Por Qué La Ingeniería de Software Se Está Convirtiendo: Planificar y Revisar

This ad is not shown to multipass and full ticket holders
React Summit
React Summit 2026
June 11 - 15, 2026
Amsterdam & Online
The biggest React conference worldwide
Upcoming event
React Summit 2026
React Summit 2026
June 11 - 15, 2026. Amsterdam & Online
Learn more
Bookmark
Rate this content
Sentry
Promoted
Code breaks, fix it faster

Crashes, slowdowns, regressions in prod. Seer by Sentry unifies traces, replays, errors, profiles to find root causes fast.

La generación de código escala. La planificación y revisión no lo hacen, limitando la rapidez con la que los equipos nativos de IA pueden entregar. Esta charla traza la evolución de las herramientas para desarrolladores hasta la actual explosión de agentes de codificación, y argumenta por qué la mayor oportunidad ahora es ayudar a los ingenieros a planificar y revisar más rápido.

This talk has been presented at AI Coding Summit 2026, check out the latest edition of this Tech Conference.

Louis Knight-Webb
Louis Knight-Webb
18 min
26 Feb, 2026

Comments

Sign in or register to post your comment.
Video Summary and Transcription
Louis de Vibe Kanban discute la optimización de flujos de trabajo para ingenieros de software con agentes de codificación, enfocándose en la planificación y revisión. Aprovechar herramientas de IA como GitHub Copilot y ChatGPT puede mejorar la productividad al reasignar el tiempo de manera efectiva. Reflexionando sobre el tiempo ahorrado por la IA, el enfoque está en optimizar la planificación y revisión para aumentar la productividad. Se enfatizan los procesos de planificación detallados y el uso efectivo de agentes de codificación de IA para asegurar resultados exitosos. Simplificar los procesos de revisión para ahorrar tiempo y mejorar la productividad mediante una revisión de código eficiente. Aprovechar los agentes de codificación Codex y Claude para una revisión de código eficiente y optimizar el tiempo y el flujo de trabajo. Minimizar el tiempo dedicado a la revisión de código proporcionando retroalimentación a los agentes de codificación dentro del editor, trabajando en múltiples tareas en paralelo y automatizando tareas solicitadas por la IA para mejorar la productividad.

1. Optimizing Workflow for Software Engineers

Short description:

Louis, cofundador de Vibe Kanban, discute la optimización de flujos de trabajo para ingenieros de software con agentes de codificación, centrándose en la planificación y revisión. Las capacidades de los agentes de codificación están evolucionando, cambiando la asignación de tiempo de la escritura a la planificación y revisión. Aprovechar herramientas de IA como GitHub Copilot y ChatGPT puede mejorar la productividad al reasignar el tiempo de manera efectiva.

Hola. Soy Louis y soy uno de los cofundadores de Vibe Kanban. Y hacemos herramientas que ayudan a los ingenieros de software a trabajar con agentes de codificación. Y eso significa que pasamos mucho tiempo pensando en cómo trabajar efectivamente con agentes de codificación, ser productivos, hacer más. Y hay mucho que se puede lograr. Y así, si puedes encontrar formas de optimizar tu flujo de trabajo, puedes obtener mucha ventaja en un mundo donde algunos ingenieros que descubren cómo usar IA van a estar enviando dos, tres, cuatro veces más que aquellos que no lo hacen.

Hoy, me voy a centrar en dos aspectos de esto. Uno es la planificación y otro es la revisión, y cómo puedes optimizar tu flujo de trabajo en torno a estos dos elementos humanos del proceso que se están volviendo cada vez más prevalentes. Entonces, una de las cosas en las que pienso mucho es que a medida que las capacidades de los agentes de codificación se han fortalecido, están funcionando por más tiempo. Están tomando más tiempo para completar su trabajo. Si miramos los tipos de trabajos que podrías hacer día a día como ingeniero de software, puedes agruparlos en planificación, escritura de código, y revisión de código, ya sea revisando lo que haces o revisando lo que hacen tus compañeros.

