Vigésima Octava Edición - Revista ECYS

YouTube: https://youtu.be/fpzJSIaBTwo

Entrevista

¿QuiénesIsirisYassmínCórdovaGrajeda?

SoyIsirisYassmínCórdovaGrajeda,ingenieraenCiencias ySistemasegresadadelaUniversidaddeSanCarlosdeGua‑ temala.Cuentocondosmaestrías:unaenlaUniversidad AtlánticodeEspañayunMBAaquíenGuatemala.Entremis certificaciones,laquemásdisfrutocompartiresladeGoogle comoProjectManager,queincluyeotrasseisminicertifica‑ cionescomplementarias.

ActualmentetrabajocomoProgramManagerenDoctor Online,unaempresadetelemedicinadeorigenguatemalteco conpresenciaendistintospaíses.Latecnologíaesunademis pasiones,ydesdepequeñahesidounapersonamuyorgani‑ zada,loquemehaayudadoaencontrarmylugarenlages‑ tióndeproyectos.AdemásdemirolenDoctorOnline,tam‑ biénsoycatedráticademaestríaenlaFacultaddeIngeniería.

¿Quétiposdeproyectosestáliderandoactualmente?

Liderounagranvariedaddeproyectostecnológicos:inte‑ gracionesconaplicacionesanivelmundial,desarrollodeapli‑ cacionesiOSyAndroid,asícomoplataformasweb.Unaparte importantedemitrabajosonlasintegraciones,yaquenuestra plataformaseconectatantoconproveedorescomoconclien‑ tes.Estoimplicanosolocrearproductosnuevos,sinotam‑ biénintegrarlosexistentesutilizandoAPIsRESTyaplicando lasmejoresprácticasdelaindustria.

¿Cómoestáncambiandolosproyectosdetecnologíacon lainteligenciaartificial?

Lainteligenciaartificialavanzaaunavelocidadimpresio‑ nante.Hagounacomparaciónconminiñez:recuerdocuando salieronlosprimerosteléfonoscelulares,queeranenormes,y alospocosañosyateníaunomuypequeño.Esemismoritmo aceleradoeselquellevalaIAhoy.Hacedosañoseraunte‑ manovedoso,yhoyeselbarcoenelquetenemosqueestar subidos.

LaIAestácambiandoabsolutamentetodoenelmundo delatecnología,inclusolaformaciónacadémica.Comoestu‑ diante,yonocontéconinteligenciaartificialcuandomegra‑ dué;hoylosestudiantestienenaccesodirectoaellaeinternet. Debemossersabiosalutilizarlacomounaherramienta:esco‑ moesacalculadoraqueantesestabaprohibidaenelcolegio, ocomoesecompañerodeclasequeparecesaberlotodo.Si lepreguntamosconcriterio,aceleralostiemposdeentregay mejoralacalidaddeltrabajo.

¿Low‑codeyno‑coderealmenteaceleraneldesarrolloo tienenlímitesimportantes?

Todoesunbalanceydependedelproyecto.Siesundesa‑ rrolloquenacedesdecero,podemosentrarconlamentalidad deaplicarlow‑codeono‑code.Perosihablamosdeunaplata‑ formaexistentedegranescala,comounsistemabancariocon milesdelíneasdecódigoensucore,nopodemossimplemen‑ tesustituiresecódigoporunogeneradoconIA;nosabemos elimpactoquetendría.

Encambio,parastartups,nuevosproductosositiosweb, estasherramientasofrecenventajasclaras.Granpartedeltra‑ bajodelingenieroquedirigeproyectosconsisteprecisamente enteneresediscernimientoparadecidirquéestrategiacon‑ vieneaplicar,yenescucharalequipo.Unexcelenteproyecto siempretieneungranequipodetrás;unosolonolosabetodo.

¿QuétanclavehasidolaintegraciónmedianteAPIsen susproyectos?

Másqueclave,lasAPIssonunabase.Sonunodelosestán‑ daresquerigenlatecnologíahoyendía.Prácticamentetodo giraalrededordeAPIs:esellenguajecomúnquepermitea lossistemascomunicarseentresí.Asíquenolodescribiría comounfactorimportante,sinocomouncimientosobreel cualseconstruyenlasintegracionesmodernas.

¿Enquémomentoseempiezaatratarlainformaciónco‑ moalgoestratégico?

Desdeelmomentoenqueseempiezaaalmacenardata.No sepuedetomaralaligera.Tenerdatossindarlesvaloresdes‑ perdiciarunrecurso:ladataorganizadaesinformaciónva‑ liosa,yhayquedarleeltratamientoquemerece.Estoimplica pensardesdeeliniciocómovamosaestructurarlaennuestras basesdedatosysistemas.

Tambiénesindispensablerespetarlasnormasdecadapaís, yaquelasregulacionessobremanejodeinformaciónperso‑ nalvarían.Ladataes,sinduda,unactivoestratégico.

¿Quéherramientasutilizanparatomardecisionesyauto‑ matizarlagestión?

Trabajamoscondistintasherramientas:dashboardsdesa‑ rrolladosinternamente,PowerBI,reporteríayestudiosesta‑ dísticos,especialmenteeneláreacomercialparaidentificar tendencias.Laautomatizaciónesalgoquetodaempresade‑ beríaimplementar;aunquelosritmosdeentregaavecesdi‑ ficultanpriorizarla,mientrasnoseautomaticehabráquese‑ guirrepitiendotareas,locualesriesgoso.

