Resumen del contenido principal
Recientemente, el campo de la programación con IA ha experimentado una nueva tendencia llamada “Ingeniería de Bucles” (Loop Engineering): mientras que antes los desarrolladores escribían manualmente las instrucciones (“prompt”) para que la IA generara código, ahora los expertos sugieren diseñar sistemas de bucles con retroalimentación, permitiendo que la misma IA se genere sus propias instrucciones y continúe trabajando de manera autónoma. Dos especialistas del sector, Boris Cherny, el creador de Claude Code, y Peter Steinberger, fundador de “Lobster”, están promoviendo este nuevo enfoque. No obstante, este modelo enfrenta desafíos reales, como los altos costos de los tokens y las dificultades de depuración. Claude Code ya incorpora nativamente la función de bucles y ha resuelto algunos problemas técnicos relacionados con el funcionamiento a largo plazo.
1. La Ingeniería de Bucles: de “dirigir a la IA” a “que la IA se dirija a sí misma”
En términos sencillos, antes el proceso era el siguiente: abrías una herramienta de IA, ingresabas “Por favor, crea una página de inicio de sesión para los usuarios” y luego ajustabas el código según las sugerencias de la IA. Con la Ingeniería de Bucles, diseñas un conjunto de reglas de ciclo de trabajo, como “Revisa la página de inicio de sesión cada hora en busca de errores → si hay errores, corrigelos → después de la corrección, realiza pruebas automáticas → si las pruebas son exitosas, envía el código”. De esta manera, la IA ejecuta el proceso en bucle sin necesidad de instrucciones manuales.
Boris Cherny explica que su trabajo ha pasado de escribir instrucciones a diseñar estos ciclos: “Hago que un conjunto de procesos automatizados guíe a Claude Code para decidir qué hacer a continuación”. Peter Steinberger también afirma que “ya no deberíamos escribir instrucciones directas a la IA; en lugar de eso, debemos crear mecanismos de bucle que le proporcionen las indicaciones necesarias”. Esto equivale a darle a la IA un “manual de trabajo autónomo”, convirtiéndola de una herramienta temporal en un elemento capaz de trabajar de manera continua.
2. Los bucles no son simplemente repeticiones infinitas; necesitan “frenos” y “navegación”
Algunos preguntan: ¿No es un ciclo simplemente la repetición periódica de una acción? Por ejemplo, enviar correos electrónicos automáticamente todos los días. Pero no es así. Un ciclo efectivo debe incluir un círculo de retroalimentación: debes indicarle a la IA cuál es el objetivo, cómo está progresando y cuándo debe detenerse.
Por ejemplo, en el caso de un ciclo para optimizar un sitio web de comercio electrónico, el objetivo podría ser aumentar las tasas de conversión. La IA realizaría acciones como analizar datos de comportamiento del usuario, ajustar la estructura de las páginas de productos, realizar pruebas A/B y verificar si hay mejoras en las conversiones. Si no se alcanza el objetivo, continúa optimizando; si sí, detiene el proceso. En este caso, los datos de conversión actúan como retroalimentación, el cumplimiento del objetivo como “freno” y la orientación necesaria para ajustar el enfoque.
Garry Tan, CEO de YC, advierte que no debemos convertir a la IA en una máquina que repite tareas de manera mecánica, sin capacidad de reflexión o mejora autónoma (como en las fábricas de tipo Foxconn). Sin retroalimentación, la IA podría seguir cometiendo errores, como enviar código defectuoso repetidamente.
