Pocos profesionales trabajando en el sector del producto digital son ajenos al boom que estamos viviendo con la IA: desde afectar a los propios roadmap para incrementar las capacidades de nuestros propios productos, a usar herramientas como ChatGPT o Copilot para ayudarnos en el día a día, de una forma u otra estamos viendo cómo la democratización de esta tecnología está alcanzándonos.

El otro día, en el Instituto Tramontana, cuatro profesionales de producto debatían cómo afecta esta irrupción de la IA a los productos digitales. Si no has visto el vídeo lo recomiendo encarecidamente. Destaco dos momentos:

• Jose Ramón, CTO de Mercadona Tech, comparte su visión de cómo afectará a los trabajos de ingeniería, defendiendo que quien se verá afectado es quien él denomina "ingeniero CRUD" (CRUD es el acrónimo usado para "Create, Read, Update, Delete", indicativo de las funcionalidades básicas de persistencia en una base de datos).
• David Zafra, diseñador, comparte cómo usa en su día a día herramientas como Cursor para su side project sin tener conocimientos de ingeniería, dándole contexto de que no entiende nada de ingeniería para usarlo como un compañero que programa a su lado.

Justo esa misma semana, descubríamos Lovable: a través de una interfaz que promete transformar texto e ideas en aplicaciones completamente funcionales, promete ser "the last piece of software". Cuenta con un crecimiento espectacular los últimos meses (según contaban en el podcast de Lenny, 10 millones de ARR en sólo dos meses con 15 personas en plantilla, habiendo sido la startup europea de mayor crecimiento de la historia). Aprovechando que estamos prototipando un pequeña aplicación para el curso de Dirección de Producto en Tramontana, decidimos probarlo.

Construyendo Sensa: corre guiado por tus sensaciones.

El concepto detrás de Sensa.run es muy simple: se trata de un asistente de entrenamiento para corredores guiado por las sensaciones del atleta. Muchos atletas preparan sus próximos objetivos o carreras en base a una planificación rígida, que no se adapta a cómo se encuentran en el día a día, lo que da lugar a muchas frustraciones y problemáticas como lesiones. Idealmente, cada uno tendríamos un entrenador personal siempre a nuestro lado que comprenda nuestra situación y personalice y adapte día a día nuestros entrenamientos, pero muchas veces o no lo tenemos al alcance inmediato o no queremos asumir ese gasto o compromiso extra que supone. Por ello, podría ser interesante que, a través de la mezcla de transmitir nuestros objetivos, sensaciones personales y entrenamientos recientes a un agente, nos pueda asesorar día a día sobre qué sesión nos conviene más realizar.

Hace unos meses comentaba en este mismo blog que estaba trabajando en hacer esto mismo a través de la API de Strava. Con más o menos la misma cantidad de tiempo que aquel entonces dediqué a configurar un entorno en local para testear contra una consola, en esta ocasión tenía un prototipo completamente funcional en producción, con una interfaz, base de datos, conexión con varias APIs y autenticación de usuarios.

Lo que curiosamente llevó más tiempo fue conseguir la autorización de Strava para usar su API, puesto que además de cumplir con ciertos requisitos muy específicos hay que pasar por un proceso de verificación manual. En cuanto se consiguió solventar, lancé a producción la aplicación, testeé con varios usuarios su funcionalidad y recogí feedback que sirvió para que, en unas pocas horas, pudiera corregir varios aspectos de la aplicación.

¿Todo cambia? ¿nada cambia?

El auge de aplicaciones como Lovable y Cursor han generado un movimiento llamado "vibe coding" con un fuerte debate en la comunidad las últimas semanas. Como siempre, las opiniones más radicales son las que más resuenan en redes, por lo que por un lado escuchamos opiniones del estilo de "en dos años el 100% del código se generará por una IA" y por otro "el código que genera es imposible de mantener en el largo plazo", aunque son reflexiones que creo que aportan poco valor.

Sobre si la calidad del código generado es buena, yo no he tenido problemas a la hora de entenderlo, y si gente de la altura técnica de Javi Santana cree que es suficientemente buena, no creo que sea algo por lo que preocuparse.

De hecho, como curiosidad, cuando he intentado hacer alguna cosa de cierta complejidad (por ejemplo, aplicar una función de puntuación de carreras), lo que mejor me ha funcionado ha sido copiar en el código una función que contiene la lógica del comportamiento y, sin necesidad de conectar yo las piezas, pedirle a Lovable que limpie y refactorice el código.