Recuerdouncasoenelquelosdatosnosmostraronque algonecesitabauncambio.Graciasaesaestadísticapudimos

ajustarelrumboymantenerlarelaciónconunaempresamuy importanteparanosotros.Eseeselvalorrealdecontarconin‑ formaciónoportunaparadecidir.

¿Lehatocadoenfrentarerroresosesgosenlossistemas?

Noexistesistemaperfecto.LaIAtambiénpresentaerrores ysesgoscuandoseimplementa.Cuandounotrabajacones‑ tetipodeherramientas,unapartefundamentaldelproceso esreconoceresossesgos,explicarlosyhablarlosabiertamen‑ teconelequipoylosusuarios.Latransparenciaeslamejor formademanejarlos.

¿Laéticaentecnologíaesalgorealenlosproyectosoto‑ davíahacefalta?

Laéticanoesexclusivadelatecnología;eséticaenlaper‑ sonaquetrabajaenelproyecto.Nosepuedetrabajarningún proyectosinéticanivalores.Paramíesunvalorfundamen‑ tal,nosoloprofesionalmente,sinoentodoloquehacemos: quiénerescomopersona,cómotepresentas,eltipodeem‑ presaynegocioquequieresconstruir.Hetenidolasuertede trabajarcongenteconmuchísimaética,yesomarcatodala diferencia.

¿Cómohacambiadoelperfildelingenieroquecontrata hoyfrenteahacealgunosaños?

Meinteresamuchomásqueelsimplehechodeestargra‑ duado.Buscopersonasconlaactitudcorrecta:quequieran crecer,quequieranaprendery,sobretodo,queseanenseña‑ bles,esdecir,quesepanquenolosabentodo.Losingenieros ensistemasavecestendemosacreerquesomospersonasque lodominantodo,ynoesasí.Unaclaveimportantealcontra‑ tarnoesúnicamenteelconocimientotécnico,sinolahumil‑ dadyeldeseogenuinodeaprender.

MensajefinaldeIsirisYassmínCórdovaGrajeda Aquienquieracrecerengestióndeproyectostecnológicos, lediría:séunapersonaenseñable,aprende,escuchaaquie‑ nesvandelantedeti,nohablesprimero.Siempreprepárate comosifuerasasentarteconpersonasdegraninfluencia,por‑ que“conformeunhombrepiensa,asíactúa”.Sipiensasen grandeycomienzasacomportarteenconsecuencia,elquees fielenlopocoserápuestoenlomucho.Sigueadelante,note rindas,esfuérzateymantentesiempredispuestoaaprender.

Palabrasclave: LLM,inteligenciaartificial,aplicaciones,productividadaumentada,asistentesvirtuales.

Introducción

Lainteligenciaartificialysuusonoseencuentralimitado acasosdeanálisisdedatos,niaprogramascomputaciona‑ lescomplejosenlaboratorios.Actualmenteesuncompañero conelqueinteractuamosdíaadía:desdelosLLMenchatbots conversacionales,hastadentrodeaplicacionescomoNetflix dondeunaIAgeneranuestroalgoritmoderecomendaciones, olasplaylistsdemúsicaquevemosenYouTube.

Losmodelosdelenguajehancambiadolaformaconlaque interactuamosconlatecnología.Porejemplo,cuandoutiliza‑ mosGoogleinteractuamosconBERT,ocuandoestamosha‑ ciendousodeInstagramoFacebookobservamosquehayva‑ riasopcionesqueincluyenaMetaAI.Estosnospermitenser másproductivos,mejorannuestracomunicaciónypermiten tenerexperienciasmáspersonalizadasenaplicacionesenlas queestamosdíaadía.

Desarrollo

Lainteligenciaartificialcomenzósuaugeen2022conlasa‑ lidadeChatGPT,unmodelodelenguajedegranescala(LLM) quepermitíaalosusuarios“chatear”conunagentealtamen‑ tecapazdegenerarrespuestascoherentesenmúltiplesáreas, tantocientíficascomocreativas.Estehitogenerólapopulari‑ zacióndelosagentesconversacionalesymarcóeliniciode unatransformaciónprofundaenlaformaenqueconcebimos yutilizamosInternetylatecnologíaenlaactualidad.

Actualmenteunaampliagamadeherramientasintegran modelosLLMquefacilitanlaexperienciadeusuarioylasre‑ dessociales,quenosonlaexcepción.Sinembargo,másque unasimpleintegraciónfuncional,loqueestamospresencian‑ doeslaincorporacióndeagentesinteligentescomounacapa permanentedentrodelecosistemadigital.

Hoynosonsolounaaplicaciónaisladaqueseusavolun‑ tariamente;actúancomointermediariosentrelapersonayla tecnología.Cuandoescribimosunmensaje,realizamosuna búsquedaointeractuamosconpublicidaddigital,existeun sistemadeIAinterpretandointención,contextoycomporta‑ miento.Estosmodelosanalizanlenguaje,hábitosypatrones deusoparaanticiparnecesidadesyofrecerrespuestasperso‑ nalizadascasientiemporeal.

Figura1.SectoresquehansufridocambiosconelusodelaIA. Fuente:ImtiazAdam,“TheFutureofAI:Everywhere,ontheEdge, TransformingOurWorld”,BBNTimes.

Enplataformassociales,laIAnosolorecomiendaconteni‑ do:decidequéinformaciónapareceprimero,quétendencias sevuelvenvisiblesyquépublicacionestienenmayoralcan‑ ce.Enelámbitopublicitario,losmodelosdelenguajegene‑ ranvariacionesdeanuncios,segmentanaudienciasespecífi‑ casyoptimizancampañasautomáticamente.Enaplicaciones demensajeríaysistemasoperativos,losasistentesinteligen‑ tesredactantextos,resumeninformaciónyautomatizanta‑ reascotidianas.