3. Dificultades prácticas: los tokens son caros y no todos los desarrolladores pueden permitírselos
Aunque la idea de la Ingeniería de Bucles es atractiva, el principal problema es el costo elevado. Cada iteración del ciclo implica una llamada a un API de IA, lo que consume tokens (el “combustible” necesario para su funcionamiento). Por ejemplo, si un ciclo se ejecuta cada minuto, en 8 horas habría 480 llamadas, lo que representa un costo significativo. Las grandes empresas (como Anthropic y OpenAI) tienen un suministro casi ilimitado de tokens, pero los desarrolladores individuales o los equipos pequeños tienen presupuestos limitados. Algunos se quejan de que un paquete de 20 dólares no es suficiente; Peter Steinberger responde que “el tiempo es más valioso que los tokens”, aunque otros argumentan que esto es un problema financiero, no técnico.
Claude Code ha implementado algunas restricciones para controlar los costos: los ciclos solo pueden ejecutarse cada minuto y duran hasta 3 días; si se cierra la aplicación, el ciclo se detiene. Sin embargo, estas medidas son solo soluciones temporales. Para que la IA trabaje de manera continua, sigue siendo necesario invertir dinero.
4. La evolución de Claude Code: de 20 minutos a funcionamiento continuo durante días
Hace un año, Claude Code solo podía ejecutarse durante 20 minutos (lo cual dificultaba el seguimiento del trabajo y aumentaba las posibilidades de errores). Ahora puede funcionar durante varios días. Ha resuelto tres problemas clave:
- Pérdida de contexto: antes, cada ciclo comenzaba desde cero, olvidando lo que se había hecho previamente. Ahora, el sistema conserva el contexto de la sesión y recuerda las acciones realizadas en iteraciones anteriores.
- Deficiencia en la planificación: antes, la IA intentaba completar todo de una vez o se detenía a mitad del proceso. Actualmente, utiliza modelos como Opus para planificar (por ejemplo, dividir tareas como “crear un sitio web de comercio electrónico” en etapas: página principal, página de productos, página de pago), y el modelo Sonnet ejecuta el código de manera coordinada.
- Falta de juicio autónomo: antes, la IA podía considerar que un trabajo estaba completo cuando solo se había completado una parte (por ejemplo, si se creaba un botón en la interfaz, pero no se programaba la lógica posterior). Ahora utiliza una estructura que incluye un generador para crear el código, un evaluador para probarlo con herramientas como Playwright y un planificador para definir los estándares de aceptación (por ejemplo, asegurarse de que el botón dirija al usuario a la página de pago).
5. Desafíos en la implementación: dificultades de depuración y altos costos de migración
Muchos desarrolladores han encontrado que la práctica real es más compleja de lo esperado:
- Depuración: Depurar un ciclo que se ha ejecutado 47 veces es mucho más difícil que depurar una instrucción simple. Es necesario seguir el estado de cada iteración para identificar los errores.
- Costos de migración: Algunos equipos descubren que la Ingeniería de Bucles no es adecuada para sus proyectos, pero cambiar a otra herramienta requiere mucho tiempo y recursos. Un desarrollador comentó: “Introduje este sistema en mi empresa y ahora nadie quiere encargarse de su mantenimiento”.
- Falta de habilidades básicas: Muchos desarrolladores no tienen experiencia creando instrucciones fiables para la IA y cometen errores al intentar usar la Ingeniería de Bucles.
En resumen, la Ingeniería de Bucles representa una dirección futura en la programación con IA, pero aún se encuentra en su etapa inicial. Los desarrolladores deben ser cautelosos a la hora de probarla.
Conclusión
La Ingeniería de Bucles marca el siguiente paso en el desarrollo de la programación con IA, permitiendo que las herramientas pasen de una ejecución pasiva a un trabajo autónomo. Sin embargo, todavía enfrenta desafíos como los altos costos y las dificultades de implementación. Para las grandes empresas, puede ser una herramienta para mejorar la eficiencia; para los desarrolladores individuales, podría ser mejor esperar a que la tecnología se haya madurado y los costos disminuyan. No obstante, esta tendencia ya está en marcha… Quizás en unos meses, veremos muchos perfiles de “ingenieros especializados en Ingeniería de Bucles” en LinkedIn.