La mayor parte de los problemas que el autor detecta en el código generado por inteligencia artificial no son técnicos, sino de confianza: en el ticket, en quien abrió el pull request, en el agente de codificación, en los tests, en el pipeline de integración y despliegue, en la observabilidad y hasta en la disponibilidad de la plataforma que los aloja. En un artículo publicado en su blog personal, el ingeniero reflexiona sobre cómo cultivar una cultura de confianza dentro de los equipos de desarrollo que ya trabajan con agentes de IA.
El eje de la propuesta es la rendición de cuentas: cada persona que firma un pull request es responsable de lo que envía a producción y debe estar disponible para arreglarlo si algo se rompe. A partir de ahí, el texto enumera seis prácticas concretas que considera útiles: definir una estrategia tecnológica clara y plasmarla en guías que también lean los agentes; apoyarse en herramientas deterministas como lenguajes tipados, linters o detección de código muerto; empoderar a los ingenieros para rechazar pull requests inabarcables; escribir los casos de prueba a mano aunque el agente los implemente; coordinarse con producto para evitar funciones sin valor; y usar prototipos descartables para comparar enfoques radicalmente distintos antes de elegir uno.
El autor cierra con un recordatorio pragmático: a veces el resultado no es el código, sino un informe o una herramienta, y la obsesión por la calidad puede estar fuera de lugar cuando lo que importa es la utilidad final.