Un agente de IA estándar funciona así: recibe un prompt, carga documentación (o quizá un segundo cerebro), hace grep en los archivos fuente e intenta reunir contexto a partir de los datos disponibles para generar una solución basada en su mejor conjetura.
AITM (AI Task Manager) funciona de otra manera. Mantiene su propia base de conocimiento del código, actualizada continuamente, y se la entrega al agente antes incluso de que empiece a trabajar.
La trampa de los proyectos empresariales Al escalar proyectos grandes, las piezas individuales (módulos, código fuente, documentación) acaban alcanzando sus límites. El desarrollo se ralentiza y caes en una trampa:
• La información que reúne la IA es incompleta, inconexa o, lo peor de todo, directamente errónea.
• La IA confía en datos falsos y tú confías en la IA.
• El código ya no coincide con la documentación.
• Incluso los prompts bien escritos operan bajo la ilusión de que todo va bien, mientras que la realidad está en otra parte.
Añade un toque de alucinación y los resultados finales se alejan mucho de lo esperado.
El conocimiento en AITM tiene 4 capas sólidas:
- Contratos
Unidades lógicas que enlazan información clave para la IA: tests unitarios, archivos fuente, referencias a otros contratos y enlaces a documentación.
Velo en la documentación de Lógica de negocio y contratos.
- Elementos del DOM
Cada elemento de la interfaz lleva su propia etiqueta AITM vinculada a la lógica de negocio y de comportamiento. Con AITM Dev Tools, estos elementos pueden insertarse directamente en los prompts. La IA sabe con precisión qué elemento está modificando y qué eventos se disparan desde él.
Velo en la documentación del explorador del DOM.
- Comportamiento
Define la funcionalidad de cara al usuario: qué acciones puede realizar un usuario y qué se lo impide (p. ej., hacer clic en este botón dispara la validación y después invoca la función de guardado). Según las necesidades, va desde descripciones abstractas hasta referencias directas a funciones, clases o archivos.
- Lógica de negocio
Reglas y dependencias que de otro modo existirían únicamente en la cabeza de los desarrolladores.
Cómo AITM mantiene la verdad y resuelve los conflictos En AITM creas una Task (definiendo lo que debe hacer el software). El sistema genera entonces código, documentación, contratos y tests.
¿Qué ocurre cuando la información entra en conflicto?
Los requisitos del usuario siempre tienen la máxima prioridad;
La documentación, los contratos y el código resultante se contrastan con la Task;
Si surge una inconsistencia (p. ej., un requisito que entra en conflicto con la arquitectura del sistema), AITM registra automáticamente un Bug.
En última instancia, una persona sigue siendo la única autoridad para las decisiones finales. La IA señala los conflictos, pero es la persona quien determina qué es correcto.
Experiencia personal: construir sin escribir manualmente una sola línea de código Construyo AITM dentro del propio AITM. Está escrito al 100 % por IA. Como desarrollador, no he tocado el código manualmente. Mi papel consiste únicamente en definir la arquitectura, los patrones de diseño y las reglas operativas.
Gracias a la IA, puedo diseñar estructuras mucho más abstractas y complejas que permanecen estrictamente separadas pero profundamente conectadas.
Conclusión clave: para el código escrito por IA, hay que inventar nuevas arquitecturas y patrones, muy legibles para la IA aunque a los humanos les parezcan complejos. Con la IA no te limitan las barreras técnicas, solo tu capacidad para diseñar y gestionar la arquitectura.
Qué hago de forma distinta y qué viene después Lo que traté en artículos anteriores se aplica de manera similar a la mayoría de los orquestadores de IA. Aquí es donde empezamos a diferenciarnos.
En próximas publicaciones desglosaré diferencias concretas de AITM: explicaré en qué nos diferenciamos, por qué elegimos este camino y qué ventajas aporta.
Hoy, AITM supera las 500 000 líneas de código y, incluso a esta escala, soy capaz de gestionar todo el proceso como desarrollador en solitario. Los resultados son notablemente mejores y, a diferencia de las configuraciones estándar que dependen de agentes y plugins débilmente conectados, nada se descontrola.