Enáreascomoeldesarrollodesoftware,lapublicidadyel entretenimiento,elusodeagentesdeinteligenciaartificialse havueltoprácticamenteindispensable.Elprogramadordele‑ gatareasrepetitivasygeneracióndecódigobase;elpublicista reducecostosytiemposalproducircampañasoptimizadas; elcreadordecontenidoaceleraprocesoscreativosmediante generaciónasistidadetextos,imágenesoguiones.LaIAno reemplazanecesariamentealprofesional,peroamplificasu capacidadproductiva.

Estamosanteuncambioestructural:losmodelosdelen‑ guajehanpasadodeserherramientasexperimentalesacon‑ vertirseeninfraestructuradigital.Funcionancomounacapa invisiblequeinterpreta,generayoptimizainformaciónenca‑ sitodoslosentornostecnológicosactuales.Nosolollevamos aplicacionesenelbolsillo;llevamosagentescapacesdecom‑ prenderyproducirlenguajedeformaautónoma.Adaptarse aestarealidadyanoesopcional.

Conclusión

Losmodelosdelenguaje,comounadelasdiversasramas delainteligenciaartificial,hanlogradotejerunaredinvisible —muchasvecesparanosotros—queasuveznodejadeser bastanteomnipresente.Lasinteraccionespasivasenlasdife‑

rentesexperienciasproactivaseinteligentesdenuestrasapli‑ cacionesdeldíaadía,comoelautocompletadoenWhatsApp olasrecomendaciones,sonformasdeaplicacióndeestatec‑ nologíaqueyanosoloamplíannuestraproductividad,sino tambiénredefinenlarelaciónquetenemosconlatecnología. Pasamosdehacerusodeherramientasinertesacompañeros queseanticipanaloquedeseamos.Paralosprofesionales, estanuevaaplicaciónrequiereverificacionesdeplanesdego‑ bernanzaaligualquenuevasoportunidadesyretosclavedel desarrollodelasociedad.Noestamosfrenteaunfuturodis‑ tópico,sinounocolaborativoconlaIAcomoaliado.

Bibliografía

• UnitedStatesArtificialIntelligenceInstitute.“Top5 AIAgentTrendsfor2026.” https://www.usaii.org/ai‑

insights/top‑5‑ai‑agent‑trends‑for‑2026

• Adam,Imtiaz.“TheFutureofAIEverywhereontheEd‑ ge:TransformingOurWorld.” BBNTimes,13deabrilde 2023. https://www.bbntimes.com/science/the‑future‑of‑ ai‑everywhere‑on‑the‑edge‑transforming‑our‑world

• Visweswaraiah,Vaishnavi.“EverydayAI:Real‑World ApplicationsofTransformer‑BasedLanguageModels.” InternationalJournalofComputerTrendsandTechnology 73,no.9(30deseptiembrede2025). https://doi.org/10. 14445/22312803/IJCTT‑V73I9P103

Palabrasclave arquitecturabasadaeneventos,sistemasentiemporeal, transformacióndigital,eventos,reactividad,microservicios

Introducción

Enunentornodondelarapidezesesencial,laarquitectura basadaeneventos(EDA)hasurgidocomosoluciónclavepa‑ raquelossistemasreaccionenentiemporealantesituaciones inesperadas,siendoespecialmenterelevanteenaplicaciones queoperansobremicroserviciosysistemasdistribuidosenla nube.

LaadopcióndeEDAestáimpulsandolatransformacióndi‑ gitalenmúltiplesindustrias,mejorandolaagilidad,laescala‑ bilidadyeldesacoplamientoentrecomponentes.Esteartícu‑ loexploralosprincipiosfundamentalesdeEDA,susaplica‑ cionesylasventajasqueofrecealossistemasmodernos.

Artículo

Laarquitecturabasadaeneventosesunpatróndediseño dondelossistemasreaccionanaloseventosamedidaque seproducen,representandouncambiofundamentalenla construccióndeaplicacionesmodernas.Unsistemabasado eneventosescuchayrespondedinámicamenteentiemporeal anteaccionessignificativascomounatransaccióndeusuario, uncambioenlabasededatosolaactualizacióndeundispo‑ sitivoconectado.

ComoseilustraenlaFigura1,unaarquitecturabasadaen eventosconstadetrescomponentesquetrabajanenconjun‑ to.Losproductoresdeeventossonlasfuentesquegeneran datos,yaseansistemasexternos,aplicacionesodispositivos IoT.Loscanalesdeeventosactúancomomediodetransmi‑ siónentreproductoresyconsumidoresmedianteunmiddle‑ wareobusdeeventos.Finalmente,losconsumidoresproce‑ sandichoseventosejecutandoaccionescomoactualizarbases dedatosoenviarnotificaciones,demaneraasíncrona,mini‑ mizandolalatenciayoptimizandolaeficienciaoperativa.

Figura1. Componentesdelaarquitecturabasadaeneven‑ tos.

Fuente: Hazelcast.

Lossistemasbasadoseneventosofrecenimportantesbe‑ neficiosparalasempresas.Suagilidadpermiteresponder instantáneamentealoseventosmejorandolaexperienciadel usuario,mientrasqueeldesacoplamientodecomponentesfa‑ cilitalasactualizacionesdemaneraindependiente.Además, suescalabilidadlespermitemanejargrandesvolúmenesde eventossincomprometerelrendimiento,loquesegúnAWS yConfluent,resultaespecialmentevaliosoensectorescomo lafinanciacióndigitalyelcomercioelectrónico.

