de ser una discusión de laboratorio y empieza a entrar en calendarios regulatorios.
🛰️ China quiere llevar los centros de datos a órbita. China lanzó satélites con IA a bordo y aprobó un centro estatal de innovación para construir centros de datos espaciales. El movimiento mezcla computación, defensa, comunicaciones y soberanía orbital.
🎓 China rediseña la universidad como cadena de suministro de IA. China elimina miles de carreras universitarias y las reemplaza por programas vinculados a inteligencia artificial, robótica, semiconductores e inteligencia encarnada. No es una reforma académica menor. Es una reorganización industrial desde la base.
🛡️ La IA entra en el Pentágono por la puerta administrativa. Responsables del Pentágono presumen del uso de GenAI.mil para generar informes al Congreso. La señal no está en el documento concreto, sino en la normalización: la IA generativa ya entra en los flujos oficiales de defensa.
🧬 La biotecnología también entra en la guerra geopolítica. Los acuerdos biotech entre China y Estados Unidos se complican por el creciente escrutinio regulatorio. La frontera tecnológica ya no pasa solo por chips, modelos o nube. También pasa por salud, datos clínicos, terapias y propiedad intelectual científica.
🌍 La órbita baja ya necesita normas de tráfico. Una simulación intenta anticipar colisiones entre satélites antes de que desencadenen un desastre orbital. El problema es sencillo de explicar y difícil de resolver: hemos llenado el cielo de infraestructura, pero seguimos gestionándolo como si fuera casi vacío.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD. Si este tema te interesa, aquí van algunas lecturas para seguir tirando del hilo:
El Programador Pragmático, de David Thomas y Andrew Hunt. Para recordar que las herramientas cambian, pero el criterio técnico sigue siendo lo que separa al profesional del operador automático.
Accelerate, de Nicole Forsgren, Jez Humble y Gene Kim. Muy útil para entender por qué la velocidad sin métricas, calidad y feedback no es ingeniería: es ruido con despliegues.
The DevOps Handbook, de Gene Kim, Jez Humble, Patrick Debois, John Willis y Nicole Forsgren. El libro que mejor conecta con la idea de bucle: construir, medir, aprender, automatizar y mejorar el sistema.
Working Effectively with Legacy Code, de Michael Feathers. Porque si la IA genera código que nadie entiende, mañana todo ese “apalancamiento” puede convertirse en legacy a velocidad de vértigo.
PD2. Y si además de leer sobre loops de IA quieres hacerte la vida un poco más cómoda mientras programas, aquí van algunas ideas prácticas:
Un brazo para monitor. Porque muchas veces el primer bug del día no está en el código, sino en tener el cuello doblado como una alcayata.
Un soporte para portátil. Pequeño, barato y muy agradecido. Eleva la pantalla, mejora la postura y convierte cualquier mesa en un puesto de trabajo medio decente.
Un soporte vertical para portátil. Para quienes trabajan con pantalla externa y quieren recuperar espacio físico. La mesa despejada también es una forma de productividad.
Un teclado cómodo. Si vas a pasar horas escribiendo prompts, código, commits y mensajes de Slack, tus muñecas agradecerán que no racanees aquí.
Unos auriculares ligeros. No hace falta montar un estudio de grabación. A veces basta con poder aislarte un poco del ruido y entrar en modo foco.