D

e todas las posibles aplicaciones de la IA generativa, la propuesta de valor de utilizarla para escribir código fue quizá la más clara. Programar puede ser un proceso lento y requiere experiencia, lo que puede resultar costoso. Además, la promesa de que cualquier persona que pudiera describir su idea en texto plano podría crear aplicaciones, funcionalidades u otros productos que aporten valor significaba que la innovación ya no estaría limitada a quienes tienen las habilidades para ejecutar, sino que podría ser realizada por cualquiera que tuviera una idea.

A medida que las empresas han anunciado despidos masivos en el sector de la ingeniería (algunos de los cuales se han atribuido directamente a la eficiencia impulsada por la IA), parece que los ejecutivos están experimentando con la reducción de sus departamentos de ingeniería y el uso de bots de IA para compensar la diferencia.

Dado el estado actual de la IA, los líderes deberían considerar tres reglas para utilizar con éxito las herramientas de codificación con IA: pruebas y verificación rigurosas, protección de la infraestructura y tratar a la IA como un posible adversario.

1. Pruebas y verificación rigurosas

El código generado por IA exige una verificación más rigurosa, no menos.

— Automatice la verificación con seguridad de tipos. Los lenguajes de programación con seguridad de tipos (como C++, Rust o Scala) aplican reglas sobre cómo fluyen los datos a través de su sistema en tiempo de compilación, detectando categorías llenas de errores antes de que el código se ejecute. Es fundamental destacar que esta verificación no depende de un LLM que pueda alucinar, sino que se trata de una comprobación determinista realizada por un compilador.

— La revisión de código impulsada por IA puede ser sorprendentemente potente. Utilice un agente de IA dedicado a revisar las ediciones de código. Aunque los LLM pueden alucinar durante la revisión, el agente revisor puede detectar problemas que el agente de codificación pasó por alto.

— Las pruebas unitarias le dan a la IA dos oportunidades de hacerlo bien. Las pruebas unitarias son pruebas pequeñas y automatizadas que verifican que los componentes individuales del código funcionen correctamente de manera aislada. Incluso cuando son escritas por un LLM, las pruebas unitarias reducen los errores de forma significativa.

2. Protección de la infraestructura

Escribir un código seguro es solo la mitad de la batalla. La ingeniería de software también requiere proteger y reforzar la infraestructura subyacente sobre la cual se ejecuta su código. Al igual que las pruebas y la verificación rigurosas, este es otro aspecto de la ingeniería que puede pasarse por alto fácilmente.

— Separe los entornos de desarrollo y producción. Los equipos profesionales de software mantienen una separación estricta entre los entornos de desarrollo (donde los desarrolladores experimentan en sus máquinas locales) y los entornos de producción (lo que ven los usuarios). Cada entorno utiliza una base de datos independiente, y la IA solo tiene acceso al entorno de desarrollo.

— Evite los depósitos de almacenamiento públicos y otras configuraciones incorrectas comunes. La filtración de la aplicación de citas Tea (que expuso 72,000 imágenes sensibles) fue resultado de un depósito de almacenamiento de Firebase sin protección. Este error de principiante es el equivalente digital de cerrar la puerta principal, pero dejar la ventana abierta.

3. Tratar a la IA como un posible adversario

En esta sección, destacamos cómo la amenaza de la IA puede ir más allá del descuido y volverse adversarial.

— No asuma que la IA seguirá las reglas. En ocasiones, los agentes de codificación no permiten la lectura de archivos que puedan contener secretos (como .env). A pesar de estas salvaguardas, yo mismo he visto cómo la IA elude estas medidas de seguridad para leer de forma encubierta un archivo .env.

— Debemos tratar los entornos en los que opera la IA como potencialmente hostiles. Afortunadamente, la solución existe. Tecnologías como Docker y la virtualización han protegido durante mucho tiempo el alojamiento de cargas de trabajo potencialmente hostiles en servidores en la nube.

El camino a seguir

El futuro probablemente implique la colaboración entre ingenieros humanos y herramientas de IA, con los humanos aportando la visión arquitectónica, las pruebas rigurosas y la protección de la infraestructura, mientras que la IA acelera las tareas de implementación. Los líderes que reconocen esta realidad e invierten en procesos de ingeniería rigurosos construirán sistemas más resilientes, seguros y sostenibles que aquellos que compran la narrativa exagerada y confunden la velocidad de generación de código con una productividad real.

