Cómo la IA cambió el desarrollo de software para siempre: construyendo el futuro agéntico con Andre Baltieri [MVP]

La inteligencia artificial está transformando el desarrollo de software a una velocidad que rara vez hemos visto antes. Los desarrolladores ya han pasado de escribir cada línea de código por sí mismos a trabajar con asistentes de IA capaces de generar código, explicar sistemas desconocidos, crear pruebas, depurar aplicaciones y automatizar tareas repetitivas. Pero según el MVP de Microsoft Andre Baltieri, eso es solo el comienzo.

En este episodio de M365.FM, Mirko Peters conversa con Andre en una inmersión profunda en la transición del desarrollo de software tradicional al desarrollo asistido por IA, los agentes de programación, las arquitecturas agénticas, Microsoft Agent Framework, .NET, RAG, la ingeniería de contexto, la seguridad y la economía de la IA generativa.

DE .NET EN 2003 A LA ERA DE LA IA
Andre nos lleva a los primeros días de .NET y C#, cuando aprender una nueva tecnología de Microsoft a menudo significaba comprar formación oficial y viajar a otra ciudad. Desde entonces, el desarrollo de software ha pasado por el escritorio, la web, el móvil, la nube, los contenedores, los microservicios y la computación sin servidor. Andre sostiene que la transición a la IA se siente fundamentalmente distinta. En lugar de introducir simplemente otra plataforma o framework, la IA introduce una nueva forma de interactuar con el software.

ASISTENTES DE IA VS. AGENTES DE PROGRAMACIÓN CON IA
Existe una diferencia importante entre tener un asistente de IA dentro de tu IDE y delegar trabajo en un agente. Un asistente puede explicar código, sugerir refactorizaciones, responder preguntas y ayudar a los desarrolladores a entender sus aplicaciones. Un agente puede recibir un objetivo, crear un plan, dividir el trabajo en tareas más pequeñas, usar herramientas, coordinar agentes adicionales e implementar partes significativas de la solución. Andre explica cómo esto ya está cambiando su propio flujo de trabajo, con la IA generando gran parte del código que antes escribía manualmente.

DESARROLLO DE SOFTWARE GUIADO POR ESPECIFICACIONES
A medida que los agentes se vuelven más capaces, las especificaciones cobran cada vez más importancia. En lugar de describir cada detalle de implementación, los desarrolladores pueden definir requisitos, arquitectura, restricciones y comportamiento esperado, y permitir que los agentes determinen cómo debe completarse cada parte de la implementación. Esto desplaza la atención del desarrollador de simplemente producir código hacia definir qué debe construirse y por qué.

MICROSOFT AGENT FRAMEWORK
La conversación pasa a Microsoft Agent Framework y su papel en la incorporación de capacidades de IA a las aplicaciones existentes. Andre explica cómo el framework reúne capacidades asociadas a Semantic Kernel y AutoGen, y ofrece a los desarrolladores herramientas para conectar modelos, orquestar flujos de trabajo, usar MCP, implementar RAG, gestionar la ingesta de datos y exponer la funcionalidad de las aplicaciones a la IA. Para los desarrolladores de .NET, esto puede reducir significativamente la cantidad de código de integración necesario.

POR QUÉ .NET SIGUE SIENDO IMPORTANTE EN LA ERA DE LA IA
Python sigue siendo uno de los lenguajes dominantes en el desarrollo de IA, pero Andre defiende con firmeza que .NET y C# están muy bien posicionados para las aplicaciones de IA empresariales. .NET sigue evolucionando rápidamente, mientras que las herramientas de IA de Microsoft ofrecen cada vez más a los desarrolladores de C# acceso nativo a capacidades modernas de IA. Las organizaciones con años de lógica de negocio ya implementada en .NET pueden, por tanto, tener una ventaja importante: no necesariamente necesitan reconstruirlo todo antes de introducir la IA. La funcionalidad existente puede exponerse selectivamente a agentes y aplicaciones impulsadas por IA.

DEL SOFTWARE DETERMINISTA A LOS SISTEMAS AGÉNTICOS
Las aplicaciones tradicionales son en gran medida deterministas: si ocurre X, ejecuta Y. Los sistemas agénticos introducen otro modelo: aquí está el objetivo; determina qué acciones son necesarias para cumplirlo. Esto representa un cambio arquitectónico significativo. En lugar de definir explícitamente cada camino posible, los desarrolladores definen cada vez más objetivos, herramientas, contexto, permisos, restricciones y límites dentro de los cuales puede operar la IA.

