Durante generaciones, la ingeniería de software se ha sustentado en una práctica tan humana como frágil: la transmisión oral de conocimientos entre desarrolladores veteranos y sus aprendices. En las oficinas y salas de descanso, los programadores compartían trucos, patrones de arquitectura y lecciones aprendidas de proyectos fallidos. Esa "memoria institucional" se convertía en un activo intangible, difícil de documentar y, sin embargo, esencial para la evolución de los sistemas complejos.

Hoy, la irrupción de la inteligencia artificial en el ciclo de vida del software está desdibujando esa tradición. Herramientas como GitHub Copilot, Tabnine o los recientes modelos de lenguaje de OpenAI y Anthropic pueden generar fragmentos de código, sugerir refactorizaciones y detectar vulnerabilidades con una rapidez que antes requería horas de revisión humana. La promesa es clara: acelerar la productividad, reducir errores y democratizar el acceso a buenas prácticas de desarrollo. Pero, ¿qué ocurre con la transmisión de conocimiento que tradicionalmente se hacía cara a cara?

El valor oculto de la tradición oral

En los inicios de la era del software, la documentación formal era escasa y los lenguajes de programación estaban en constante cambio. Los equipos dependían de la mentoría directa: "cuando el código falla, llamas al senior y él te muestra la solución". Esa interacción no solo resolvía el problema inmediato, sino que también inculcaba una mentalidad de diseño, una comprensión profunda de los trade‑offs y una cultura de calidad.

Este modelo tiene ventajas que la IA aún no puede replicar por completo. Primero, la transmisión de valores y criterios de arquitectura se basa en contextos específicos que un modelo de lenguaje solo puede aproximar. Segundo, la confianza y la cohesión del equipo se fortalecen cuando los miembros resuelven problemas juntos, creando un sentido de pertenencia. Tercero, la capacidad de cuestionar y debatir decisiones técnicas fomenta la innovación, algo que un asistente automático tiende a reforzar con respuestas predefinidas.

La IA como sustituto parcial

Las plataformas de generación de código utilizan enormes bases de datos de repositorios públicos para predecir la siguiente línea de código. En muchos casos, el resultado es correcto y ahorra tiempo. Sin embargo, la IA carece de la visión holística que un desarrollador experimentado aporta al entender el negocio, las restricciones legadas y los planes a largo plazo.

Además, la dependencia excesiva en estas herramientas puede generar una "pérdida de habilidades": los programadores novatos podrían confiar en la IA sin comprender realmente por qué una solución es adecuada o no. Esto se traduce en una brecha de conocimiento que, a diferencia de la tradición oral, no se colma mediante la observación y la práctica guiada.

Riesgos para la resiliencia del software

Cuando la memoria institucional se desvanece, los sistemas heredados se vuelven más vulnerables. Sin la guía de expertos que conocen los recovecos de una arquitectura monolítica o de un microservicio crítico, los equipos pueden introducir cambios que rompan funcionalidades esenciales. La IA, aunque capaz de detectar errores sintácticos, no siempre identifica impactos de negocio o efectos colaterales en entornos de producción.

Este escenario es particularmente preocupante en industrias reguladas (finanzas, salud, energía) donde la trazabilidad y la auditoría del código son obligatorias. Si la documentación formal no se complementa con la experiencia transmitida, las organizaciones podrían enfrentar sanciones o fallas catastróficas.

Un camino intermedio: combinar IA y mentoría humana

La solución no es rechazar la IA, sino integrarla de manera que potencie, en vez de reemplazar, la transmisión de conocimientos. Algunas empresas ya experimentan con "pair programming" asistido por IA, donde un senior revisa el código generado por la herramienta y explica las decisiones al junior. Otros están creando repositorios internos de prompts y respuestas validadas, que sirven como material de entrenamiento para nuevos integrantes.

Asimismo, la documentación automatizada puede convertirse en un nuevo vehículo de la tradición oral. Herramientas que generan diagramas de arquitectura, rastrean decisiones técnicas y registran debates en tiempo real pueden preservar la sabiduría colectiva de forma estructurada y accesible.

Por qué importa a los profesionales tech

Para los profesionales hispanohablantes, este cambio representa una oportunidad y un desafío. La adopción de IA puede elevar la competitividad de los equipos latinoamericanos, permitiendo lanzar productos más rápido. Pero también exige una reinvención de la cultura de aprendizaje: los senior deben convertirse en curadores de conocimiento, mientras que los nuevos talentos deben desarrollar una mentalidad crítica frente a las sugerencias automáticas.

En conclusión, la tradición oral que durante décadas sostuvo la ingeniería de software está bajo presión, pero no tiene por qué desaparecer. La clave está en crear un ecosistema donde la IA sirva como apoyo, mientras se preserva la transmisión humana de experiencia y valores. Solo así se garantizará que el software del futuro sea no solo eficiente, sino también robusto y alineado con los objetivos del negocio.