Coders, es obvio que las IAs nos ayudan a escribir codigo mas rapido, generando codigo de Interfaces de usuario, consultas de bases de datos, APis y mucho mas. Pero el escribir el codigo no lo es todo, y si la IA te ayuda a tener mas tiempo cuando desarrollas, deberias aprovechar ese tiempo en mejorar la calidad de tu proyecto y aprender mas temas incluso.
Asi que este video esta dedicado a esos programadores que ya estan siendo productivos usando IAs de todo tipo, ya sea que usen Cursor, windsurf, o webs como bolt.new, V0, Lovable o cualquier otra herramienta.
Les voy a dar una lista de herramientas, programas y tecnicas que deberian aprender, aun asi una IA, les genere todo el codigo.
De hecho varias de estas herramientas creo que son mas necesarias que nunca, y ahora en esta era de las IA, es mas facil llegar a usarlas comunmente. Empecemos
1. Herramientas de Manejo de Calidad y Cambios de Codigo
Como una IA puede generar codigo en acrhivos carpetas, y hasta alterar la escturucra de tu rpoeycto en segudnos, Git ahora es mas importante que nunca,porque te ayudara aque tu proyecto no se vuelva inservible pasado algunos prompts.
Y para mis amigos Vibecoders, Git no solo es una herramienta sirve para alojar tu codigo en Github, sino que te permite conocer todos los cambios, que se van dando en tu proyecto a lo largo del tiempo, y navegar entre ellos, es dcir te permite volver hacia a tras a cualquier version (git log), te permite comparar modificaciones (git diff) y mucho mas. Es como una maquina de tiempo para tu proyecto
Asi que algo que les recomiendo aqui, es que cada vez que hagn un cambio impornate, crea un branch nuevo, por ejemplo supongamos, que vas a implementar pagos y la IA escribira todas esas modificaciones, antes de pedirselo, crea un branch llamado "payments" o si vas a implementar autenticacion o algo crea un branch "test-auth" o como quieras llamarlo, pero cea un branch aparte, de ese modo, puedes modificas cuanto quieras, y vas probando y si no llega a hacerlo bien la IA, no te preocupes solo eliminas el branchy vuelves a empezar. es decir es mas seguro de esta forma modificar cosas
Lo otro aqui tambien es apoyarte de Linters y Formatters (como ESLint, Prettier), estas herramientas subrayan codigo en rojo cuando no cumplen ciertas reglas y hacen que el codigo tenga una misma consistencia a lo largo de todo el proyecto
De hecho tambien unido a Git aqui se incluiria los hooks de git, en dodne se ejecutan el linter antes de que hagas tu comit para ver si se cumplen estas reglas, en Nodejs por ejemplo esta husky, que es un archivo que configura a los hooks de git.
2. Documentacion y Herramientas de Debug
Si el codigo ya se genero muy rapido, por favor documentalo, porque si estas que añades y añades bloques gigantes de codigo,es mas que seguro que en un punto o ya no sepas que hacen enteramente, o si trabajas con otro desarrollador en un punto le sera mas complicado unirse a tu proyecto.
Para hacer esto hay muchas opciones:
Cuando escribes codigo por ejemplo tambien añades comentarios que se transforma en edocumentacion, gracias a Herramientas como Swagger de OpenAPI, incluso la IA te puede documentar estos comentarios, porque son simples textos o si estas desarrollandop una REST API, tambien puedes utilizar Postman, Rest Client, o cualquier otro cliente Rest que te permita documentar
E Incluso si prefieres documentar a mano, tambien puedes usar Herramientas que se te permiten crear una Bases de conocimiento, es decir aqui me refiere a apps como Notion u Obsidian
Y lo bueno es que aqui tambien puedes usar tus IAs favoritas por supuesto. Admeas toda esta documentacion le ayudara mas a los chats de IA o agentes de IA, dandole mas contexto de lo que ya se ha construido.
3. Testing Automatizado
El que una IA añada codigo aun con contexto de todo el proyecto, es inevnitable que en un punto tambien toque algo codigo que ya estaba escrito y deje de funcionar, pero para ser justos esto no es culpa de la IA, hasta los desarrolladores tenemos este problema.
Es por esto que el Testing Automatizado es mas necesario que nunca, el Testing es escribir codigo adicional al codigo fuente, para que al ejecutarlo se revisen que las partes principales de nuestro proyecto no deje de funcionar lo que ya estaba antes, es decir en lugar de que tu a mano pruebes y comprobar si todo sigue igual, lo cual no te dara la memoria ni el tiempo, un programa si puede entrar por ti y simular ser el usuario y empezar a llenar datos, dar clicks, y probar tu app en cuestion de segudnos.
por supuesto para esto hay herramientas como Jest en Javascript, Playwright o Cypress para el Frontend y en cada lenguaje tiene su propio Framework de Testing, ademas que tambien hay todo tipo de Testing (End to End Testing, Unit Testing, Integration Testing, etc), pero el que probablemente mas puedas pedirle ayuda a una IA integrarlo en tu proyecto sea el Unit Testing y el End to End testing y añadirlo solo en las partes principales como son los metodos de pago en tu app, la autenticacion, y asi.