Creo que lo que sí es innegable es que la capacidad de generar aplicaciones medio complejas (autenticación, integraciones, base de datos) se reduce en muchos órdenes de magnitud. Sí me he encontrado problemas, por ejemplo, cuando el marco de actuación es amplio y no limitado a un componente específico (por ejemplo, actualizar componentes que aparecen en varios lugares, o cambiar un proceso medianamente complejo para aceptar un nuevo flujo). De cara a proyectos complejos probablemente aún cueste que esta tecnología haga grandes refactor o actualizaciones ,aunque algunas personas también bastante relevantes en el sector que se atreven a predecir que en poco tiempo esto cambiará.

Ahora mismo, donde creo que Lovable brilla es en la capacidad de prototipado: Almacenar y procesar datos está ya al alcance de muchas más personas que hace pocos meses. Y aunque seas ingeniero y sepas programar, el arranque de un proyecto de estas características es muchísimo más rápido que antes. Cada vez veremos menos validación a través de prototipos de Figma o de canales de Telegram. De hecho, los cuatro proyectos que se presentaron en el curso de Tramontana, fueron desarrollados con Lovable, no por prescripción de nadie ni por falta de trabajo de ingeniería; sino porque, al democratizar este tipo de operaciones, esa fricción desaparece y deja más espacio para dedicar a lo que de verdad importa: la entrega de valor.

Sensa es, ahora mismo, una aplicación de muy poco valor: se trata de un side project para entrenar algunas habilidades profesionales, pero algo ha cambiado que ha provocado su lanzamiento: hace unos meses hubiera tenido que dedicar muchísimo tiempo a programar ciertas características del producto, a gestionar las conexiones con la API y a configurar los entornos e incluso, a decidir la infraestructura y la base de código sobre la que trabajar. Ninguna de estas operaciones añade algún valor al usuario final, son “cosas que hay que hacer” para llegar a un fin: comprobar si tu producto interesa a alguien, obtener feedback y mejorarlo.

Se rompen así muchas barreras para, en fases iniciales, validar hipótesis y evitar incurrir en gastos como, por ejemplo, la subcontratación de este tipo de desarrollos a equipos externos en estas fases. Del mismo modo, el valor aportado por muchos SAAS que basaban su propuesta en llevar un excel a la nube y conectarlo con múltiples APIs, tendrá que ser mucho mayor, porque ahora el coste de gestionar in-house estos procesos es mucho menor. También, la distribución cobra más importancia que nunca, ya que la capacidad de que copiar productos ha avanzado a pasos agigantados. En Sensa, por ejemplo, lo más difícil (que no lo es) de replicar en estos momentos es la conexión con Strava (de hecho publiqué Sensa con código abierto), porque es lo único que ha requerido pasar un proceso de validación externo.

Pero muchas cosas que siempre han estado, siguen ahí. Puesto que sientes que todo está al alcance tan rápido, es casi inevitable entrar en el build trap: construir cosas que no sabes si tienen sentido antes de validar si lo que estás construyendo tiene realmente sentido. La esencia, el foco y el valor de lo que producto entrega sigue teniendo tanta importancia como siempre y, en equipos técnicos, la discusión debe centrarse más en el para qué y el qué construir que en el cómo hacerlo.

Lo que el tiempo dirá es cómo afectará a nivel macro, la economía y al mercado laboral: desconozco si el impacto será lo suficientemente fuerte como para que afecte directamente al empleo, si tan sólo veremos un aumento de productividad y hará del mundo un lugar mejor, o si nos colocaremos en algún punto entre medias de ambos extremos.

Si te interesa más sobre cómo está afectando y afectará al mercado, el otro día desde Reforge escribían un post muy interesante sobre ello, que Simón tradujo en su substack:

Colapso del Product Market Fit

Sobre como el impacto de la Inteligencia Artificial está provocando el colapso del encaje en el mercado de muchos productos.

by Simón MuñozSubstack

Lo que es innegable es que esta tecnología está avanzando a tiempos agigantados: desde que empecé a escribir este post hasta que lo he lanzado hemos vivido “otra revolución más” con las nuevas capacidades de generación de imágenes de OpenAI, con varias caídas y Sam reconociendo problemas para mantener el ritmo.

Probablemente lo que más nos conviene es seguir al tanto de cómo evoluciona esta apasionante tecnología e incorporarlo en nuestros flujos diarios para centrarnos en cada vez aportar más y más valor al usuario y al negocio.

PD: Si quieres probar Sensa.run y aportar feedback, puedes hacerlo a través de https://sensa.run. Y a mí me puedes encontrar en mario@perezpereira.com 😄