La industria automotriz está experimentando una revolución impulsada por la inteligencia artificial, y General Motors (GM) se encuentra a la vanguardia de esta transformación. Según Rashed Haq, vicepresidente de vehículos autónomos de GM, los ingenieros de software están dedicando solo el 15% de su tiempo a escribir código, mientras que el 85% restante ahora está siendo optimizado gracias a la implementación de agentes de IA. Esta innovadora estrategia está cambiando drásticamente la manera en que se desarrolla el software para vehículos autónomos.
Haq destacó en una reciente entrevista que GM ha rediseñado sus flujos de trabajo de ingeniería en torno a la automatización mediante IA, lo que ha resultado en un incremento significativo en las solicitudes de cambios fusionadas, liberaciones más rápidas y una notable reducción de errores en etapas avanzadas de desarrollo. Más que agregar un asistente de codificación, GM ha transformado completamente su enfoque para maximizar la eficiencia en el desarrollo de software.
Un cambio radical en el proceso de codificación
Aunque un 15% de tiempo dedicado a la programación puede parecer insólito, investigaciones previas han revelado que este fenómeno no es exclusivo de GM. Un estudio de Microsoft realizado en 2019 señaló que los desarrolladores profesionales dedican en promedio entre 14% y 20% de su jornada laboral a la escritura de código, dependiendo de su carga de trabajo. Análogamente, un informe de Stripe de 2018 reveló que los desarrolladores pasan más de 17 horas semanales en tareas de mantenimiento, como depuración y refactorización.
La esencia del argumento de Haq radica en la comprensión de que la programación es solo una parte del ciclo de desarrollo de software. GM ha abordado la identificación de cuellos de botella, automatizando las etapas más lentas en su proceso de desarrollo, que abarca desde pruebas en simulaciones hasta el monitoreo de vehículos una vez que llegan al cliente.
Integración de agentes de IA en el flujo de trabajo
Un componente clave en este enfoque es la conexión de los agentes de IA a herramientas internas y una vasta cantidad de datos de la empresa. GM ha utilizado servidores personalizados, conocidos como Model Context Protocol (MCP), para habilitar a los agentes a interactuar con modelos de datos y ejecutar tareas específicas mediante documentos de instrucción llamados «skills».
Uno de los usos más valiosos de esta capacidad de análisis se centra en la telemetría recogida de vehículos en tiempo real. Estos agentes pueden realizar un primer análisis de datos, identificar problemas y generar tickets para que los ingenieros los revisen, facilitando así un flujo de trabajo más eficiente.
Aumento en la productividad y calidad del software
La implementación de estos agentes ha llevado a GM a triplicar el número de pull requests aceptados, lo que no solo refleja un mayor volumen de código, sino también una acelerada liberación de nuevas funcionalidades y una disminución en los defectos en el proceso de desarrollo. Cada ingeniero sigue siendo responsable de la calidad del trabajo, ya que se establecieron pruebas estructuradas y mediciones de desempeño previas a la adopción de estos nuevos métodos.
Esta estrategia inicial superó las expectativas de GM, que anticipaba un aumento moderado en la productividad. Haq enfatizó que la clave del éxito radica en mapear detalladamente el recorrido desde el descubrimiento de problemas hasta las soluciones verificadas, permitiendo que los agentes de IA accedan de forma controlada a las herramientas necesarias para eliminar las ineficiencias en el proceso de desarrollo.