D

urante casi una década, hemos estudiado cómo las asignaciones desafiantes impactan en las trayectorias de los empleados que inician su carrera profesional. Si bien las investigaciones previas se centran en su importancia a niveles de carrera intermedios o superiores, nosotros nos preguntamos: ¿Cuándo empiezan a importar las asignaciones desafiantes y quiénes se benefician más de ellas? Para responder a estas preguntas, diseñamos dos proyectos de investigación que examinan su impacto en los ingenieros durante sus primeros años de trabajo.

El primero fue un estudio cualitativo de 19 profesionales en las primeras etapas de su carrera, basado en dos muestras de entrevistas a recién graduados que se incorporaban al mercado laboral. La mayoría de las personas entrevistadas eran mujeres que se identificaban como asiáticas, de color, latinas o de otros orígenes raciales/étnicos, y se les pidió que describieran asignaciones desafiantes basándose en sus propias experiencias. También reflexionaron sobre cómo se seleccionaba a las personas para estas oportunidades y los resultados de haberlas recibido.

El segundo fue un estudio cuantitativo longitudinal basado en encuestas a más de 600 graduados de programas universitarios de ingeniería en EE. UU., con un máximo de tres años desde su graduación. Del total de la muestra, el 65% se identificó como hombres y el 35% como mujeres. La mayoría (88%) eran personas asiáticas y/o blancas, en comparación con el 12% que eran de color, latinas, indígenas y/o del Pacífico. Estos datos demográficos reflejan de forma cercana a los graduados en ingeniería de los EE. UU. en el momento del estudio (2015–2017), con una representación particularmente elevada de mujeres entre quienes respondieron nuestra encuesta.

En este estudio, desglosamos una asignación desafiante en dos componentes principales y analizamos cada uno por separado: asignaciones que son visibles para otras personas en la organización (son conocidas y hacen que usted sea conocido), y que implican áreas nuevas y desconocidas (lo sacan “fuera de su zona de confort” y le ayudan a desarrollar nuevas habilidades). Analizamos quién tenía acceso a estas asignaciones midiendo la frecuencia con la que las personas encuestadas participaban en cada tipo.

También examinamos cómo estos tipos de asignaciones se relacionaban con las expectativas de recompensas laborales de cada participante. Aunque no pedimos directamente que vincularan sus expectativas con las asignaciones desafiantes, nuestros modelos estadísticos nos permitieron analizar esas relaciones, ofreciendo una visión de cómo este tipo de trabajo puede moldear las percepciones sobre el desarrollo profesional. Observamos diferencias por género y raza/etnia entre ingenieros, controlando los factores académicos y laborales.

Nuestros hallazgos revelan un patrón crítico, pero poco estudiado: el impacto de las asignaciones desafiantes no sólo radica en cuándo comienzan a dar forma a las carreras (a menudo, desde el inicio), sino también en cómo lo hacen (y ese impacto no es uniforme).

Específicamente, descubrimos que las asignaciones desafiantes al inicio de la carrera (especialmente aquellas que implican áreas nuevas y desconocidas de trabajo) estaban más fuertemente vinculadas con recompensas esperadas para los grupos dominantes en ingeniería: hombres e ingenieros de origen blanco y asiático. En contraste, los mismos tipos de asignaciones no estaban vinculados a las mismas recompensas esperadas para mujeres ingenieras o ingenieros de color, latinos, indígenas y del Pacífico con cualificaciones y posiciones similares.

 ¿Dónde fallan las organizaciones?

Nuestra investigación, junto con hallazgos de estudios relacionados sobre las disparidades en las tareas laborales, destaca dos errores comunes que las organizaciones deberían abordar al desarrollar una estrategia de talento que incluya asignaciones desafiantes.

A continuación, describimos cada problema y ofrecemos pasos prácticos que los líderes sénior pueden tomar para construir sistemas más justos al asignar, apoyar y recompensar el trabajo desafiante en las primeras etapas de la carrera profesional.

1. Subestimar la importancia de una asignación desafiante.

En nuestro estudio cualitativo, varios participantes sabían qué era una “asignación desafiante”, pero tenían dificultades para describir cómo funcionaban estas oportunidades en su organización. Muchos eran aún menos conscientes de lo importantes que podían ser estas asignaciones para el crecimiento de su carrera. Esto reflejaba una falta general de comunicación por parte de los gerentes sobre lo que realmente se necesita para avanzar.

