Introducción

En la entrega 3 confirmamos que las bases actuales del desarrollo ciudadano —RPA y no-code/low-code— esconden un riesgo de deuda incluso mayor que Kami Excel. Sobre esa línea, ¿qué cambia con la aparición de la IA generativa?

La IA generativa es capaz de analizar activos de software existentes y ayudar en su migración o rediseño. Pero los activos que nunca se escribieron como código —las cajas negras de no-code o RPA— siguen siendo difíciles de salvar incluso con IA.

En otras palabras, es probable que el legado negativo que permanezca en el futuro se concentre en aquello que “no quedó codificado”.

Serie completa

Fortalezas de la IA generativa: “descongelar” activos de código

Migrar código legado siempre ha sido una tarea intensiva en mano de obra. Millones de líneas escritas en COBOL o VB carecen de documentación y exigen especialistas para su análisis.

Aquí la IA generativa abre una vía de escape.

  • Lectura de código automatizada
    Puede visualizar dependencias entre funciones y deducir el significado de variables o estructuras desde el contexto.

  • Asistencia en conversión de lenguajes
    Genera borradores de migración, por ejemplo de COBOL a Java o de VB a Python.

  • Refactorización semiautomatizada
    Ordena lógicas enmarañadas por funciones y propone tests, acercando el código a un estado manejable para las siguientes generaciones.

En resumen, todo lo que siga existiendo en forma de código puede “descongelarse” con ayuda de la IA. En este sentido la IA generativa puede convertirse en un agente transformador del saneamiento de legados.

Eso no significa que cada activo con código esté salvado: si el entorno donde se ejecutaba ya desapareció o si nadie conoce el dominio de negocio, la IA no podrá reconstruirlo todo. Pero aun así, frente a una caja negra sin código, la probabilidad de recuperación es muchísimo mayor.

Lo que no puede salvar: activos que nunca se codificaron

¿Qué ocurre con los activos construidos en no-code o RPA?

Existen como operaciones en GUI o como diagramas, y su representación interna queda atrapada en formatos específicos de cada proveedor. La IA generativa es especialmente competente con texto, pero las cajas negras almacenadas en formas cifradas o propietarias son difíciles de analizar.

Por ejemplo, muchos “flujos” de RPA parecen diagramas de bloques, pero en realidad son archivos de proyecto cifrados. Las “aplicaciones” no-code suelen ejecutarse solo en la nube del proveedor y no están pensadas para exportar su código fuente.

En la práctica, reconstruirlos es más rápido que rescatarlos. Tal vez en el futuro la investigación permita inferir flujos a partir de capturas o grabaciones de pantalla, pero hoy por hoy seguir el rastro de un activo convertido en caja negra es inviable.

La línea divisoria del legado negativo: si quedó como código o no

De aquí se desprende el factor que determina qué legado negativo sobrevivirá al futuro.

  • Activos preservados como código: la IA generativa abre caminos para reutilizarlos, migrarlos o mejorarlos.
  • Activos que nunca se codificaron: para la IA siguen siendo en gran medida invisibles y no queda más opción que rediseñarlos.

Por lo tanto, la posibilidad de rescate depende de si algo quedó escrito como código. La IA generativa ha hecho esa frontera más nítida.

Perspectiva: la IA no es un salvador omnipotente

La IA generativa es poderosa, pero no es omnipotente. No puede rescatar por completo activos de desarrollo ciudadano convertidos en cajas negras ni justificar decisiones pasadas.

Lo que la IA deja en evidencia es el precio de la “libertad de no escribir código”. Quienes se dejaron seducir por la inmediatez del no-code tendrán que asumir el costo de rediseñar sin ayuda de la IA.

Por eso, en la próxima entrega profundizaremos en cómo evitar crear legado negativo: el diseño de la gobernanza.

Próximo: El desarrollo ciudadano no es omnipotente, es “desarrollo en borrador” 5/7