El ciclo de retroalimentación lo es todo

Un modelo de IA programando por sí solo no es lo interesante. Lo interesante es lo que ocurre después de que genera el código. ¿Con qué rapidez puede saber el modelo si el código es correcto? ¿Qué tan ajustado es el ciclo de retroalimentación entre la generación y la validación?

Ese ciclo lo determina todo. Determina si el modelo puede iterar sobre su propia salida. Determina si un humano puede confiar en la salida sin inspección manual. Determina en qué dominios funciona realmente la programación con IA.

La velocidad del ciclo no es uniforme. Sigue un espectro. Y el espectro está determinado por una verdad más simple: la IA es nativa del texto.

El código de backend es texto. Las respuestas de API son texto. Los esquemas de base de datos son texto. Todo el dominio está representado en cadenas que un modelo de lenguaje puede leer, generar y validar sin salir nunca de su medio nativo. Incluso cuando el backend involucra comandos de CLI, esos comandos son texto. El modelo no necesita ver. Necesita leer.

Las interfaces visuales son diferentes. Una UI no es una imagen estática. Es temporal. Los estados cambian. Las animaciones transicionan. Los gestos desencadenan cascadas. El modelo puede hacer una captura de un botón pero no puede sentir la sincronización de una pulsación. Puede leer el CSS pero no puede observar cómo se despliega la curva de easing a lo largo del tiempo. La corrección visual es experiencial, y la experiencia ocurre en el tiempo.

Backend: milisegundos

El código de backend se valida de forma determinista. Una función tiene entradas y salidas. Un verificador de tipos comprueba el contract en tiempo de compilación. Una suite de tests ejercita el comportamiento en milisegundos. Un endpoint de API devuelve una respuesta que coincide con un esquema o no lo hace. La migración de base de datos se aplica limpiamente o hace rollback.

Cada señal de validación es textual, determinista y rápida. El modelo puede generar una función, ejecutar el verificador de tipos, ver el error y regenerar en segundos. Puede escribir un test, ejecutarlo, ver el fallo y corregir la implementación. El ciclo de iteración es lo suficientemente ajustado como para que el modelo opere de forma semiautónoma dentro de una tarea de backend delimitada.

Por eso el backend es donde la programación con IA se siente más mágica hoy. El dominio es lógica pura. La validación es instantánea. El modelo sabe cuándo se equivoca — que es exactamente lo que las guardrails deterministas intentan dar al resto de tu codebase.

Web: minutos

El desarrollo web añade la corrección visual. Un componente puede tener las props correctas y el padding incorrecto. Un layout puede pasar cada verificación de tipos y aun así verse roto. La superficie de validación ya no es puramente determinista.

Playwright ayuda. Puedes renderizar el componente, hacer una captura y compararla con una línea base. Pero esto es lento. Una suite de tests de backend se ejecuta en segundos. Una suite de regresión visual con Playwright se ejecuta en minutos. La IA no puede iterar sobre su propia salida a la misma velocidad porque el paso de validación es un orden de magnitud más lento.

El modelo puede generar código React que compila. No puede decirte si la UI resultante se ve correcta sin ejecutar un navegador, renderizar el DOM y comparar píxeles. Ese cuello de botella es real. La programación con IA en web funciona, pero el ciclo de retroalimentación es más holgado.

Mobile: horas

El desarrollo mobile añade la realidad física. Un gesto tiene sincronización y física. Una animación tiene curvas de easing que se sienten correctas o incorrectas. Una pantalla se renderiza diferente en iOS 16 que en iOS 18. Bluetooth, cámara, GPS y las notificaciones push tienen comportamientos que varían por dispositivo, por versión de SO y por capa del fabricante.

No hay una forma rápida de validar esto. Los tests unitarios cubren la lógica de negocio pero no la sensación de un swipe. Los tests de UI en un simulador detectan problemas de layout pero no frames caídos en un dispositivo Android de tres años. La validación real requiere compilar, firmar, instalar e interactuar con la app en hardware físico. El ciclo de retroalimentación se mide en horas, no en segundos.

El modelo puede generar código SwiftUI o Jetpack Compose que compila. No puede decirte si la app se siente nativa. Eso requiere manos humanas en dispositivos reales. El ciclo de iteración es demasiado lento para que el modelo se autocorrija de forma efectiva — razón por la cual las apps React Native programadas con IA necesitan guardrails para escalar.

Lo que significa el espectro

La programación con IA no se expande a la velocidad de la capacidad del modelo. Se expande a la velocidad de la validación.

El modelo puede escribir código mobile hoy. Lo que no puede hacer es saber si ese código es bueno. Saberlo requiere una infraestructura de validación que el desarrollo mobile no tiene. El backend la tiene. La web la está construyendo. Mobile va años por detrás.

Para los equipos que eligen dónde aplicar la programación con IA, la respuesta es obvia. Empieza donde la validación es más rápida. Backend primero. Web después, con inversión en testeo visual. Mobile al final, con manos humanas haciendo todavía la validación final. El costo de mantenimiento de esa elección se acumula con el tiempo — razón por la cual la versión uno nunca es el verdadero problema.

El modelo no es más inteligente en backend. Simplemente está mejor informado.