Lossistemasbasadoseneventosseutilizanampliamente enIoTymicroservicios.EnIoT,losdispositivosgeneraneven‑ tosconstantemente,comocambiosensensoresdetemperatu‑ ra,presiónomovimiento,procesándolosdeinmediatoyacti‑ vandorespuestascomoelajustedecondicionesambientales oelenvíodealertasentiemporeal.Enlosmicroservicios,es‑ taarquitecturafacilitalacomunicaciónentreserviciosinde‑ pendientes,permitiendoquecadaunoreaccionedemanera autónomasinintegracionescomplejas,reduciendoladepen‑ denciaentrecomponentes,comolodestacanMicrosoftAzure eIBM,talcomosepuedeobservarenlaFigura2.

Figura2. Estilodearquitecturabasadaeneventos.

Fuente: MicrosoftLearn.

Conclusión

Laarquitecturabasadaeneventosestárevolucionandola formaenquelossistemasrespondenentiemporeal,permi‑ tiendoquelasorganizacionesoperendemaneramáseficien‑ teyescalable.Sucapacidadparaprocesareventosdemanera asíncronaydesacopladalaconvierteenunasoluciónrobus‑ taparalosdesafíostecnológicosactuales,conaplicacionesen camposcomoIoT,microserviciosyplataformasdistribuidas. Amedidaquemásempresasadoptanesteenfoque,sectores comoelcomercioelectrónicoylafinanciacióndigitalsegui‑

ránbeneficiándosedesucapacidadparareaccionaranteeven‑ tossinintervenciónmanual.Endefinitiva,EDAnosolorepre‑ sentaunaevolucióntecnológica,sinounaventajacompetitiva paralasorganizacionesquebuscanmantenerserelevantesen unmundocadavezmásdinámicoeinterconectado,impul‑ sandolainnovacióntecnológicaenlosañosvenideros.

Bibliografía

• IBM.“Arquitecturabasadaeneventos.”IBMThink.Con‑ sultadoel25defebrerode2026. https://www.ibm.com/ mx‑es/think/topics/event‑driven‑architecture

• GoogleCloud.“¿Quéesunaarquitecturabasadaen eventos?”GoogleCloud(blog),Google.Consultado

el25defebrerode2026. https://cloud.google.com/ discover/what‑is‑event‑driven‑architecture?hl=es.

• Confluent.“Arquitecturabasadaeneventos.”Confluent, Consultadoel25defebrerode2026. https://www. confluent.io/learn/event‑driven‑architecture/

• Hazelcast.“WhatIsEvent‑DrivenArchitecture?”Ha‑ zelcast.Consultadoel27defebrerode2026. https: //hazelcast.com/foundations/event‑driven‑architecture/ event‑driven‑architecture/.

• Microsoft.“Estilodearquitecturabasadaeneventos.” MicrosoftLearn.Consultadoel27defebrerode2026. https://learn.microsoft.com/es‑es/azure/architecture/ guide/architecture‑styles/event‑driven

Palabrasclave eficienciaoperativa,transformacióntecnológica,procesa‑ mientolocal,digitalización,industria4.0

Introducción

Lavelocidaddelprocesamientohadejadodeserunlujo tecnológicoparaconvertirseenunanecesidad.Duranteaños, elmodelodominantefueclaro:enviaryprocesarlosdatosen grandescentrosdedatosydeahídevolverlarespuesta.Pe‑ roalcrecerlacantidaddeinformaciónylasexpectativasde inmediatez,eserecorridoempiezaaresultarmuylargo.

Esaquídondeemergeunanuevaarquitectura:llevarelpro‑ cesamientoalborde,justodondelosdatosnacen.Lainteli‑ genciayanoseconcentraeninfraestructurasremotas;más bienesdistribuidaestratégicamenteparaofrecerrespuestas entiemporeal,reducirlalatenciayoptimizarrecursos.Pasar delanubeal“borde”esuncambiodeparadigmaqueestá transformandoindustriasymarcandoeliniciodelaeradel procesamientoinstantáneo.

Artículo

Eledgecomputingsitúaelprocesamiento,almacenamien‑ toylosserviciosderedlomáscercaposiblededondesegene‑ ranlosdatos.Adiferenciadelanubetradicional,estatecnolo‑ gíapermitequeelanálisisocurrademaneralocal,reduciendo lalatencia,lostiemposdeesperaylaconstantedependencia deunaconexiónestableainternet.Además,sefortalecelaci‑ berseguridad,puesalprocesarinformaciónsensibleinsitu, seminimizalaexposicióndedatosdurantesutransporte.

Enelsectorindustrial,elmantenimientopredictivoha transformadolafabricaciónysucalidad.Conayudadesen‑ sores,sepuededetectareldesgastedecomponentesentiem‑ poreal,reduciendosignificativamenteeltiempodemanteni‑ miento.Enlaindustriaalimentaria,lascámarasdevisiónarti‑ ficialprocesandatosvolumétricoslocalmenteparaajustarla producciónantecambiosdehumedadotemperatura,estabi‑ lizandolacalidadyreduciendoloscostespordesperdiciode producto.

Sectorescomoeltransporteinteligentedependendeesta arquitecturaparagestionareltráficoentiemporealyevitar colisiones.Losvehículosautónomosrequierenanálisisdeda‑ tosenmilisegundosparanavegarconseguridad,algoqueso‑ loelprocesamientoenelbordepermite.Enelsectorsalud, elmonitoreoconstantedepacientescondispositivosmédicos localesofrecerespuestasrápidasysegurassinlosretrasosdel

procesamientoremoto,algofundamentalparasituacionesde emergenciamédicainmediata.

