El Flujo de Trabajo AI-First
El Flujo de Trabajo Tradicional Es un Cuello de Botella
Todo desarrollador conoce el flujo de trabajo tradicional: pensar en lo que quieres construir, escribir el código, ejecutarlo, encontrar bugs, depurar, escribir más código, repetir. Este ciclo ha sido el predeterminado durante décadas, y tiene un problema fundamental -- eres tanto el arquitecto como el obrero de construcción. Tomas las decisiones de alto nivel y luego pasas la mayor parte de tu tiempo en la ejecución de bajo nivel.
El ciclo tradicional:
Pensar -> Codificar -> Ejecutar -> Depurar -> Codificar -> Probar -> Codificar -> Commit
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
Esta parte es el 80% de tu tiempo
El flujo de trabajo AI-first invierte esta proporción:
Pensar -> Describir -> Revisar -> Ajustar -> Verificar -> Commit
^^^^^^ ^^^^^^^^^^ ^^^^^^^^^
Esta parte es el 80% de tu tiempo (y asi debe ser)
En el flujo de trabajo AI-first, pasas la mayor parte de tu tiempo en las partes que más importan: definir lo que quieres, revisar lo que se construyó y tomar decisiones sobre calidad y dirección. El trabajo mecánico de escribir código, gestionar importaciones, manejar boilerplate y corregir errores de sintaxis lo maneja la IA.
El Ciclo AI-First de Cinco Pasos
Aquí está el flujo de trabajo completo que usan los desarrolladores 5.7x:
Paso 1: Define el Resultado Claramente
Antes de tocar cualquier herramienta, ten total claridad sobre lo que quieres. No "agregar una funcionalidad" sino "agregar preferencias de usuario con una página de configuración, endpoint de API para GET/PUT, almacenamiento en PostgreSQL y una migración." Cuanto más precisa sea tu definición del resultado, menos iteraciones necesitas.
Escríbelo. En serio. Incluso una nota rápida fuerza la claridad:
## Funcionalidad: Preferencias de Usuario
- Pagina de configuracion en /settings con interruptores toggle
- Endpoint de API en /api/preferences (GET, PUT)
- Almacenar en PostgreSQL, nueva tabla preferences
- Campos: theme (light/dark), language (en/es), notifications (boolean)
- Migracion con soporte de rollback
- Tests de integracion para la API
Paso 2: Deja que la IA Proponga el Enfoque
En lugar de saltar a la implementación, pide a la IA que planifique primero. Esto captura problemas arquitectónicos antes de que se escriba cualquier código:
claude "/plan Agrega un sistema de preferencias de usuario. Pagina de
configuracion en /settings, API en /api/preferences con GET/PUT,
almacenamiento PostgreSQL con nueva tabla preferences. Campos:
theme, language, notifications. Incluir migracion y tests."
Revisa el plan. ¿Tiene sentido la estructura de archivos? ¿Son las convenciones de nombres consistentes con tu proyecto? ¿Está el enfoque de acceso a base de datos alineado con tus patrones existentes? Aquí es donde tu experiencia importa más -- no en escribir el código, sino en evaluar la arquitectura.
Paso 3: Revisa y Ajusta
Después de revisar el plan, proporciona retroalimentación antes de que comience la ejecución:
- "Usa el pool de conexiones de base de datos existente, no crees uno nuevo"
- "Sigue el mismo patrón que el endpoint /api/users"
- "Agrega rate limiting al endpoint PUT"
- "Usa zod para validación de entrada, siguiendo nuestros patrones de esquema existentes"
Este paso de ajuste es crítico. Es donde tu conocimiento del dominio y el contexto específico del proyecto dan forma a la implementación. La IA puede escribir código excelente, pero necesita tu guía sobre las convenciones del proyecto y los requisitos de negocio.
Paso 4: Deja que la IA Ejecute
Una vez que el plan está aprobado y ajustado, deja que la IA maneje la implementación completa. Este es el paso donde la mayoría de los desarrolladores luchan -- quieren intervenir, escribir algo del código ellos mismos, mantener una sensación de control. Resiste esta urgencia.
claude "Ejecuta el plan. Crea todos los archivos, ejecuta la migracion
y verifica que los tests pasen."
Mientras la IA ejecuta, puedes revisar la salida mientras se transmite. Observa:
- Archivos siendo creados en las ubicaciones correctas
- Patrones de importación que coincidan con tus convenciones
- Estructura de tests que siga los estándares de tu proyecto
Pero no interrumpas a menos que algo esté claramente mal a nivel arquitectónico. Problemas menores de estilo pueden corregirse en la siguiente iteración.
Paso 5: Verifica los Resultados
Después de la ejecución, verifica los resultados:
# Ejecutar los tests que creo la IA
npm test -- --filter preferences
# Verificar la migracion
npx prisma migrate status
# Iniciar el servidor de desarrollo y probar manualmente
npm run dev
Si todo funciona, haz commit. Si se necesitan ajustes, descríbelos claramente y vuelve al Paso 3. Cada iteración se acerca más al resultado final sin que escribas una sola línea de código manualmente.
