Artículos originales
Medir el segundo cambio cuando la IA escribe el primero
DevMojos propone medir el esfuerzo de hacer un segundo cambio en un piloto de desarrollo con IA, además del tiempo que llevó entregar el primero.
En una entrevista con InfoQ tras su charla en GOTO Copenhagen, Adam Tornhill describió tres cosas que utiliza al refactorizar con agentes de IA. Establece una línea base, protege el comportamiento que debe permanecer igual y da retroalimentación al agente mientras trabaja. Llevaríamos ese enfoque al momento en que un equipo decide si su piloto de codificación con IA está dando resultados.
Imagina que un agente añade una nueva regla de devoluciones a una herramienta interna de soporte. La primera tarea se cierra rápido y la demostración sale bien. Un mes después, la política vuelve a cambiar. Si la regla está ahora en el formulario de soporte, el servicio y un proceso de generación de informes, la siguiente persona que toque el código tendrá que localizar todas las copias y averiguar cuál tiene prioridad. El esfuerzo de esa segunda tarea forma parte de la evaluación de la primera.
Daríamos dos tareas al equipo durante el piloto. En la primera, haz un cambio real y mide el tiempo desde que tienes un encargo claro hasta que el cambio supera la revisión y las pruebas. Luego, pide a otro desarrollador que haga un segundo cambio razonable en la misma parte del código. Mantén las pruebas y la revisión habituales. Registra cuánto tiempo dedica a entender el comportamiento, qué ajustes exige la revisión y cuántos archivos tiene que modificar.
Si el seguimiento es más difícil de lo que debería ser, corrija la causa mientras el ejemplo sigue fresco. Ponga la regla de devoluciones en un solo lugar y pruébela donde se toma la decisión. Pida otra variación pequeña y vea si el siguiente cambio es más fácil de revisar. El uso de tokens puede ser útil aquí cuando las herramientas lo exponen, junto con el tiempo de ingeniería y el trabajo necesario para que un cambio pase la revisión.
La pregunta que llevaríamos a un líder de equipo es si la siguiente persona puede cambiar lo que el agente acaba de construir. Un piloto que pueda responder a esa pregunta le da una base más sólida para expandir el acceso de agentes a través de una base de código.
Para obtener antecedentes, consulte la entrevista de Ben Linders con Adam Tornhill en InfoQ en “Producing Healthy Code with Artificial Intelligence Costs Fewer Tokens” (19 de noviembre de 2026) en https://www.infoq.com/news/2026/11/healthy-code-AI-tokens/
Esta historia fue redactada con asistencia de IA.

