La velocidad en el desarrollo de productos impulsada por la inteligencia artificial (IA) ha hecho que lanzar nuevas soluciones sea m\u00e1s f\u00e1cil y veloz que nunca. Asistentes de c\u00f3digo y modelos de lenguaje grandes (LLMs) pueden generar funciones y flujos de trabajo completos en cuesti\u00f3n de minutos, lo que ha llevado a ciclos de producci\u00f3n que antes tomaban semanas, a reducirse a solo horas. Para muchas organizaciones, esta velocidad puede parecer un triunfo; sin embargo, no todos est\u00e1n convencidos.<\/p>\n
Durante el ET AI Conclave & Awards 2025<\/strong>, Rahul Chari, fundador y CTO de PhonePe, lanz\u00f3 una advertencia sobre esta tendencia de priorizar la rapidez en el desarrollo. \u201cLa habilidad de lograr resultados en un tiempo extremadamente corto est\u00e1 llevando a muchas organizaciones a apresurarse hacia la producci\u00f3n sin asegurarse de que la estructura adecuada est\u00e9 en su lugar\u201d, afirm\u00f3 Chari.<\/p>\n Para startups peque\u00f1as, este enfoque puede ser manejable dado el espacio para experimentar y reconstruir. Sin embargo, para plataformas grandes como PhonePe, que manejan millones de transacciones y usuarios, adoptar la IA sin construir una arquitectura s\u00f3lida puede convertirse en una responsabilidad estructural significativa.<\/p>\n Chari enfatiz\u00f3 un concepto que denomin\u00f3 “ingenier\u00eda centrada en IA”. Esto no se trata de tratar la IA como una herramienta o una funci\u00f3n adicional, sino de integrarla en todo el proceso de ingenier\u00eda y operaciones. En PhonePe, el enfoque est\u00e1 dirigido a tres objetivos principales:<\/p>\n Para evitar la fragmentaci\u00f3n que puede surgir al distribuir el acceso a LLMs y herramientas de agentes, Chari propuso construir primero la infraestructura necesaria. Esto incluye crear un “gateway” \u00fanico que act\u00fae como enrutador para m\u00faltiples LLMs, centralizando as\u00ed todas las interacciones de modelos. Este \u201cgateway\u201d permite:<\/p>\n Un aspecto crucial que Chari destac\u00f3 es la diferencia entre desarrollar IA desde ceros (greenfield) y lidiar con lo que \u00e9l denomina “el problema del c\u00f3digo maduro”. Mientras que los proyectos nuevos pueden beneficiarse de una construcci\u00f3n m\u00e1s flexible y r\u00e1pida, las grandes empresas suelen lidiar con bases de c\u00f3digo heredadas que dificultan este enfoque.<\/p>\n Chari tambi\u00e9n subray\u00f3 la importancia de mantener a los humanos en el bucle. La automatizaci\u00f3n total, en su opini\u00f3n, puede llevar a un aumento en el tiempo para recuperar sistemas y multiplicar el costo del fracaso. Su consejo es \u201ccomenzar con humanos en el bucle, usar IA como un habilitador fuerte, reducir la fricci\u00f3n y luego automatizar de manera responsable\u201d.<\/p>\n En la d\u00e9cada de la IA, es fundamental construir sistemas duraderos que puedan adaptarse a los cambios en los modelos y gestionar las inevitable crisis del 1%. Los verdaderos ganadores no ser\u00e1n aquellos que simplemente busquen lanzar el producto m\u00e1s r\u00e1pido, sino aquellos que entiendan que la inversi\u00f3n en arquitectura adecuada y en procesos s\u00f3lidos es lo que garantizar\u00e1 la longevidad de sus soluciones en un mundo en constante cambio.<\/p>\nIngenier\u00eda Primero: Enfoque en la Estructura<\/h3>\n
\n
La Importancia de la Infraestructura<\/h3>\n
\n
Evitar el Problema del C\u00f3digo Madura<\/h3>\n
Humanizando la Automatizaci\u00f3n<\/h3>\n
La Lecci\u00f3n Final<\/h3>\n
\n