Cada semana sale una herramienta de IA que promete revolucionar el desarrollo web. La mayoría son ruido. Algunas son útiles. Pocas cambian realmente cómo trabajas.
Dónde la IA aporta valor real
Scaffolding y boilerplate
Generar la estructura inicial de componentes, configuraciones, tests. Código repetitivo que antes copiabas de proyectos anteriores. Ahorra tiempo en tareas mecánicas, pero necesitas saber qué pedir y revisar lo que genera.
Documentación
Generar JSDoc, README, comentarios explicativos. La IA es sorprendentemente buena documentando código existente, aunque puede inventar comportamientos que no existen. Hay que verificar.
Testing
Generar casos de test para funciones existentes, especialmente edge cases — situaciones límite que no se te ocurren porque estás demasiado dentro del problema. Aumenta la cobertura rápido, pero los tests generados a veces validan la implementación en vez del comportamiento esperado.
Debugging y explicación
"¿Por qué este código hace X?" o "¿Qué hace esta regex?" — preguntas donde la IA brilla. Acelera el onboarding en proyectos ajenos y el mantenimiento de código heredado.
Dónde la IA no sustituye el criterio
Arquitectura
La IA puede sugerir patrones, pero no entiende tu contexto de negocio, tu equipo ni tus restricciones. Las decisiones de arquitectura requieren juicio que va más allá de los patrones.
Seguridad
Código generado por IA frecuentemente tiene vulnerabilidades sutiles: queries sin parametrizar — es decir, sin protección contra inyección SQL —, validaciones que solo ocurren en el navegador, tokens sin expiración. Si no sabes identificar estos problemas, no los verás.
Optimización real
La IA optimiza lo que le pides, no lo que necesitas. Puede darte código "más rápido" que rompe la mantenibilidad o introduce bugs en otros flujos.
Riesgos de depender demasiado
Cómo la uso yo en el día a día
Como primer borrador, nunca como producto final. Cuando necesito un componente nuevo, a veces le pido a la IA que genere la estructura inicial. Pero siempre lo reviso, lo reescribo parcialmente y lo adapto al proyecto. El código generado funciona, pero rara vez es el código que yo escribiría.
Para tareas mecánicas que consumen tiempo. Generar tests para funciones existentes, escribir documentación de API, formatear datos... Son tareas donde la IA ahorra tiempo real sin riesgo, porque el resultado es fácil de verificar.
Con revisión crítica, sobre todo en seguridad. He detectado código generado por IA con vulnerabilidades que no eran evidentes a primera vista: validaciones incompletas, permisos mal configurados, datos sensibles expuestos en logs. La revisión manual sigue siendo imprescindible.
Como segunda opinión técnica. "¿Hay una forma más limpia de hacer esto?" o "¿Qué edge cases me estoy dejando?" — preguntas donde la IA aporta perspectivas que a veces no se te ocurren por estar demasiado dentro del problema.
Conclusión
La IA es un multiplicador para quien sabe lo que hace. Para quien no, es una forma de generar problemas más rápido y con más confianza.
La diferencia está en usarla como herramienta, no como muleta. Si puedes hacer el trabajo sin ella, la IA te hará más rápido. Si no puedes hacerlo sin ella, la IA te dará una falsa sensación de que sí.
Si te interesa una visión más amplia sobre qué puede y qué no puede hacer la IA más allá del desarrollo, te puede interesar Inteligencia Artificial: lo que de verdad necesitas saber ↗.