El Radar Tecnol¨®gico de ºÚÁÏÃÅ es una captura semestral de herramientas, t¨¦cnicas, plataformas, lenguajes y frameworks. Esta herramienta para compartir conocimiento se basa en la experiencia de nuestros equipos globales y destaca aspectos que te podr¨ªan interesar explorar en tus proyectos.
?
Aqu¨ª te va la traducci¨®n al espa?ol sudamericano:
?
Cada descubrimiento que compartimos est¨¢ representado por un "punto" (o "blip"). Estos puntos pueden ser nuevos en el ¨²ltimo volumen del Radar, o pueden moverse de anillo seg¨²n c¨®mo haya cambiado nuestra recomendaci¨®n.
?
Los anillos son:
- Adoptar. Puntos que creemos que deber¨ªas considerar seriamente usar.
- Probar. Cosas que creemos est¨¢n listas para usar, pero no tan probadas como las del anillo Adoptar.
- Evaluar. Cosas para mirar de cerca, pero no necesariamente para probar todav¨ªa, a menos que creas que ser¨ªan un buen ajuste para ti.
- Resistir. Proceder con cautela.
?
Explora la versi¨®n interactiva por cuadrante o descarga el PDF para leer el Radar completo. Si quieres aprender m¨¢s sobre el Radar, c¨®mo usarlo o c¨®mo est¨¢ construido, revisa las?Preguntas Frecuentes (FAQ).
?
Temas para este volumen
?
En cada volumen del Radar Tecnol¨®gico, buscamos patrones emergentes en los puntos que analizamos. Esos patrones forman la base de nuestros temas.
?
Antipatrones para generaci¨®n de c¨®digo con IA Generativa y LLM
No sorprende a nadie que la IA generativa y los LLM dominaran nuestras conversaciones para esta edici¨®n del Radar, incluyendo patrones emergentes en torno a su uso por parte de los desarrolladores. Los patrones inevitablemente conducen a antipatrones (situaciones contextualizadas que los desarrolladores deben evitar). Vemos algunos antipatrones que comienzan a aparecer en el espacio hiperactivo de la IA, incluida la creencia err¨®nea de que los humanos pueden?reemplazar completamente la programaci¨®n en pares con la IA como compa?era. Esto incluye la dependencia excesiva en las sugerencias de los asistentes de c¨®digo, los problemas de calidad del c¨®digo generado, y una tasa de crecimiento acelerada de las bases de c¨®digo. La IA tiende a resolver problemas por fuerza bruta en lugar de utilizar abstracciones; tales como, usar docenas de condicionales apiladas en lugar del patr¨®n de dise?o de Estrategia. Los problemas de calidad del c¨®digo resaltan especialmente la necesidad de una diligencia constante por parte de los desarrolladores y arquitectos para evitar sumergirse en c¨®digo que funciona pero es deficiente. Por lo tanto, los miembros del equipo deben?redoblar las buenas pr¨¢cticas de ingenier¨ªa?como pruebas unitarias, funciones de aptitud arquitect¨®nica y otras t¨¦cnicas probadas de gobernanza y validaci¨®n para asegurarse de que la IA est¨¢ ayudando a cumplir su objetivo, en lugar de complejizar su c¨®digo.
Rust: un lenguaje que sigue brillando
Rust se ha convertido gradualmente en el lenguaje de programaci¨®n de sistemas preferido. En cada sesi¨®n del Radar, Rust surge una y otra vez en nuestras conversaciones; una gran cantidad de las herramientas que discutimos est¨¢n escritas en Rust. Es el lenguaje de elecci¨®n cuando se trata de reemplazar utilidades a nivel de sistema m¨¢s antiguas, pero tambi¨¦n para reescribir parte de un ecosistema con el fin de mejorar el rendimiento: el ep¨ªteto m¨¢s com¨²n para las herramientas basadas en Rust parece ser "incre¨ªblemente r¨¢pido". Por ejemplo, vemos varias herramientas en el ecosistema de Python que tienen alternativas basadas en Rust para ofrecer un rendimiento notablemente mejor. Los dise?adores del lenguaje y la comunidad han logrado crear un ecosistema muy apreciado de SDKs esenciales, bibliotecas y herramientas de desarrollo, proporcionando una velocidad de ejecuci¨®n excepcional con menos inconvenientes que muchos de sus predecesores. Muchos en nuestro equipo son fan¨¢ticos de Rust, y parece que la mayor¨ªa de los desarrolladores que lo usan lo consideran muy valioso.