Figura1:Sectorescríticosquedemandaneficienciayrapidez. Fuente:Elaboraciónpropia.

Elverdaderoéxitoactualresideenadoptarunecosistema híbridodondeelbordeylanubetrabajanjuntos.Mientras elbordegestionadecisionesurgentesydatospesadoslocal‑ mente,lanubeproveealmacenamientomasivoyunanálisis detodosestosdatosalargoplazo.Estacombinaciónpermi‑ tequelascargasdetrabajosedesplieguendeformaóptima segúnlanecesidaddeinmediatezodepotenciacomputacio‑ nal.Eslaestrategiaidealparamaximizarlaescalabilidadyla eficienciaoperativaenlaindustria4.0.

Figura2:Modelo“EdgeComputing”conparticipacióndelanu‑ be.Fuente:IoTApplicationExpert.

Conclusiones

Elpasodelanubealbordeesuncambioquenosoloredu‑ celalatencia,sinoquetambiénmejoralaseguridad,optimiza recursosypermiterealizardecisionescríticasentiemporeal. Estodejóderepresentarsolounaventajaparaconvertirseen unrequisitonecesarioparacompetir.

Conelbordenosepretendesustituiralanube:elborde

resuelvelourgenteylanubeseencargadeconsolidar,alma‑ cenaryanalizaragranescala.Lasinergiaentreelbordeyla nubeesloqueimpulsalatransformacióndigitalylaconso‑ lidacomounpilarfundamentalparaelavancetecnológico actual.

Bibliografía

• JessupUniversity.“EdgeComputingvs.Cloud Computing:KeyDifferencesin2024.”Enero,2024.

https://jessup.edu/blog/engineering‑technology/edge‑ computing‑vs‑cloud‑computing/

• EquipoSAAVY.“EdgeComputingEnLaIndustria:Defi‑ niciónyCasosdeÉxito.”SAVVYDATASYSTEMS,Julio, 2025.

• Latorre,Lucia,etal.“ReportedeTecnología:Edge Computing.”BancoInteramericanodeDesarrollo(BID), 2024.

Palabrasclave aprendizajeautomático,productosdigitales,personalización, sesgoalgorítmico,experienciadeusuario

Introducción

Pensemosenunamañanacualquiera:abrimosSpotifyyla primeracanciónquesuenaesexactamenteloquenecesitába‑ mossinsaberlo;revisamoselcorreoylosmensajesimportan‑ tesyaestánseparadosdelresto;pagamoscontarjetay,en milisegundos,unsistemadecidióqueesatransaccióneslegí‑ tima.Ningunadeesascosasocurrenporaccidente.

Lollamativodetodoestoesquehacemenosdeunadécada, estascapacidadeseranterritoriocasiexclusivodegrandesla‑ boratoriosdeinvestigación.Hoyestánenelteléfonodecual‑ quierpersona.Elmachinelearningbajódelospapersacadé‑ micosalasappsdeusodiario,yesesaltonofuesolotécnico: fuetambiénunsaltoderesponsabilidad.

Artículo

Deldesarrolloalaimplementación

Construirunproductoqueimplementetécnicasoalgorit‑ mosdemachinelearningnoesloquenormalmentepensa‑ mos.Elprocesoempiezamuchoantesdelafasedeanálisis: hayqueentenderelproblemaquesequiereresolveryqué informaciónoestudiospreviosexistenparaabordarlo.Un conjuntodedatosseconvierteeninformaciónsinsentidosi nosecuentaconelanálisiscorrectobajoelcontextoadecua‑ do.Unmodelosupervisadonecesitaejemplosetiquetadosde calidad;unonosupervisadopuedeencontrarestructurassin etiquetas,peroesaestructurahayqueinterpretarla.

Encuantoalmodeloentrenado,lapruebadefuegosurge cuandollegaaproducción:esahídondeverdaderamentesur‑ genlosfenómenosnoanticipados,lossesgosseconfirmany losdatosdelentrenamientoparecierannotenerrelacióncon losdel“mundoreal”.Lalatencia,queensistemasdereco‑ mendaciónodeteccióndefraudepuedemarcarladiferencia entreunaexperienciafluidayunaqueelusuarioabandona.

Deldatoalproducto

Lossistemasderecomendaciónsonquizáselcasomásvi‑ sible.PlataformascomoNetflixoYouTubeusanvariantesde filtradocolaborativoymodelosdefactorizaciónmatricialpa‑ raestimarlaprobabilidaddequeunusuarioconsumacierto contenido.Elresultadoesunaexperienciaquesesienteper‑ sonalizada,aunqueenrealidadesprobabilística.

Elmachinelearningoperatambiénenciberseguridad:los sistemasdedeteccióndefraudebancariotrabajanconmode‑ losdeclasificaciónentiemporealsobremillonesderegistros —monto,ubicación,dispositivo,hora—permitiendodetectar unpatróndegastohistóricoquesecomparaconlatransac‑ ciónsospechosa.Lomismoocurreensaluddigital,dondemo‑ delosdeseriesdetiempoanalizanseñalesdesensorespara detectarsíntomasantesdequeelusuariolosnote.

