La inteligencia artificial está abriendo una nueva etapa en la ingeniería de software. Tras una primera fase centrada en la generación de código y en el uso de copilotos por parte de desarrolladores, las organizaciones empiezan a aplicar esta tecnología al ciclo completo de creación, evolución y mantenimiento de aplicaciones.
Según el DORA Report 2025 de Google Cloud, el 90 por ciento de los profesionales tecnológicos encuestados ya utiliza inteligencia artificial en el trabajo, más del 80 por ciento afirma que ha mejorado su productividad y el 59 por ciento declara un impacto positivo en la calidad del código. El informe también advierte de que la tecnología no corrige por sí sola las debilidades de una organización, sino que amplifica sus fortalezas y sus carencias.
Para Qaracter, consultora tecnológica española especializada en el sector financiero y asegurador, este cambio obliga a superar una visión limitada de la inteligencia artificial como herramienta para escribir código más rápido. El verdadero impacto llegará cuando las compañías sean capaces de integrarla en sus modelos de trabajo, plataformas internas, sistemas de control, procesos de calidad y métricas de negocio.
La inteligencia artificial generativa, los copilotos de programación y los agentes inteligentes ya pueden intervenir en distintas fases del ciclo de vida del software: analizar documentación funcional, resumir requisitos, detectar inconsistencias, proponer diseños técnicos, generar código, revisar vulnerabilidades, automatizar pruebas, priorizar incidencias, documentar cambios y asistir en tareas de mantenimiento. Ese avance cambia el papel de los equipos tecnológicos, cuyo valor ya no está solo en escribir código sino en definir bien el problema, diseñar una arquitectura robusta, validar resultados, controlar la deuda técnica y asegurar que cada cambio responde a una necesidad real de negocio. En banca, la evolución puede acelerar la modernización de sistemas, la adaptación regulatoria y la automatización de pruebas; en seguros, puede optimizar aplicaciones vinculadas a siniestros, pricing, suscripción, fraude y gestión documental.
La adopción introduce además nuevos riesgos: una mayor velocidad de desarrollo puede aumentar el volumen de cambios, pero también la exposición a errores, vulnerabilidades, deuda técnica, problemas de propiedad intelectual o dependencia excesiva de herramientas automatizadas. La confianza sigue siendo un punto crítico: según Stack Overflow, el 46 por ciento de los desarrolladores encuestados desconfía de la precisión de las herramientas de inteligencia artificial, frente al 33 por ciento que confía en ellas. En sectores regulados, estos riesgos deben analizarse bajo el marco de resiliencia operativa digital, que exige a bancos y aseguradoras reforzar su capacidad para resistir, responder y recuperarse ante incidentes tecnológicos.
Desde Qaracter señalan que las organizaciones que quieran adoptar inteligencia artificial en el ciclo de vida del software con garantías deberán avanzar en cinco prioridades: identificar casos de uso con impacto medible, reforzar la arquitectura tecnológica, establecer políticas claras de uso y revisión humana, integrar ciberseguridad y cumplimiento desde el diseño, y medir resultados con indicadores de productividad, calidad, estabilidad, reducción de errores y valor para el negocio.