Cómo solucionarlo: Para garantizar que las asignaciones desafiantes se distribuyan y se busquen de manera equitativa, las organizaciones deben equipar a los gerentes con una orientación clara sobre el papel que desempeñan en el desarrollo del talento en etapas tempranas. Esto implica no depender únicamente de la mentoría o el acompañamiento informal, sino también proporcionar herramientas y sistemas estructurados que ayuden a los gerentes a comunicar cómo se ve el alto rendimiento y cómo ayudar a los empleados a alcanzarlo.

Los líderes sénior pueden desempeñar un papel fundamental proporcionando orientación y formación que ayude a los gerentes de primera línea a comunicar estos caminos a sus equipos. Esto incluye fomentar comportamientos orientados a tomar la iniciativa, como expresar interés en asignaciones desafiantes, buscar proyectos de alta visibilidad, cultivar relaciones con colegas influyentes e identificar oportunidades para obtener patrocinio y desarrollar habilidades.

Igualmente importante es asegurarse de que esos mensajes se transmitan de forma equitativa y sistemática. Las organizaciones deberían establecer procesos que ayuden a los gerentes a dar seguimiento a quiénes están desarrollando y a quiénes podrían estar pasando por alto.

2. Pasar por alto qué miembro del equipo espera (y recibe) recompensas.

Nuestro estudio cuantitativo destacó un segundo error: la relación entre asignaciones desafiantes y recompensas laborales esperadas fue, en general, más fuerte para los grupos dominantes en ingeniería (hombres e ingenieros blancos y asiáticos). De hecho, aunque las mujeres ingenieras informaron realizar más asignaciones desafiantes en áreas desconocidas, las recompensas laborales esperadas asociadas con ese trabajo eran menos claras para ellas que para los hombres.

Estas disparidades se acentuaron aún más cuando se analizaron por raza y etnia. En el caso de los ingenieros asiáticos y blancos, las asignaciones desafiantes en áreas nuevas y desconocidas estaban fuertemente vinculadas a aumentos salariales y promociones esperadas. Estas mismas relaciones no se observaron en ingenieros de color, latinos, indígenas y del Pacífico. Esto sugiere que los beneficios profesionales de estas oportunidades no se perciben por igual en todos los grupos.

¿A qué se debe esto? No se debe a diferencias en habilidades, confianza o experiencia. Nuestro análisis controló la confianza de los ingenieros, el éxito académico, las prácticas previas y la exposición profesional. En cambio, teorizamos que la diferencia radica en el estatus.

Décadas de investigaciones sociológicas muestran que las personas percibidas como altamente competentes en un campo determinado (a menudo aquellas de grupos históricamente privilegiados) tienen más probabilidades de recibir el beneficio de la duda en situaciones ambiguas. Personas igualmente calificadas de grupos históricamente menos privilegiados enfrentan mayor escrutinio y escepticismo. Con el tiempo, estas ventajas pueden interiorizarse, haciendo que algunos grupos tengan más probabilidades de esperar recompensas profesionales, mientras que otros pueden estar menos seguros de que los mismos esfuerzos conduzcan al progreso.

Cómo solucionarlo: Las organizaciones no solo deberían dar seguimiento a quién recibe asignaciones desafiantes, sino también aclarar cómo estas oportunidades se conectan con el crecimiento profesional. Asignar simplemente trabajo de alto impacto (o alentar a los empleados a buscarlo) no es suficiente. Los empleados necesitan saber: ¿Cómo se ve el éxito? ¿Qué habilidades específicas se desarrollarán? ¿Cómo se tomará en cuenta este trabajo en futuros aumentos, promociones o consideración para puestos de liderazgo?

Con demasiada frecuencia, se asume que el valor de una asignación desafiante es evidente por sí mismo, pero nuestra investigación sugiere que, dado el peso de las creencias culturales y los sesgos ampliamente difundidos, distintos grupos perciben el beneficio de un trabajo similar de manera muy diferente. Sin sistemas que aclaren el propósito, las expectativas y los resultados potenciales de estas oportunidades, las organizaciones corren el riesgo de socavar las mismas posibilidades de avance que las oportunidades de mejora están teóricamente diseñadas para abrir.

Las organizaciones también pueden tomar medidas para garantizar que las personas que se destacan en asignaciones desafiantes sean reconocidas y apoyadas de formas que conduzcan a un crecimiento profesional real. Reconocer públicamente a quienes sobresalen en estos roles aumenta su visibilidad y destaca sus contribuciones ante quienes toman decisiones clave.

En última instancia, nuestra investigación subraya la importancia de diseñar sistemas que hagan que el valor y las recompensas de las asignaciones desafiantes sean claros, consistentes y accesibles.