Sesgos,explicabilidadyloqueelusuariomerecesaber

Un95%deprecisiónsuenabienhastaquetepreguntas quiénescomponenel5%restante.Variosestudioshandocu‑ mentadocasosdondemodelosdereconocimientofacialode evaluacióncrediticiacometenerroresdeformadesproporcio‑ nadaenciertosgruposdemográficos,nopordiseñomalicio‑ so,sinoporquelosdatosdeentrenamientoyaconteníanesos desequilibrios.Estefenómeno,conocidocomosesgoalgorít‑ mico,esunodelosproblemasmásestudiadosenelcampo actualmente.

Aestosesumaelproblemadelaexplicabilidad.Losmode‑ losmáspotentesoperancomocajasnegras:producensalidas precisasperodifícilesdejustificar.HerramientascomoSHAP oLIMEpermitenaproximarexplicacioneslocalesdelaspre‑ dicciones,perosoneso:aproximaciones.

Figura1:SHapleyAdditiveexPlanation.Fuente:ShapOrgani‑ zation.

Conclusiones

Elmachinelearningyanoestecnologíadelfuturo:estáen elnúcleodelosproductosdigitalesqueusamosadiario.Su poderrealnoestáenlosalgoritmosensí,sinoenlacombi‑ nacióndebuenosdatos,decisionesdediseñoconscientesy equiposdispuestosahacerseresponsablesdeloqueconstru‑ yen.Unmodeloqueaprenderápidoperoquenadiepuede explicar,corregirocuestionar,esunriesgodisfrazadodeefi‑ ciencia.Ladiferenciaentreunbuenproductoyunodañino nosiempreestáenlaprecisióndelmodelo,sinoencómoel equiporespondecuandoesemodeloseequivoca.

Bibliografía

• “Large‑ScaleMachineLearningSystemsinReal‑World IndustrialSettings.”2020. InformationandSoftwareTech‑ nology.ScienceDirect.

• “FairnessIssues,CurrentApproaches,andChallengesin MachineLearningModels.”2023. InternationalJournalof

MachineLearningandCybernetics.SpringerNature.

• “BestPracticesforReal‑WorldMLDeployment.”Tech‑ Target.2026.

• “MLHealth:FitnessTrackingforProductionModels.” 2019.arXivPreprint.

• “MLOpsChallenges.”ScienceDirect.2026.

Palabrasclave: blockchain,hash,inmutabilidad,criptografía,seguridaddigital.

Introducción

¿Esposibleconfiarciegamenteenunsistemadigitaldonde cualquierdatopodríaseralteradosindejarrastro?Enlaar‑ quitecturainformáticaconvencional,lacentralizacióndelos servidorescreapuntosúnicosdefallaquevulneranlainte‑ gridaddenuestrainformaciónmássensible.Estafragilidad estructuralnosobligaabuscarmecanismosdondelasegu‑ ridadnodependadelabuenavoluntadhumana,sinodela robustezdelcódigo.

Aquíesdondelacriptografíatomaelcontrolmedianteuna reddistribuidaqueseencargadevigilarcadabitdedatos.Al utilizaralgoritmosdehash,laconfianzasetransformaenuna propiedadtécnicainalterablequeblindalaverdaddentrode unacadenadebloques.Comprenderesteengranajematemá‑ ticonospermitevisualizarunentornodigitaldondelatrans‑ parenciaylahonestidadson,porprimeravez,garantíasin‑ violablespordiseño.

Desarrollo

Elmayorriesgoenunacomunicacióndigitalnoessoloque elmensajeseainterceptado,sinoqueesteseasuplantadoo modificadosinqueelreceptorlonote.Sedefinelaautentici‑ dadcomolagarantíadequeunmensajeprovienerealmente delemisorlegítimoynohasidoalteradoenelcamino(Sim‑ mons1985).Estapremisaeslabasedeblockchain:pasarde unaconfianzabasadaenlabuenavoluntadaunablindada porprotocolosmatemáticosqueeliminancualquiermargen deengaño.

Figura1.Esquemageneraldeunsistemadeautenticación.Fuen‑ te:Simmons(1985).

Paramaterializarestavisióndeautenticidad,seutilizaelal‑ goritmoSHA‑256comoelejefundamentaldeseguridad.Este mecanismotomacualquiervolumendedatosylotraduceen unacadenade64caracteresqueactúacomounahuelladigi‑

talúnica.Lointeresanteeseldeterminísticotécnico:cualquier cambiomínimoeneltextooriginalgeneraunhashcompleta‑ mentedistinto.Estapropiedadpermitequecadanododela redverifiquelaintegridaddelbloquedeformainstantáneay autónoma,asegurandoquelainformaciónsearealmentein‑ mutableytransparenteparatodoslosparticipantes.

Figura2.ConversióndebloquesmediantehashSHA‑256.Fuen‑ te:DíazGutiérrezyCuevaLovelle(2018).

Laverdaderainnovaciónocurrealvincularestoshashes enunasecuencialógica.CadabloquenuevoarrastraelPre‑ viousHashdelanterior.ComopropusoNakamoto(2008),es‑ tediseñocreaunhistorialcronológicoinalterablequenopue‑ desermodificadosinrehacertodoeltrabajocomputacional delared.Siseintentaraalterarunregistropasado,serompe‑ ríalacoherenciadetodalacadenasubsiguiente,invalidando elesfuerzodelosnodos.Esunsistemadondelahonestidad eslaúnicarutatécnicaposibleparaqueunbloqueseaacep‑ tadoporelconsensodistribuido.

Figura3.Modelodecomunicacióndecadenasdebloquesporme‑ diodehash.Fuente:DíazGutiérrezyCuevaLovelle(2018).

