Me convertí en arquitecto de software después de más de una década de experiencia como ingeniero de software, desarrollando código en múltiples idiomas y en múltiples pilas de tecnología, desde integrado hasta móvil y SaaS. Entiendo los aspectos prácticos del código programático y, aunque ya no escribo código, confío en mi experiencia en desarrollo de software tanto para tomar decisiones de alto nivel como para profundizar en los detalles cuando es necesario. Si como líderes tecnológicos no nos aseguramos de obtener conocimientos y experiencia práctica equivalentes en el campo de GenAI, no podremos liderar la arquitectura de los sistemas modernos.
En otras palabras, me di cuenta de que no puedo ser un buen arquitecto de software sin conocer GenAI. De la misma manera no puedo ser un buen Arquitecto de Software si no entiendo temas como algoritmos, complejidad, escalamiento; arquitecturas como cliente-servidor, SaaS, bases de datos relacionales y no relacionales; y otros fundamentos de la informática.
GenAI se ha convertido fundacional a la ingeniería informática. GenAI ya no es un subdominio de nicho que puede abstraerse y dejarse en manos de expertos en la materia. GenAI significa nuevos paradigmas y nuevas formas de pensar sobre la arquitectura y el diseño de software. Y no creo que ningún arquitecto de software o líder tecnológico pueda tomar decisiones de manera confiable sin tener este conocimiento.
Podría ser que los productos y proyectos que lideres sigan estando libres de IA. GenAI no es una solución milagrosa y debemos asegurarnos de no reemplazar la automatización simple con IA cuando no es necesaria o incluso es perjudicial. De todos modos, debemos poder al menos evaluar esta decisión con conocimientocada vez que lo enfrentamos.
Voy a terminar con algunas noticias positivas para los arquitectos de software: sí, todos tenemos que mejorar y aprender IA, pero una vez que lo hagamos, ¡seremos necesarios!
A medida que las herramientas basadas en GenAI se vuelven cada vez más complejas, la ciencia de datos y la experiencia en IA no serán suficientes: necesitamos diseñar y diseñar estos sistemas teniendo en cuenta todos los demás factores en los que nos hemos centrado hasta ahora: escala, rendimiento, mantenibilidad. , buen diseño y componibilidad: hay mucho que podemos aportar.
Pero primero debemos asegurarnos de aprender los nuevos paradigmas a medida que GenAI transforma la ingeniería informática, y asegurarnos de que estamos equipados para seguir siendo tomadores de decisiones técnicas en este nuevo mundo.