Todos en el sector tecnológico estamos viviendo la misma fiebre: la necesidad de ir rápido con la Inteligencia Artificial. Usamos asistentes, generamos código a una velocidad nunca antes vista y automatizamos tareas rutinarias. Pero, seamos sinceros, cuantos más agentes de IA tenemos, más caótico se vuelve el desarrollo y más tenemos la sensación de perder el volante.
En muchos equipos, la adopción de la IA está siendo caótica. Cada desarrollador la usa por su cuenta y riesgo, el contexto funcional se diluye entre prompts aislados y, al final del día, generamos mucho código, pero perdemos la visión de producto y la trazabilidad de la arquitectura, es más, las features que generamos vemos que funcionan pero no sabemos cómo realmente funcionan, por lo que no podemos dar soporte ni mantener el producto a largo plazo.
Para resolver este problema, estandarizar el trabajo de los equipos y domar el "caos", he creado L.U.C.I.A. No es una herramienta de pago ni un SaaS restrictivo. Es una metodología basada en repositorios Git estándar que nos permite gobernar la IA a lo largo de todo el ciclo de vida del software, desde la idea hasta la producción.
¿Qué es L.U.C.I.A.?
El logo no es casualidad. Representa los cinco pilares de esta forma de trabajar:
- L (Lifecycle): Cubre absolutamente todo. Desde la inception de la idea y la definición funcional, hasta el despliegue en producción (DevOps/GitOps).
- U (Universal): Es agnóstica. Nosotros la aplicamos usando el stack de Antigravity (con cuentas AI Pro o incluso en su versión gratuita), pero los principios sirven para cualquier modelo, asistente o tecnología.
- C (Collaborative): Humanos e IA colaboran en un entorno natural para ambos: texto plano (Markdown) y repositorios Git.
- I (Iterative): El producto evoluciona de forma controlada mediante commits y flujos de revisión, que se auto-prueban y se validan antes de su despliegue a los distintos entornos de ejecución.
- A (Automation): El pegamento que lo une todo. Scripts y pipelines (CI/CD) que traducen documentos en issues accionables en tableros ágiles y automatizan el despliegue a los distintos entornos de ejecución.
La Arquitectura del Control: Divide y Vencerás
El corazón de L.U.C.I.A. se basa en la separación estricta entre el "Qué" (Negocio) y el "Cómo" (Tecnología), utilizando repositorios Git conectados.
Para ilustrarlo, podemos imaginar el desarrollo de un producto digital interno complejo y a la vez habitual que requiere integraciones, persistencia y una interfaz de usuario.
El Repositorio Git de Producto (El GPS)
Aquí es donde reside la "fuente de la verdad". En este repositorio, no hay código fuente, solo Docs-as-Code (Markdown).
Las personas de negocio y producto pueden hacer uso de cualquier herramienta que estén usando en la actualidad: Excel, NotebookLM, Confluence, etc., lo importante es que el resultado final sea un archivo Markdown que defina la visión del producto y el "Qué" se quiere construir.
A L.U.C.I.A. lo único que le importa es que este repositorio contenga un fichero product-vision.md con esa información y a partir de ese ficher, configuramos a nuestro agente de IA con una skill específica para que asuma el rol de Product Owner y algunos workflows para que pueda extraer los requisitos funcionales y los criterios de aceptación en formato Gherkin.
Pero no se queda aquí, a partir de esos requisitos funcionales, y conociendo el ecosistema de repositorios técnicos (technical-mapping.md) a los que tiene acceso, puede crear las tareas técnicas necesarias en cada uno de los repositorios técnicos correspondientes.
De esta forma, al tener todo el contexto en un solo repositorio, la IA nunca alucina ni pierde el hilo. Sabe exactamente cuáles son las reglas de negocio y los límites del producto.
Incluir nuevas tareas para ser ejecutadas por los equipos de desarrollo es tan sencillo como apoyarse en un workflow de IA (/new-task.md) el cual a través de lenguaje natural nos permite definir la tarea técnica y el repositorio técnico donde debe ser creada, comprueba si ya existe un requisito donde se defina esa tarea técnica y si no existe crea uno nuevo y asocia la tarea técnica a ese requisito.
La Transmisión: Automatización hacia GitLab
Para evitar tener que volver a definir las tareas dentro de cada repositorio técnico, desde este mismo repositorio de producto lanzamos un script que se encarga de crear o sincronizar las tareas en los repositorios técnicos correspondientes: Front, Microservicio 1, Microservicio 2, etc.
En nuestro caso usamos GitLab, que nos permite hacer está sincronización de tareas via API REST, en caso de contar con otro sistema como GitHub, Jira, etc. tendríamos que crear un script especifico para ese sistema.