4. Cloud y CI/CD (como GitHub Actions, GitLab CI, Vercel)
Ok, esto no es para todos los proyectos pero si para los que quizas ya esten funcionando
Actualmente es muy facil subir una aplicacion a la nube, hay todo tipo de servicios, con distintos precios y algunos como AWS o Google hasta por un año te dejan probar gratuitamente gratis algunos servicios.
Pero a lo que me refiero que es indispensable estos dias es hacer tu proyecto reproducible y hasta escalable, este varia depdiendiendo de la complejidad del proyecto, porque si es pequeño no hay mucho que haces, lo sunes aun PaaS (Platform as a Service) y todo listo
Pero si es grande puedes incluir herramientas de despliegue automatizado y el poder crear multiples entornos de desarrollo como: "development", 'producttion", "staging", "qa" y asi
Para esto estan herramientas como Docker, Ansible, Terraform, Packer, Nix y muchas otras mas, unidos a servicios como Github Actions, o Gitlab Actions, y en donde una IA, hasta te puede ayudar a crear los archivos de configuracion de cada una estas ehrramientas por que lo que si bien no son codigo tienen sisntaxsi en YAML o JSON que una IA si puede escribir.
claro la idea tampoco es volver un DepOps, pero tambien puedes aprender mucho con una IA de que servicio usar, cual integrar, e incluso quizas hasta cambiar y simular tus costos, dandole una idea de tu consumo mensual y pidiendole mas opciones de platformas y asi.
###5. Observabilidad y Monitoreo (como Sentry, LogRocket, Grafana)
Ahora que los proyectos pueden lanzarse más rápido gracias a la IA, lo siguiente es asegurarse de que funcionen correctamente en producción. Aquí entra un área crítica: el monitoreo y el análisis del comportamiento del sistema en tiempo real.
La inteligencia artificial puede ayudarte a entender los datos de uso, identificar patrones anómalos y hacer predicciones, pero necesitas herramientas que capturen y centralicen toda esta información.
Cuando el código se genera rápidamente, también pueden colarse errores más sutiles y difíciles de detectar. Herramientas como Sentry, LogRocket o Grafana permiten hacer seguimiento de errores, rendimiento, logs y visualización de métricas. Te ofrecen alertas proactivas y una visión clara del estado de tu aplicación, lo que es vital cuando trabajas en entornos altamente cambiantes o con agentes autónomos.
De forma complementaria, también cobran más importancia las herramientas de análisis estático y cobertura de código como SonarQube o Codecov, que te ayudan a detectar malas prácticas, deuda técnica y falta de pruebas antes de que el código generado por IA se convierta en bugs reales en producción.
Es decir, en esta nueva era, no basta con generar código que funcione, sino con garantizar que se mantenga estable, observável y evaluado constantemente.
Mas Herramientas
En fin estas herramientas o recomendacione en si no es que todos los desarrolldaores deban saberlas, pero a mas experiencia muchos pueden ir llengado a cada una de esas areas, asi que es mejor que en esta epoca de IAs tengas presente que no todo acaba en egenerar el codigo, sino que hay mas pendientes aun.
Por darles otras ideas, tambien esta
Sistemas de control de dependencias (como Renovate o Dependabot). Es dcir una IA te puede ayudar a escribir código, pero necesitas asegurar que las dependencias del proyecto estén siempre actualizadas y seguras.
Manejo de monorepos (Turborepo, Nx): Cuando usas IA para generar tanto frontend como backend, tener todo unificado en un monorepo te permite mantener la sincronía, compartir lógica y escalar mejor.
Herramientas de gestión de prompts y versiones de agentes IA (como PromptLayer o LangSmith): Si trabajas con agentes, debes versionar prompts, observar cómo se comportan, y medir su eficacia.
Herramientas de diseño colaborativo (como Figma o Penpot): Ahora que puedes prototipar con IA, necesitas una herramienta que permita validar y compartir visualmente lo que estás construyendo. Muy útil en el “vibecoding”.
Aunque claro muchas de estas de momento son pagadas, pero a medida que se van popularizando van surgiendo otras herramienras open source que son gratuitas y peudes instalar en tu propio computador, es por eso que en proximo video les comntario de como tener un entorno con IA gratuito y de forma local, de ese modo pueden aprovechar lo mas que pudan y de forma gratis esta herramientas.
Nos vemos en un siguiente video