Ingeniería de bucles: tres bucles clave para crear software excelente

Queridos amigos,

"Ingeniería de bucles" es una frase de moda después de que Boris Cherny (creador de Claude Code) y Peter Steinberger (creador de OpenClaw) la mencionaran se volvió viral en las redes sociales. Los bucles son ahora una parte clave de cómo conseguimos que los agentes de IA iteren extensamente para crear software. En esta carta, me gustaría compartir mis 3 bucles de claves, que se muestran en la imagen a continuación, para crear productos 0 a 1. Estos bucles guían no sólo cómo construyo software, sino también cómo decido qué software crear.

Bucle de codificación agente: Dada una especificación de producto y, opcionalmente, un conjunto de evaluaciones (es decir, un conjunto de datos con el cual medir el rendimiento), podemos hacer que un agente de IA escriba código, pruebe su trabajo y siga iterando hasta que el código esté libre de errores y cumpla con sus especificaciones. Esta idea de cerrar el ciclo despegó a finales del año pasado y ha cambiado las reglas del juego al permitir que los agentes de codificación trabajen de manera productiva durante más tiempo sin intervención humana. Por ejemplo, durante el fin de semana, estaba creando una aplicación para que mi hija practicara mecanografía, y mi agente de codificación podía trabajar fácilmente durante aproximadamente una hora, usando un navegador web para comprobar lo que había creado varias veces antes de responderme, sin necesidad de mi intervención.

El bucle de ingeniería se ejecuta rápidamente. Cada pocos minutos, el agente codificador puede crear y probar una nueva versión del software. Con frecuencia escucho a desarrolladores que están encontrando nuevas formas de diseñar bucles de ingeniería más efectivos. ¡Esta es un área activa de invención!

Ciclo de retroalimentación del desarrollador: En este circuito, un desarrollador examina el producto actual y dirige al agente de codificación para mejorarlo. El año pasado, muchos desarrolladores (incluyéndome a mí) actuamos como función de control de calidad (garantía de calidad) para nuestros agentes de codificación, encontrando errores manualmente y luego pidiendo al agente que los corrigiera. Pero como los agentes codificadores son mucho más capaces de probar su propio código, la cantidad de tiempo que debemos dedicar a esta función ha disminuido significativamente. Esto nos permite tomar decisiones de producto de mayor nivel, como qué funciones clave ofrecer, dónde es necesario mejorar la interfaz de usuario, etc.

El ciclo de comentarios de los desarrolladores opera en intervalos de tiempo de entre decenas de minutos y horas; esa es la frecuencia con la que un desarrollador puede revisar un producto y dar comentarios. En el caso de la aplicación de mecanografía, cambié de opinión varias veces sobre el diseño visual, qué disfraces de gato puede desbloquear a medida que aprende (le encantan los gatos) y el flujo de usuario para que un adulto inicie sesión y dirija la experiencia de aprendizaje del niño.

Cuando un desarrollador tiene una visión clara de qué construir, aún queda mucho trabajo para traducir esa visión en una especificación que un agente de codificación pueda implementar. Además, después de que el desarrollador haya visto una implementación, puede actualizar (o tal vez aclarar) la especificación para orientarla hacia lo que desea. Si descubre que el sistema tiene ciertos problemas repetidamente, resulta útil crear un conjunto de evaluaciones para el agente.

Los equipos nativos de IA utilizan cada vez más la IA para ayudar a dar forma a la dirección del producto, por ejemplo, automatizando la recopilación y el análisis de datos de uso, resumiendo los comentarios escritos y verbales de los clientes o realizando análisis competitivos. Sin embargo, en casi todos los productos en los que estoy involucrado, considero que los humanos tienen una importante ventaja contextual sobre los sistemas de IA actuales (sabemos mucho más que el sistema de IA sobre los usuarios y el contexto en el que debe operar el producto) y, por lo tanto, los humanos desempeñan un papel fundamental. Mucha gente describe esta contribución humana como “sabor”, pero yo prefiero pensar que los humanos tienen una ventaja contextual, ya que eso nos brinda un camino más claro para ayudar a que los sistemas de IA mejoren. Esto también explica por qué este paso no se puede automatizar: siempre que el ser humano sepa algo que la IA no sabe, se necesita un ser humano involucrado para inyectar ese conocimiento en el sistema.

Ciclo de retroalimentación externo: Esto incluye una amplia gama de tácticas como pedir comentarios a algunos amigos, iniciar pruebas alfa o poner el código en producción con pruebas A/B. Estas tácticas suelen ser lentas, rara vez toman menos de horas y a veces toman días o incluso semanas. Estos datos informan la visión del desarrollador, que a su vez continúa impulsando las especificaciones detalladas del producto, lo que a su vez impulsa el agente de codificación.

Dado que los agentes de codificación aceleran el desarrollo de software, cada vez más ingenieros están empezando a desempeñar un papel parcial en la gestión de productos. Para muchos ingenieros que están asumiendo este rol, la parte más difícil es dar forma a la visión del producto y lograr un equilibrio entre la construcción (cerrar la brecha entre la visión y las especificaciones) y obtener comentarios de los usuarios para hacer evolucionar la visión. ¡Es importante hacer ambas cosas!

Escribiré más sobre cómo hacer esto en cartas futuras, pero por ahora, me parece alentador que los ingenieros estén desempeñando un papel más amplio (al igual que los gerentes de producto y los diseñadores ahora hacen más ingeniería).

¡Sigue construyendo!

Andrés