De esta forma el trabajo llega a los equipos de desarrollo sin necesidad de tener que abrir la herramienta de gestión de tareas, ellos simplemente se encuentran con las tareas listas para ser ejecutadas.
Los Repositorios Técnicos (El Motor)
Un punto vital de esta metodología es su escalabilidad y adaptabilidad tecnológica: un único repositorio de producto puede tener asociados n repositorios técnicos. Al tener esta separación física, podemos dotar a cada repositorio de su propio agente y, lo más importante, configurarlo con las skills (habilidades) exactas para ese proyecto en concreto.
L.U.C.I.A. se adapta a cualquier ecosistema interno. Puedes tener un agente experto en Java y Spring Boot para un repositorio de microservicios de backend, otro especializado en Node.js, y otro configurado con directrices estrictas para desarrollar una SPA (Single Page Application) respetando una arquitectura basada en BLoCs.
Cuando la issue aterriza en uno de estos repositorios, se activan los workflows de sincronización y ejecución. El agente especializado absorbe la tarea con un contexto cristalino: conoce el requisito funcional general, las reglas de negocio exactas y la arquitectura técnica de su dominio específico.
Gracias a que trabajamos sobre una arquitectura de proyecto firmemente definida y a que el proyecto cuenta con mecanismos para autotestearse, le damos autonomía al agente para ejecutar la tarea. El propio agente diseña la solución, pica el código y crea las baterías de pruebas (ya sean tests unitarios, de integración o E2E según la tecnología del repositorio) para validar su trabajo.
Un factor clave en esta autonomía es la estandarización de la infraestructura mediante Docker y Docker Compose. Hemos comprobado que la IA es perfectamente capaz de asimilar y trabajar bajo este paradigma. Al hacerlo, conseguimos que el entorno de desarrollo local que levanta y testea el agente sea idéntico a cómo se va a ejecutar la aplicación en producción. Se acabó el temido "en mi máquina funciona"; si la IA lo conteneriza y los tests pasan, sabemos que el código es robusto.
Si todo está en verde, el agente tiene la capacidad de crear la Merge Request (MR) automáticamente. Es aquí donde el humano interviene para verificar y aprobar los cambios antes de que se integren, es el human-in-the-loop.
Pero un aviso a navegantes: no todo el proceso es IA. En L.U.C.I.A. le damos una importancia extrema a la automatización de procesos tradicional. Una vez que el desarrollador revisa y aprueba la MR, la IA se hace a un lado y los pipelines de integración continua (como GitLab CI) toman el control absoluto. Son estos flujos automatizados clásicos los encargados de empaquetar y desplegar hacia los entornos de beta y producción, asegurando que las subidas sean seguras, deterministas y completamente auditables.
¿Por qué este enfoque lo cambia todo?
Trabajar con la metodología L.U.C.I.A. aporta beneficios inmediatos:
- Estandarización y Paridad Dev/Prod: Todos los equipos interactúan con la IA bajo las mismas reglas. Al incorporar Docker de serie, programamos y testeamos de la misma forma en la que vamos a desplegar.
- Contexto Absoluto: Como la IA vive en el repositorio de Producto, comprende la estrategia global antes de escribir una sola línea de código.
- Trazabilidad Extrema: Podemos rastrear una línea de código en un componente visual directamente hasta la regla de negocio Gherkin que la originó en el repositorio de producto.
- Control del Volante: La IA propone, estructura y acelera, pero el proceso (las MRs, los scripts de sincronización, los tests automáticos y la canalización CI/CD) obliga a que haya validación humana o procedimental en cada punto de inflexión.
- Resiliencia Total (A prueba de caídas): L.U.C.I.A. está hipervitaminada por la IA para alcanzar velocidades vertiginosas, pero funciona exactamente igual sin ella. Al basarse en estándares universales (Markdown, Git, Bash, CI/CD), si un día te quedas sin tokens, se cae el proveedor del modelo o simplemente decides abordar una tarea a mano, tu equipo sigue operando sin fricción. La IA es el acelerador, pero la mecánica del coche es cien por cien tuya.
Conclusión
La Inteligencia Artificial no ha venido a sustituir la ingeniería de software, sino a potenciarla. Pero para escalar su uso en equipos de desarrollo sin generar una deuda técnica inmanejable ni ataduras tecnológicas críticas, necesitamos metodologías sólidas.
L.U.C.I.A. es nuestra respuesta: un marco de trabajo donde la IA es un compañero incansable, pero el ciclo de vida del producto sigue estando firmemente bajo nuestro control.
¿Y por vuestra parte? ¿Cómo estáis estructurando el trabajo con IA en los equipos para no perder el volante? Os leo en los comentarios. 👇
Top comments (0)