Spec Driven Development: la revolución ha llegado

1. Cuando escribir código deja de ser el principal cuello de botella

Durante gran parte de la historia del software, convertir una necesidad empresarial en una aplicación funcional ha requerido una cantidad considerable de trabajo especializado. Analistas definían requisitos, arquitectos diseñaban soluciones, desarrolladores escribían código, testers comprobaban su funcionamiento y distintos equipos intervenían antes de que una nueva funcionalidad llegara a producción. La capacidad disponible para programar condicionaba directamente cuánto software podía construir una empresa y a qué velocidad podía hacerlo.

La inteligencia artificial está modificando esa economía. Los asistentes de programación empezaron ayudando a completar líneas, generar funciones o explicar código existente. Los coding agents actuales pueden recibir una tarea mucho más amplia, explorar un repositorio, modificar varios archivos, crear pruebas, ejecutar comandos, corregir errores y continuar trabajando hasta completar una parte significativa de una implementación.

DORA encontró en su investigación de 2025 que el 90% de los profesionales tecnológicos encuestados utilizaba IA en el trabajo y más del 80% consideraba que había aumentado su productividad. La investigación posterior subraya una tensión relevante: una mayor adopción se asocia con mayor throughput, pero también con mayor inestabilidad cuando los fundamentos del sistema de desarrollo no evolucionan al mismo ritmo.

Anthropic ofrece otra señal del cambio. En un análisis de 500.000 interacciones relacionadas con programación, el 79% de las conversaciones de Claude Code se clasificó como automatización y el patrón de feedback —la IA realiza trabajo y una persona devuelve errores o resultados para que continúe— tenía un peso especialmente elevado. Esto anticipa un modelo donde el profesional dedica menos tiempo a introducir código línea a línea y más capacidad a definir, revisar y dirigir.

La consecuencia empresarial merece más atención que la cifra de productividad. Si una organización puede producir código mucho más deprisa, también puede producir mucho más código innecesario, difícil de mantener o construido sobre una interpretación deficiente de lo que necesitaba el negocio. El tiempo ahorrado durante la generación puede reaparecer en auditoría, revisión, debugging, retrabajo o incidentes.

Cuando la capacidad de ejecución se expande, el valor se desplaza hacia las decisiones que orientan esa ejecución: definir la intención, aportar el contexto adecuado, preservar las restricciones arquitectónicas, especificar comportamientos y comprobar que el resultado satisface necesidades reales.

Esto afecta directamente a dirección. Durante años, una pregunta recurrente ha sido cuánto cuesta desarrollar una funcionalidad. En un entorno de desarrollo agéntico gana peso otra: ¿con qué precisión somos capaces de definir qué queremos construir y comprobar que lo construido responde a esa intención?

Una empresa puede disponer de modelos de programación avanzados y obtener resultados mediocres si sus requisitos son ambiguos, su arquitectura está mal comprendida, sus sistemas acumulan elevada deuda técnica o sus procesos de testing y QA son débiles. DORA describe la IA como un amplificador de fortalezas y debilidades del sistema de desarrollo.

PRINCIPIO THE THINKING COMPANY

Cuanto más barata y rápida se vuelve la generación de código, mayor valor adquieren la claridad de la intención, la calidad de la arquitectura y la capacidad de verificar el resultado.

Figura 1A · Desarrollo con menor capacidad agéntica

Figura 1B · Desarrollo con coding agents

Las figuras resumen la transición: la IA comprime el esfuerzo necesario para producir código y aumenta la importancia relativa de definir mejor y verificar mejor. Esa transición abre tres formas muy distintas de trabajar con IA dentro del desarrollo.