Paraqueesteenlazamientoseaverdaderamenteresistente aataques,elprocesorequieredelNonce,unnúmeroaleatorio quefuncionacomolapiezafinaldelrompecabezasdesegu‑ ridad.Estecomponenteaseguraquegenerarunbloquesea costosoenprocesamiento,perosencillodeverificarparael restodelosparticipantes.

Alintegrarelíndice,elhashanterioryelNonce,selogra unesquemadecontrolqueprotegelainformacióndeposi‑ blesataques,garantizandolaintegridaddelosdatosdurante todasutransmisión.Entendercómoestatecnologíablindala verdaddigitalpermitevisualizarunfuturodondelaintegri‑

daddelosdatoses,porfin,unacertezaabsoluta.

Conclusión

EléxitodelBlockchainnoradicaenlatecnologíaporsímis‑ ma,sinoenelcómosetrasladalaconfianza.Alcombinarla inmutabilidaddelSHA‑256conlospilaresdelaautenticidad queSimmonsplanteó,logramosquelaintegridaddelosda‑ tosdejedeserunasimplebuenaintenciónparavolverseuna certezatécnicaquenadiepuedecuestionar.Estemodelono selimitaafrenarsuplantaciones;levantaunmurodetrans‑ parenciarealfrenteacualquiercontrolcentralizadoquepre‑ tendamanipularlaverdaddigital.Dominarestosengrana‑ jesnospermiteproyectarunentornodondecadatransacción electrónicaseaseguraporsupropianaturalezamatemática. Estosprotocolosdistribuidossonelescudodefinitivocontra lasgrietasdelosservidorestradicionales,blindandolainfor‑

maciónmedianteunconsensoderedquegarantizaunsella‑ docriptográficopermanenteytransparenteparatodos.

Bibliografía

• DíazGutiérrez,Yesid,yJuanManuelCuevaLovelle. “AnálisisdelafunciónHashCriptográficaencadenas debloquesysuimpactoenlaseguridaddetransaccio‑ nesdedatos.” RedesdeIngeniería 9,n.º2(2018):82‑87. https://doi.org/10.14483/2248762X.14383

• Nakamoto,Satoshi. Bitcoin:APeer‑to‑PeerElectronicCash System.Bitcoin.org,2008. https://bitcoin.org/bitcoin.pdf

• Simmons,GustavusJ.“AuthenticationTheory/Coding Theory.”En AdvancesinCryptology(CRYPTO’84),edita‑ doporG.BlakleyyD.Chaum,411‑431.Berlín:Springer‑ Verlag,1985. https://doi.org/10.1007/3‑540‑39568‑7_32.

YouTube: https://youtu.be/5lokN1‑N8rgc

Entrevista

¿QuiénesJulioOrón?

MinombreesJulioOrónymedesempeñocomodesarro‑ lladordesoftware.Actualmentetrabajoenunaempresade telemedicina,dondeocupoelroldedesarrolladordesoftwa‑ resenior.Dentrodelaorganización,ademásdemisfunciones técnicas,tambiénparticipoenprocesosdeliderazgoycoordi‑ naciónconelequipo,apoyandoenlatomadedecisionesyen laejecucióndeproyectostecnológicos.

Miexperienciasehaenfocadoeneldesarrollodesoftwa‑ reyenlaadaptaciónanuevastecnologías,especialmenteen elcontextoactualdondelainteligenciaartificialestátransfor‑ mandolaindustria.Alolargodemicarrerahebuscadoman‑ tenermeactualizado,entendiendonosololasherramientas, sinotambiénelimpactoqueestastienenenelentornolabo‑ ral.

¿Cómofuesucaminohastallegarasuposiciónactualen eláreatecnológica?

Micaminoenlatecnologíacomenzóenuncontextobas‑ tantedistintoalactual.Enellugardondevivía,elaccesoa computadoraseralimitado;únicamenteexistíauncaféinter‑ net,ytodolorelacionadoconlatecnologíaeracompletamen‑ tenuevo.Misprimerosacercamientosfueronatravésdecur‑ sosbásicos,comoExcel,locualdespertómiinterésporeste campo.

Cuandodecidíestudiarlacarrera,realmentenoteníacla‑ ridadsobreloqueimplicabaserdesarrolladordesoftware. Sinembargo,conformeavancéenmiformación,fuicompren‑ diendoelalcancedeladisciplina.Iniciéenelaño2010co‑ moprogramadorjuniory,coneltiempo,fuiadquiriendoex‑ periencia,creciendoprofesionalmenteyasumiendomayores responsabilidadeshastaconvertirmeendesarrolladorsenior.

Esteprocesohasidocontinuo,caracterizadoporelapren‑ dizajeconstanteylaadaptaciónacambiostecnológicos.Uno delosaspectosquemásmehamotivadoeslaflexibilidadque ofreceelárea,especialmenteeltrabajoremotoylasoportuni‑ dadesdecrecimientoprofesional.

¿Quérelacióntienesutrabajoconlainteligenciaartificial enlaactualidad?

Lainteligenciaartificialestáteniendounimpactosignifica‑ tivoeneldesarrollodesoftware,especialmenteenlagenera‑ cióndecódigo.Actualmente,muchasdelastareasqueantes

realizabanlosprogramadoresdeformamanualestánsiendo automatizadas.

Estohageneradouncambioimportanteenelroldeldesa‑ rrollador.Másquedesaparecer,lafunciónestáevolucionan‑ dohacialagestióndeherramientasdeinteligenciaartificial. Además,hasurgidounanuevaáreaenfocadaenelentrena‑ mientodemodelos,dondelaexperienciadelosdesarrollado‑ resesfundamental.

