Radar Tecnológico

No sorprende a nadie que la IA generativa y los LLM dominaran nuestras conversaciones para esta edición del Radar, incluyendo patrones emergentes en torno a su uso por parte de los desarrolladores. Los patrones inevitablemente conducen a antipatrones (situaciones contextualizadas que los desarrolladores deben evitar). Vemos algunos antipatrones que comienzan a aparecer en el espacio hiperactivo de la IA, incluida la creencia errónea de que los humanos pueden reemplazar completamente la programación en pares con la IA como compañera. Esto incluye la dependencia excesiva en las sugerencias de los asistentes de código, los problemas de calidad del código generado, y una tasa de crecimiento acelerada de las bases de código. La IA tiende a resolver problemas por fuerza bruta en lugar de utilizar abstracciones; tales como, usar docenas de condicionales apiladas en lugar del patrón de diseño de Estrategia. Los problemas de calidad del código resaltan especialmente la necesidad de una diligencia constante por parte de los desarrolladores y arquitectos para evitar sumergirse en código que funciona pero es deficiente. Por lo tanto, los miembros del equipo deben redoblar las buenas prácticas de ingeniería como pruebas unitarias, funciones de aptitud arquitectónica y otras técnicas probadas de gobernanza y validación para asegurarse de que la IA está ayudando a cumplir su objetivo, en lugar de complejizar su código.

Rust se ha convertido gradualmente en el lenguaje de programación de sistemas preferido. En cada sesión del Radar, Rust surge una y otra vez en nuestras conversaciones; una gran cantidad de las herramientas que discutimos están escritas en Rust. Es el lenguaje de elección cuando se trata de reemplazar utilidades a nivel de sistema más antiguas, pero también para reescribir parte de un ecosistema con el fin de mejorar el rendimiento: el epíteto más común para las herramientas basadas en Rust parece ser "increíblemente rápido". Por ejemplo, vemos varias herramientas en el ecosistema de Python que tienen alternativas basadas en Rust para ofrecer un rendimiento notablemente mejor. Los diseñadores del lenguaje y la comunidad han logrado crear un ecosistema muy apreciado de SDKs esenciales, bibliotecas y herramientas de desarrollo, proporcionando una velocidad de ejecución excepcional con menos inconvenientes que muchos de sus predecesores. Muchos en nuestro equipo son fanáticos de Rust, y parece que la mayoría de los desarrolladores que lo usan lo consideran muy valioso.

WASM (WebAssembly) es un formato de instrucciones binario para máquina virtual basada en pila, lo que suena esotérico y demasiado bajo nivel para el interés de la mayoría de las desarrolladoras hasta que la gente ve las implicaciones: la capacidad de ejecutar aplicaciones complejas dentro del sandbox del navegador. WASM puede ejecutarse dentro de las máquinas virtuales JavaScript existentes, permitiendo aplicaciones que las desarrolladoras sólo podían implementar anteriormente en frameworks nativos y extensiones que fueran empotrables dentro de los navegadores. Los cuatro navegadores principales soportan ahora WASM 1.0 (Chrome, Firefox, Safari y Edge), abriendo posibilidades emocionantes para un desarrollo sofisticado portable y multiplataforma. Hemos observado este estándar a lo largo de los últimos años con mucho interés y estamos contentos de ver cómo empieza a ejercitar sus capacidades como un objetivo de despliegue legítimo.

Siguiendo la trayectoria establecida en los últimos volúmenes del Radar, esperábamos que la IA generativa tuviera un lugar destacado en nuestras discusiones. Y, sin embargo, aún nos sorprendió la explosión en el ecosistema de tecnologías que soportan los modelos de lenguaje: guardrails, evals, herramientas para construir agentes, frameworks para trabajar con resultados estructurados, bases de datos vectoriales, servicios en la nube y herramientas de observabilidad. De muchas maneras, este crecimiento rápido y variado tiene perfecto sentido: la experiencia inicial, la simplicidad de una prompt en texto plano a un modelo de lenguaje, ha dado paso a la ingeniería de productos de software. Estos productos quizás no cumplan con los sueños y afirmaciones desmedidas que se hicieron después de que la gente enviara sus primeros prompts a ChatGPT, pero vemos un uso sensato y productivo de la IA generativa en muchos de nuestros clientes, y todas estas herramientas, plataformas y frameworks juegan un papel en llevar soluciones basadas en LLM a producción. Como sucedió con la explosión del ecosistema de JavaScript alrededor de 2015, esperamos que este crecimiento caótico continúe por un tiempo.

Inside the Technology Radar es un breve documental que ofrece una nueva visión de todo lo relacionado con el radar tecnológico.