«Añadamos otra comprobación». «¿Y si surge una excepción?». «¿Buscamos más mejoras?». Pediste a una IA muy capaz que terminara un trabajo. Terminó creando un departamento de calidad, otro de vigilancia y otro que vigila a los vigilantes. No hay producto. La fábrica de inspecciones funciona de maravilla; la de productos ni siquiera ha abierto.
La meta era sencilla: crear y entregar un artículo o una función sin supervisión constante. Cada recomendación parecía razonable por separado. Juntas se convirtieron en una cadena interminable de requisitos.
1. Cuando la inspección sustituye al trabajo
Comprobar los archivos esenciales y evitar daños graves tiene sentido. El problema llega cuando cada control necesita una excepción, cada excepción requiere vigilancia y esa vigilancia necesita otro control.
«¿Podemos entregar?» «Están inspeccionando al equipo que inspecciona a los inspectores». «¿Y el producto?» «Aún no lo hemos hecho».
Una tienda con cien guardias y estanterías vacías no es un negocio próspero. Los controles deben proteger el resultado, no sustituirlo.
2. Aprobarlo todo puede significar no entregar nada
«Sigue buscando y corrigiendo hasta superar todas las pruebas» parece responsable. Pero el tiempo, la capacidad de proceso y las llamadas a servicios externos son limitados. Arreglas la regla A y falla la B. Corriges la B y aparece una excepción en C. Después llega el límite de tiempo.
La IA ha pensado muchísimo y ha entregado cero. No se trata de adivinar todos los problemas futuros, sino de preguntar qué hace falta para completar este encargo con seguridad.
3. Por qué esa misma IA es excelente analizando juegos
Al analizar estrategias, encontrar otra jugada, una variable oculta o una respuesta inesperada ya aporta valor. Explorar nuevas hipótesis es parte del objetivo.
En cambio, publicar un artículo o poner en marcha una función exige llegar a un destino definido. Un mapa precioso no sustituye la llegada. Si el taxi que va al aeropuerto se detiene en todos los monumentos, tendrás una excursión inolvidable y perderás el vuelo. Para analizar, amplitud. Para ejecutar, concentración.
4. Terminar una unidad antes de ampliar los controles
Define qué significa terminar: «Escribir un artículo, guardarlo en el lugar indicado y volver a abrirlo para verificarlo». Si la meta es publicarlo, comprueba la página visible. Guardar un borrador no equivale a publicar.
Mantén las protecciones esenciales y termina un ciclo completo. Después utiliza el resultado. ¿Qué error sucedió de verdad? ¿Qué hubo que rehacer? ¿Dónde se atascaron los usuarios? Añade controles para problemas observados.
El orden es proteger lo importante → terminar una unidad → probarla → corregir fallos reales → añadir las comprobaciones necesarias. No retengas indefinidamente un producto inexistente por problemas imaginarios.
5. Algunos riesgos se deben prevenir desde el principio
Terminar primero no significa publicar sin mirar. Hay que prevenir fugas de datos personales, borrados irreversibles, modificaciones no autorizadas y daños graves relacionados con la seguridad, la salud, las leyes o el dinero. Recuperar la confianza tampoco es fácil.
Los pequeños gustos de estilo, las funciones innecesarias y las hipótesis sin pruebas pueden esperar. Divide los controles entre bloqueos obligatorios, avisos y mejoras posteriores. La gravedad del daño es lo que importa.
6. Mide entregas, no el tamaño del reglamento
Mira la tasa de finalización, el tiempo por unidad, las correcciones posteriores y los incidentes graves. Cien ejecuciones con cien informes impecables y ningún producto equivalen a un 0 % de finalización. Se aplaza la fiesta del departamento de inspección.
Ir más rápido no sirve si aumentan los daños graves. Hay que mejorar las entregas sin cruzar los límites esenciales.
7. Dale a la IA una meta precisa
Completa una sola entrega ahora. Solo estará terminada cuando exista y se haya comprobado en el destino previsto. Mantén las medidas esenciales de seguridad. No añadas funciones para problemas hipotéticos ajenos a esta entrega. Si aparece un obstáculo, corrige lo imprescindible y vuelve al objetivo.
Eso no impide pensar a la IA. Le indica dónde usar su capacidad. Cuando quieras una investigación abierta, pídela aparte.
Conclusión: los planos no se comen
Los principios conocidos del desarrollo de software favorecen entregar resultados útiles pronto, evitar funciones prematuras y equilibrar fiabilidad y velocidad. No son una excusa para abandonar la seguridad.
Si quieres explorar, abre posibilidades. Si quieres producir, termina. La realidad mostrará qué controles faltan.
IA: «¡El sistema de calidad es perfecto!»
Persona: «¿Y el producto?»
IA: «Podría preparar un plan para estudiarlo».
