Llevo más de un año usando inteligencia artificial como parte central de mi flujo de desarrollo web. No como experimento, sino como herramienta de producción en proyectos reales de clientes. Y puedo decir con certeza que cambió cómo trabajo — pero no de la forma que la mayoría piensa.
La IA no me reemplazó. Me hizo más rápido en las cosas que antes eran mecánicas, y me liberó tiempo para las que realmente importan: entender el problema del cliente, diseñar buenas soluciones y tomar decisiones técnicas con criterio. Si quieres una visión general de qué funciona y qué no con IA en desarrollo web, tengo un artículo dedicado. Acá voy al detalle de cómo la uso.
Mi flujo de trabajo con IA paso a paso
Cuando arranco un proyecto nuevo — ya sea una página web para una pyme o una plataforma web para una empresa — mi proceso tiene etapas claras donde la IA participa y otras donde no.
1. Definición del proyecto (sin IA)
Esto es 100% humano. Hablo con el cliente, entiendo su negocio, defino qué necesita y qué no. La IA no puede hacer esto porque no conoce al cliente, no entiende su mercado y no sabe qué restricciones tiene. Acá es donde se gana o se pierde un proyecto, y ningún modelo puede reemplazar esa conversación.
2. Arquitectura y decisiones técnicas (sin IA)
¿Base de datos relacional o NoSQL? ¿Serverless o servidor? ¿Monolito o servicios separados? ¿React, Astro o HTML estático? Estas decisiones dependen del contexto específico del proyecto — presupuesto, escala esperada, equipo de mantenimiento. La IA puede sugerir opciones, pero la decisión es mía porque conozco las consecuencias reales de cada una.
3. Estructura base y componentes (con IA)
Acá es donde la IA empieza a brillar. Una vez que sé qué voy a construir y con qué stack, le pido que me genere la estructura base: componentes de UI, layouts, configuraciones iniciales. Lo que antes tomaba medio día de copiar y ajustar boilerplate, ahora toma una hora.
Ejemplo concreto: en un proyecto reciente necesitaba un dashboard con sidebar, tabla de datos con filtros y un formulario multi-step. Le describí la estructura y los requisitos, y en 20 minutos tenía la base funcional. No perfecta — tuve que ajustar estilos, lógica de estado y validaciones — pero la base estaba ahí.
4. Lógica de negocio (con IA, supervisado)
Para funciones CRUD, validaciones de formularios, queries a la base de datos y manejo de estados, la IA genera código funcional en la mayoría de los casos. Pero SIEMPRE lo reviso. ¿Por qué? Porque la IA puede generar código que funciona pero que tiene problemas de seguridad, rendimiento o que simplemente no calza con el resto de la arquitectura.
La regla es: la IA propone, yo reviso y ajusto. Nunca al revés.
5. Testing y debugging (con IA)
Escribir tests unitarios es una de las tareas más mecánicas del desarrollo. La IA los genera rápido y con buena cobertura. También es excelente para debugging: le paso un error con su stack trace y en segundos me sugiere causas probables y soluciones. No siempre acierta, pero reduce el tiempo de diagnóstico.
Herramientas de IA que uso todos los días
No uso 20 herramientas. Uso pocas, pero las conozco bien:
- Claude (Anthropic): Mi herramienta principal. Lo uso integrado en mi editor para generar código, refactorizar, escribir tests y resolver problemas. La ventaja clave es que maneja contextos largos — puedo pasarle archivos completos y entiende la estructura del proyecto.
- APIs de visión para OCR: En proyectos como Aigastos, uso modelos de visión para extraer datos de imágenes (boletas, documentos). La combinación de OCR con lógica de negocio personalizada es donde la IA genera más valor para empresas.
- Supabase Edge Functions: Para procesar datos con IA en el servidor sin exponer claves de API al cliente. Esto es fundamental cuando trabajas con datos sensibles de empresas — todo se procesa en un entorno controlado.
Caso real: cómo la IA aceleró el desarrollo de Aigastos
Aigastos es una app que registra gastos para emprendedores. El usuario manda una foto de la boleta por WhatsApp y la IA extrae monto, fecha y comercio automáticamente. Sin la IA, esto requeriría ingreso manual — lento, aburrido y propenso a errores.
Lo que la IA hizo posible:
- Procesamiento de imágenes de boletas con precisión del 90%+
- Extracción estructurada de datos (monto, fecha, comercio, categoría)
- Clasificación automática de gastos por categoría
Lo que la IA NO hizo:
- Diseñar el flujo de usuario (eso fue trabajo de UX)
- Decidir la arquitectura del backend (Supabase + Edge Functions fue mi decisión)
- Manejar los edge cases (boletas borrosas, formatos distintos, múltiples items)
El patrón se repite en todos mis proyectos: la IA acelera la ejecución, pero las decisiones de producto y arquitectura siguen siendo humanas.
Cuánto tiempo ahorro realmente
Números reales de mi experiencia:
- Generación de componentes UI: 40-50% más rápido. Lo que antes eran 4 horas de trabajo mecánico, ahora son 2.
- Escritura de tests: 50-60% más rápido. La IA genera los casos base, yo agrego los edge cases.
- Debugging: Variable. A veces ahorra horas, a veces no ayuda nada. Depende del tipo de bug.
- Queries SQL y lógica CRUD: 30-40% más rápido. Útil pero no transformador.
- Arquitectura y decisiones: 0% más rápido. Esto toma el mismo tiempo con o sin IA.
En resumen: en un proyecto típico de página web en Chile, la IA me ahorra entre un 25% y 35% del tiempo total de desarrollo. No es el 80% que algunos prometen, pero es significativo.
Errores comunes al usar IA en desarrollo web
He visto (y cometido) estos errores:
- Confiar sin revisar: La IA genera código que se ve correcto pero puede tener bugs sutiles, vulnerabilidades de seguridad o patrones que no escalan. SIEMPRE hay que revisar.
- Usar IA para todo: No todo necesita IA. A veces escribir el código a mano es más rápido que explicarle a la IA qué necesitas. Especialmente en lógica de negocio compleja.
- No entender lo que genera: Si no puedes leer y entender el código que la IA genera, no deberías estar usándola. Primero aprende los fundamentos, después usa herramientas que te aceleren.
- Ignorar la seguridad: La IA puede generar código con tokens hardcodeados, SQL injection o endpoints sin autenticación. Si no revisas, estás exponiendo datos de tus clientes.
Para quién tiene sentido usar IA en desarrollo web
La IA en desarrollo web tiene sentido cuando:
- Eres un desarrollador que ya sabe programar y quiere ser más productivo
- Tienes un proyecto con mucho trabajo mecánico (CRUD, componentes repetitivos, tests)
- Necesitas procesar datos a escala (imágenes, documentos, texto)
- Quieres ofrecer funcionalidad inteligente a tus usuarios (como en Aigastos)
NO tiene sentido cuando:
- No sabes programar y esperas que la IA haga todo
- Tu proyecto es simple y no justifica la complejidad adicional
- No tienes presupuesto para mantener APIs de IA a largo plazo
Si estás pensando en un proyecto que podría beneficiarse de desarrollo web inteligente, conversemos. Lo primero es entender tu caso real.