El Principio "Describe, No Codifiques"
El principio central del desarrollo AI-first es engañosamente simple: describe lo que quieres en lugar de escribirlo tú mismo. Pero "describir" hace mucho trabajo en esa oración. Las buenas descripciones son:
Específicas sobre resultados:
Malo: "Agrega modo oscuro"
Bueno: "Agrega modo oscuro/claro con next-themes, variante dark: de Tailwind,
ThemeProvider envolviendo el layout raiz, toggle en navbar, fondos
oscuros slate-900, persistencia en localStorage, preferencia del
sistema por defecto"
Claras sobre restricciones:
Malo: "Haz la API rapida"
Bueno: "Agrega cache de Redis al endpoint /api/products con TTL de 5 minutos,
invalidacion de cache en actualizaciones de productos, y fallback
a base de datos si Redis no esta disponible"
Explícitas sobre patrones a seguir:
Malo: "Crea una nueva pagina"
Bueno: "Crea una nueva pagina en /dashboard siguiendo el mismo patron de
layout que /settings — server component, export de metadata,
navegacion con breadcrumb y grid responsivo"
La inversión en escribir una descripción clara se paga sola inmediatamente. Una descripción de 60 segundos ahorra 60 minutos de implementación e iteración.
Ejemplo Real: Modo Oscuro en Una Sesión
Así se desarrolló el flujo de trabajo AI-first para una implementación real de modo oscuro en un sitio en producción:
1. Definir resultado: "Modo oscuro/claro completo en los 19 archivos de
componentes, con deteccion de preferencia del sistema y toggle manual"
2. Describir a la IA: Especificacion completa incluyendo next-themes,
variante dark: de Tailwind, paleta de colores, estrategia de persistencia
3. La IA propone: Plan tocando 19 archivos — ThemeProvider, wrapper de layout,
componente toggle, y variantes dark: para cada componente
4. Revisar: Se ajustaron las elecciones de color para mejor contraste,
se solicito slate-900 en lugar de gray-900
5. Ejecutar: La IA implementa en los 19 archivos en una pasada
6. Verificar: Probar en navegador, verificar modos claro/oscuro/sistema
7. Resultado: Implementacion completa de modo oscuro en 25 minutos.
Estimacion manual: 3-4 horas.
Ejemplo Real: Tres Cursos en Una Sesión
La creación de contenido sigue el mismo flujo de trabajo:
1. Definir resultado: "3 cursos nuevos con contenido completo de lecciones,
bilingue EN/ES, frontmatter correcto y formato MDX"
2. Describir: Esquemas de cursos, temas de lecciones, profundidad de contenido,
requisitos de formato, enfoque de traduccion
3. La IA propone: Estructura de archivos, orden de lecciones, taxonomia de tags
4. Revisar: Se ajustaron titulos de lecciones, se reordeno temas para
mejor progresion de aprendizaje
5. Ejecutar: La IA crea 38 archivos de lecciones con contenido completo
6. Verificar: Revisar frontmatter, calidad de contenido, traducciones
7. Resultado: 3 cursos completos en una sesion.
Enfoque manual: 2-3 semanas.
Trabaja en Lenguaje Natural Primero
Un cambio sutil pero importante: empieza a pensar en tu trabajo en lenguaje natural antes de pensar en código. Cuando recibes un nuevo requisito, tu primer instinto no debería ser "¿qué archivos necesito cambiar?" sino más bien "¿cuál es el resultado que necesito describir?"
Esto cambia cómo abordas los problemas:
- Enfoque antiguo: "Necesito modificar el modelo User, agregar una migración, actualizar el manejador de ruta de API, cambiar el formulario del frontend y agregar validación."
- Enfoque nuevo: "Los usuarios necesitan poder establecer un nombre para mostrar. Debe aparecer en la barra de navegación y en su perfil. Validar que sea de 2-50 caracteres, alfanumérico con espacios."
La segunda descripción es más corta, más clara y le da a la IA todo lo que necesita para tomar las decisiones de implementación correctas. Estás trabajando al nivel de valor para el usuario, no de mecánica de implementación.
La Ventaja de Velocidad de Iteración
El flujo de trabajo AI-first no es solo más rápido en la implementación inicial. Es dramáticamente más rápido en la iteración. Cuando necesitas cambiar algo, describes el cambio:
claude "La pagina de preferencias necesita un boton de reinicio que
restaure todas las configuraciones a sus valores predeterminados.
Agregalo debajo del boton de guardar, con un dialogo de
confirmacion antes de reiniciar."
La IA hace el cambio en todos los archivos relevantes en segundos. En un flujo de trabajo manual, este cambio "pequeño" podría tocar el componente de UI, el endpoint de API, los valores predeterminados de la base de datos y los tests. Cada cambio de archivo requiere cambio de contexto y coordinación cuidadosa. En el flujo de trabajo AI-first, es una descripción y un ciclo de ejecución.
Esta velocidad de iteración se acumula. A lo largo de un día de desarrollo, la diferencia entre iteraciones de 5 minutos e iteraciones de 45 minutos es la diferencia entre 12 ciclos de refinamiento y 1 o 2. Y más iteraciones significa mejor calidad final.