WIP: Software Engineering Competencies in the Age of AI

Imagina el mundo de la ingeniería de software como un enorme y bullicioso sitio de construcción. Durante décadas, los planos para entrenar a nuevos constructores (estudiantes universitarios) han sido trazados cuidadosamente por un grupo de arquitectos estrictos llamados "organismos de acreditación". Estos planos, como las directrices SE2014, le decían a las escuelas exactamente qué herramientas enseñar: cómo colocar ladrillos, cómo mezclar cemento y cómo seguir las reglas del código de edificación.

Pero entonces, una nueva clase de herramienta mágica apareció en el sitio: la Inteligencia Artificial (IA). Es como un asistente robótico que puede redactar paredes instantáneamente o sugerir la mejor manera de reparar una fuga. ¿El problema? Los viejos planos no han sido actualizados para incluir a este robot. El artículo de Vonderhaar, Towhidiejad y Ochoa argumenta que, si seguimos entrenando constructores usando los mapas antiguos, se graduarán listos para construir con martillos, solo para encontrar que la industria ahora funciona con construcción asistida por robots.

La pieza faltante en la caja de herramientas
Los autores analizaron los informes más recientes de la industria y las ofertas de empleo, y encontraron un vacío evidente. Mientras que la gran guía de la industria, llamada SWEBOK, finalmente ha admitido que la IA es una parte "fundamental" del trabajo (un cambio enorme respecto a su versión de 2014, que no la mencionaba en absoluto), los currículos escolares reales y el modelo de competencia llamado SWECOM siguen estancados en el pasado.

El artículo sugiere que las universidades están enviando actualmente a graduados a la "Edad de Oro de la IA" sin el equipo de supervivencia adecuado. Es como enviar a un marinero a la era de los aviones a reacción sin enseñarle cómo leer un radar. Los autores no dicen que las habilidades antiguas sean inútiles, pero sugieren que la formación actual está incompleta.

Dos nuevos superpoderes necesarios
Basándose en su revisión de lo que las empresas están pidiendo realmente, los autores proponen que necesitamos añadir dos "superpoderes" completamente nuevos al manual de entrenamiento del ingeniero de software. No están sugiriendo ideas aleatorias; los están extrayendo directamente de lo que la literatura dice que la industria necesita en este momento.

1. Alfabetización en IA (La habilidad del "Susurrador de Robots"):
   No se trata de construir el robot; se trata de saber cómo hablar con él. El artículo sugiere que, incluso si un estudiante solo está escribiendo código normal, necesita saber cómo usar las herramientas de IA como los Modelos de Lenguaje Extensos (LLM) de manera efectiva.

• Cómo se ve: Es como aprender "ingeniería de prompts": el arte de hacerle al robot las preguntas correctas para obtener una buena respuesta.
• El inconveniente: Los autores señalan que si usas estas herramientas sin entrenamiento, podrías trabajar más lento. También necesitas saber cómo verificar el trabajo del robot para detectar "alucinaciones" (cuando el robot inventa cosas) y sesgos. Se trata de ser un editor inteligente, no solo un usuario pasivo.

2. Desarrollo de IA (La habilidad del "Constructor de Robots"):
   Esto es para los estudiantes que quieran construir los sistemas de IA ellos mismos. El artículo sugiere que esto requiere un esfuerzo mucho mayor. No es solo saber un poco de matemáticas; requiere un conjunto de herramientas completamente nuevo.

• Cómo se ve: Esto incluye aprender a limpiar datos desordenados (como organizar un garaje caótico antes de construir un coche), entender cómo entrenar modelos y saber cómo probarlos.
• El giro: Los autores señalan que construir IA es diferente de construir software normal. No puedes simplemente planificar todo al principio porque la IA podría cambiar de opinión a medida que aprende. Esto requiere un tipo de prueba diferente y un enfoque en la ética que el software tradicional no siempre necesitaba.

Lo que este artículo NO está diciendo
Es importante saber lo que este artículo no afirma. Los autores no están diciendo que cada ingeniero de software deba ser un maestro científico de datos. No están diciendo que la vieja forma de construir software haya muerto. Tampoco afirman que las universidades ya hayan solucionado este problema. De hecho, declaran explícitamente que este es un artículo de "Trabajo en Progreso" (WIP).

No están presentando un rompecabezas terminado y resuelto. En su lugar, están sosteniendo un espejo y diciendo: "Oye, mira este agujero en nuestro plan de entrenamiento". Sugieren que las directrices actuales (como SE2014) están desactualizadas porque no mencionan la IA, y argumentan que el modelo de competencia (SWECOM) necesita ser actualizado para incluir estas nuevas habilidades.

Los siguientes pasos
Los autores están esencialmente diciendo: "Hemos identificado la brecha, y aquí hay una lista sugerida de habilidades para llenarla". Sugieren que debemos añadir estas dos nuevas áreas —Alfabetización en IA y Desarrollo de IA— a la lista oficial de lo que un ingeniero de software debe saber.

Sin embargo, admiten que hay grandes obstáculos por delante. Señalan que la IA cambia increíblemente rápido, por lo que mantener el currículo actualizado será una carrera constante. También les preocupa que algunas escuelas no tengan profesores que sepan lo suficiente sobre IA para enseñarla, y que añadir estos nuevos temas pueda desplazar otros temas importantes.

Por lo tanto, el artículo no ofrece una varita mágica que lo arregle todo hoy. En su lugar, ofrece una hoja de ruta. Sugiere que, para sobrevivir en la fuerza laboral moderna, la próxima generación de ingenieros de software necesita ser fluida tanto en las viejas formas de construir como en las nuevas formas de colaborar con la IA. Los autores proponen que actualicemos el libro de reglas para asegurar que estos estudiantes estén listos para el trabajo que realmente existe, no para el trabajo que existía hace diez años.