Y si tratamos de poner un porcentaje de cuánto tiempo estamos dedicando a hacer esos diferentes trabajos, creo que antes de que la IA comenzara a mejorar significativamente la productividad de las personas, podría haber parecido un poco así, una cantidad significativa de escritura de código, una cantidad decente de revisión tanto de tu propio código como del de otras personas, y un poco de planificación también. Y a medida que las cosas comienzan a acelerarse a través de la IA, primero con GitHub Copilot, luego con ChatGPT, más tarde con Cursor, y por supuesto, más recientemente, nuevamente con Cloud Code, comienzas a ver que en realidad la parte de escribir código ha cambiado de ser la cosa en la que paso la mayor parte de mi día a la cosa en la que casi no paso tiempo.

2. Aprovechando el Ahorro de Tiempo para Aumentar la Productividad

Short description:

Reflexionando sobre el tiempo ahorrado al aprovechar la IA en tareas de codificación, el enfoque se desplaza hacia la optimización de la planificación y revisión para mejorar la productividad y lograr resultados más eficientes.

Y entonces, supongo que la pregunta es, ¿qué hacemos con todo ese tiempo extra que acabamos de recuperar? Bueno, una de las cosas que podrías hacer es entrar en TikTok, o jugar Candy Crush, o, ya sabes, mi vicio, no me importa admitirlo, es hacer doom-scrolling en Twitter. Y hay incluso IDs ahora que te ayudarán a procrastinar al máximo si eso es lo que quieres hacer. Sin embargo, creo que en realidad hay muchas cosas que puedes hacer. Y una de las cosas en las que pensar es que, aunque escribir código no es realmente algo que sea parte de mi flujo de trabajo ya, hay otras áreas del flujo de trabajo que parecen estar ocupando más tiempo que antes.

Entonces, si antes pasaba 10 minutos escribiendo código, y gracias a la asistencia de IA ahora paso un minuto escribiendo código, no solo recuperé nueve minutos. De hecho, creo que probablemente añadió al menos dos minutos a la cantidad de tiempo que tenía que pasar planificando, y al menos dos minutos a la cantidad de tiempo que tengo que pasar revisando código. Y así, es una mezcla de ser tanto un acelerador como también desplazar el trabajo a otras áreas del flujo de trabajo, creando trabajo en esas áreas. Y así, si eso es cierto, entonces básicamente, si quieres enviar más, necesitas encontrar formas de planificar y revisar más rápidamente.

Si estás sentado ahí pensando, realmente quiero, ya sabes, enviar algo, y solo estoy buscando la palanca para tirar que me va a ayudar a sacar eso aún más rápido, esencialmente, si puedes averiguar cómo planificar más rápido, revisar más rápido, puedes averiguar cómo enviar más. Esa es la mayor palanca que tienes ahora. Así que, voy a sumergirme ahora en algunos de los consejos que tengo para hacer más o hacer tu vida, ya sabes, más divertida en un mundo donde la mayor parte del trabajo de la ingeniería de software se está convirtiendo en planificación y revisión.

Check out more articles and videos

We constantly think of articles and videos that might spark Git people interest / skill us up or help building a stellar career

Diseño a Código Usando un Sistema de Diseño Personalizado con AI
React Summit US 2025React Summit US 2025
19 min
Diseño a Código Usando un Sistema de Diseño Personalizado con AI
Chaitanya, Principal Engineer at Atlassian, discusses the design system at Razorpay, the impact of AI on UI development, and the integration of AI with design systems for enhanced productivity. Detailed prompts for AI to build UI components can be cumbersome. Imagine a seamless process where AI interprets Figma designs to create UI. Leveraging design expertise and focusing on business logic, not writing detailed AI prompts. Blade's MCP server facilitates the magic of transforming Figma designs into UI code by collaborating with Figma and OpenAI.
Potenciando el Asistente de Código Cody utilizando LLMs
C3 Dev Festival 2024C3 Dev Festival 2024
29 min
Potenciando el Asistente de Código Cody utilizando LLMs
This Talk explores the world of coding assistants powered by language models (LLMs) and their use cases in software development. It delves into challenges such as understanding big code and developing models for context in LLMs. The importance of ranking and code context is discussed, along with the use of weak supervision signals and fine-tuning models for code completion. The Talk also touches on the evaluation of models and the future trends in code AI, including automation and the role of tasks, programming languages, and code context.