El crecimiento gradual de WASM
WASM (WebAssembly) es un formato de instrucciones binario para m¨¢quina virtual basada en pila, lo que suena esot¨¦rico y demasiado bajo nivel para el inter¨¦s de la mayor¨ªa de las desarrolladoras hasta que la gente ve las implicaciones: la capacidad de ejecutar aplicaciones complejas dentro del sandbox del navegador. WASM puede ejecutarse dentro de las m¨¢quinas virtuales JavaScript existentes, permitiendo aplicaciones que las desarrolladoras s¨®lo pod¨ªan implementar anteriormente en frameworks nativos y extensiones que fueran empotrables dentro de los navegadores. Los cuatro navegadores principales soportan ahora WASM 1.0 (Chrome, Firefox, Safari y Edge), abriendo posibilidades emocionantes para un desarrollo sofisticado portable y multiplataforma. Hemos observado este est¨¢ndar a lo largo de los ¨²ltimos a?os con mucho inter¨¦s y estamos contentos de ver c¨®mo empieza a ejercitar sus capacidades como un objetivo de despliegue leg¨ªtimo.
La explosi¨®n c¨¢mbrica de herramientas de IA generativa
Siguiendo la trayectoria establecida en los ¨²ltimos vol¨²menes del Radar, esper¨¢bamos que la IA generativa tuviera un lugar destacado en nuestras discusiones. Y, sin embargo, a¨²n nos sorprendi¨® la explosi¨®n en el ecosistema de tecnolog¨ªas que soportan los modelos de lenguaje: guardrails, evals, herramientas para construir agentes, frameworks para trabajar con resultados estructurados, bases de datos vectoriales, servicios en la nube y herramientas de observabilidad. De muchas maneras, este crecimiento r¨¢pido y variado tiene perfecto sentido: la experiencia inicial, la simplicidad de una prompt en texto plano a un modelo de lenguaje, ha dado paso a la ingenier¨ªa de productos de software. Estos productos quiz¨¢s no cumplan con los sue?os y afirmaciones desmedidas que se hicieron despu¨¦s de que la gente enviara sus primeros prompts a ChatGPT, pero vemos un uso sensato y productivo de la IA generativa en muchos de nuestros clientes, y todas estas herramientas, plataformas y frameworks juegan un papel en llevar soluciones basadas en LLM a producci¨®n. Como sucedi¨® con la explosi¨®n del ecosistema de JavaScript alrededor de 2015, esperamos que este crecimiento ca¨®tico contin¨²e por un tiempo.
Insights Destacados
?
Contribuyentes
?
El Radar Tecnol¨®gico est¨¢ preparado por la Junta Asesora de °Õ±ð³¦²Ô´Ç±ô´Ç²µ¨ª²¹ de ºÚÁÏÃÅ, compuesta por:
?
Rachel Laycock (CTO)???Martin Fowler?(Chief Scientist)???Rebecca Parsons?(CTO Emerita)???Bharani Subramaniam???Birgitta B?ckeler???Camilla Falconi Crispim???Erik Doernenburg???James Lewis???Ken Mugrage???Maya Ormaza???Mike Mason???Neal Ford???Pawan Shah???Scott Shaw???Selvakumar Natesan???Shangqi Liu???Sofia Tania???Thomas Squeo????Vanya Seth???Will Amaral
Este volumen fue traducido al Espa?ol por el siguiente grupo:
,?,?,?,?,?,?,?,,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,,?,?,?,?,?,?,?,,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?, Ximena Contreras y?, ,??? y .
Inside the Technology Radar?es un breve documental que ofrece una nueva visi¨®n de todo lo relacionado con el radar tecnol¨®gico.
Suscr¨ªbete. Sigue informado/a
Inscr¨ªbete para recibir correos sobre futuros lanzamientos del Radar Tecnol¨®gico y opiniones tecnol¨®gicas bimensuales de ºÚÁÏÃÅ.