LOS PATRONES DE DISEÑO NO HAN MUERTO
El código generado por IA no elimina décadas de conocimiento en ingeniería de software. El código limpio, la mantenibilidad, las pruebas, la arquitectura y los patrones de diseño siguen siendo importantes porque la IA frecuentemente aprende a implementar nueva funcionalidad examinando la base de código existente. Un código desordenado puede, por tanto, generar más código desordenado. Los desarrolladores siguen necesitando comprender la arquitectura y los principios de ingeniería incluso cuando un agente de IA realiza gran parte de la implementación.

EL PROBLEMA DEL SOFTWARE ESTOCÁSTICO
Los desarrolladores tradicionales esperan que las mismas entradas produzcan las mismas salidas. La IA generativa es probabilística. La misma solicitud puede producir implementaciones, respuestas o comportamientos diferentes en distintas ejecuciones. Andre analiza por qué esto obliga a los desarrolladores a replantear las pruebas y la validación, y por qué las barreras de protección (guardrails) sólidas cobran cada vez más importancia cuando la funcionalidad de IA se expone a grandes cantidades de usuarios.

LA INGENIERÍA DE CONTEXTO ES MÁS IMPORTANTE QUE LA CREACIÓN DE PROMPTS
Elegir el modelo más reciente no es necesariamente la decisión más importante. Andre sostiene que el contexto lo es todo. Los desarrolladores necesitan entender tanto el problema de negocio como el entorno técnico lo suficientemente bien como para proporcionar a la IA la información adecuada. Muy poco contexto produce resultados débiles. Demasiado contexto puede abrumar al modelo. El desafío consiste en encontrar la información que realmente importa.

RAG, DATOS Y LA VENTANA DE CONTEXTO
La generación aumentada por recuperación (RAG) cobra especial importancia cuando las organizaciones quieren que los sistemas de IA trabajen con su propio conocimiento. Pero construir un sistema RAG no consiste simplemente en meter documentos en una base de datos vectorial. Los datos deben limpiarse, estructurarse, fragmentarse, recuperarse e insertarse en el contexto del modelo de forma inteligente. Andre comparte un ejemplo de su propia plataforma educativa, donde las lecciones en vídeo fueron transcritas e indexadas para que los usuarios pudieran buscar conceptos y saltar directamente al punto relevante del vídeo.

MEMORIA Y GESTIÓN DEL CONTEXTO DE LA IA
Las conversaciones de IA de larga duración plantean otro desafío: la memoria. A medida que las ventanas de contexto se llenan, las conversaciones deben resumirse o compactarse. Andre explica por qué los desarrolladores deberían gestionar activamente este proceso en lugar de asumir que un sistema de IA siempre conservará la información más importante. A veces la mejor solución es sorprendentemente sencilla: terminar la tarea, cerrar la conversación y empezar de nuevo con un contexto limpio. Las especificaciones y los archivos Markdown también pueden proporcionar contexto persistente del proyecto para los agentes de programación.

SEGURIDAD, PERMISOS Y MÍNIMO PRIVILEGIO
Dar a un agente de IA acceso a herramientas y a los datos de la empresa genera implicaciones de seguridad significativas. Andre recomienda tratar a los agentes según principios similares a los de las identidades humanas: cerrar todo por defecto y exponer solo lo que el agente realmente necesita. En lugar de dar a un sistema de IA acceso sin restricciones a la base de datos, los desarrolladores deberían exponer funciones cuidadosamente controladas que devuelvan únicamente la información necesaria para una tarea concreta. Esto resulta especialmente importante cuando los agentes pueden leer o modificar datos empresariales.

INYECCIÓN DE PROMPTS Y BARRERAS DE PROTECCIÓN PARA LA IA
La inyección de prompts crea una nueva superficie de ataque para las aplicaciones impulsadas por IA. Los usuarios pueden manipular intencionadamente los prompts, intentar recuperar información fuera del contexto previsto, consumir recursos de la empresa o persuadir a un sistema de IA para que realice acciones que sus diseñadores nunca anticiparon. La conversación explora la importancia de las instrucciones del sistema, las restricciones a nivel de aplicación, las funciones controladas, la identidad, los permisos y plataformas como Azure AI Foundry para establecer límites de seguridad adicionales.

FINOPS DE LA IA: NO USES LA IA GENERATIVA PARA TODO
Una de las lecciones más prácticas de la conversación es que el hecho de que la IA pueda realizar una tarea no significa que deba hacerlo. Andre distingue entre cargas de trabajo generativas y deterministas. Si algo debe ocurrir siempre de la misma manera, la programación tradicional puede ser más rápida, más barata y más fiable. Pone como ejemplo el