SibienexistelapercepcióndequelaIApuedereemplazar alosprogramadores,enrealidadloqueestáocurriendoes unatransformacióndelperfilprofesional,dondeserequiere mayorcapacidaddeanálisis,supervisiónytomadedecisio‑ nes.

¿Cómohaimpactadolainteligenciaartificialensuforma detrabajar?

Elimpactohasidoconsiderable.Actualmenteutilizointe‑ ligenciaartificialparalageneracióndecódigo,loquehare‑ ducidosignificativamenteeltiempodedesarrollo.Antes,el trabajoimplicabaescribirgrandescantidadesdecódigoma‑ nualmente,locualgenerabapresiónporlostiemposdeen‑ tregay,enalgunoscasos,afectabalasaludfísicadebidoal esfuerzoconstante.

ConlaIA,esteprocesosehaoptimizado.Ahoraesposible generarsolucionesenmenostiempo,conmejorcalidadyma‑ yorniveldeseguridad.Estonoimplicaqueeldesarrollador seareemplazado,sinoquesuenfoquecambiahacialavalida‑ ción,integraciónyoptimizacióndeltrabajogeneradoporla herramienta.

¿Confíaenelcódigogeneradoporinteligenciaartificial?

Sí,existeunaltoniveldeconfianzaenelcódigogenerado porlainteligenciaartificial.Sinembargo,nosetratadeuna confianzaabsolutasinvalidación.DadoquelaIApuedege‑ nerargrandesvolúmenesdecódigoencuestióndesegundos, resultapocoprácticorevisarcadalínea.

Ensulugar,elenfoqueactualconsisteenevaluarpatrones, verificarlafuncionalidad,yasegurarqueelsistemacumpla concriteriosdeoptimizaciónyseguridad.Unodelosprinci‑ palesretoseselmanejodelcontexto,yaquelaIApuedege‑ nerarsolucionescorrectasdeformaaislada,peropuedepre‑ sentardificultadesalintegrarlasensistemasmáscomplejos.

¿Consideraquelainteligenciaartificialyapuededesarro‑ llarsistemascompletos?

Lainteligenciaartificialyatienelacapacidaddedesarrollar sistemascompletos,aunqueestodependedelniveldecom‑ plejidad.Ensistemassimples,esposiblegenerarsoluciones

funcionalessiseproporcionalaguíaadecuada.

Enmiexperienciapersonal,helogradodesarrollarsiste‑ mascompletosutilizandointeligenciaartificial,inclusotra‑ bajandocontecnologíasquenoconocíapreviamente.Sinem‑ bargo,enproyectosmáscomplejos,siguesiendonecesariala intervenciónhumanaparaestructurar,integraryvalidarlas soluciones.

¿Quéopinióntienesobrelossesgosenlainteligenciaar‑ tificial?

Lossesgosenlainteligenciaartificialnosonunfenómeno aislado,sinounreflejodelossesgospresentesenlasociedad. LaIAseentrenacondatosgeneradosporhumanos,porlo queinevitablementeincorporaciertospatronesyprejuicios.

Desdemiperspectiva,estonorepresentaunapreocupación mayor,yaquelossistemastiendenacorregirseconeltiempo, especialmentedebidoafactoreseconómicosysocialesquein‑ centivansumejora.Enestesentido,lainteligenciaartificial puedeentendersecomounaextensióndelcomportamiento humano.

¿Quiénconsideraqueesresponsablecuandounsistema conIAcometeunerror?

Laresponsabilidadrecaeenelusuario.Lainteligenciaarti‑ ficialesunaherramientaquefacilitaelprocesamientodein‑ formación,perolatomadedecisionessiguesiendoresponsa‑ bilidaddelserhumano.

ElusoincorrectodelainformacióngeneradaporIApue‑ degenerarerroresoproblemas,peroestosnosonatribuibles alaherramientaensí,sinoalaformaenqueseutiliza.Por ello,esfundamentalquelosprofesionalesactúenconcriterio yresponsabilidadalemplearestastecnologías.

¿QuétecnologíasemergentesrelacionadasconIAlege‑ neranmayorinterés?

Másqueunatecnologíaespecífica,loqueresultamásin‑ teresanteeseldesarrollodelainteligenciaartificialengene‑ ral.Sinembargo,unodelosavancesmásprometedoresesla posibleintegraciónconlacomputacióncuántica,locualpo‑ dríaacelerarsignificativamentesuevolución.

Asimismo,lacombinacióndeinteligenciaartificialconro‑ bóticapodríatransformarprofundamentelaproducciónyla organizaciónsocial,abriendonuevasposibilidadesendistin‑ tossectores.

¿Quéconsejodaríaalosestudiantesdeingenieríaensis‑ temas?

Elprincipalconsejoesnodependercompletamentedela inteligenciaartificial.Sibienesunaherramientapoderosa,es fundamentalseguirdesarrollandohabilidadescognitivasco‑ moelpensamientocrítico,elanálisisylacreatividad.

Asícomoenelpasadolatecnologíareemplazóelesfuerzo físico,actualmenteestácomenzandoareemplazarpartedel esfuerzocognitivo.Porello,esimportanteutilizarlaIAcomo complementoynocomosustitutototaldenuestrascapacida‑ des.

MensajefinaldeJulioOrón

Lainteligenciaartificialrepresentaunaoportunidadpara mejorarlaproductividadylacalidaddevida.Sinembargo, suusodebeserconscienteyestratégico.Elverdaderovalor noestáenlaherramienta,sinoenlacapacidaddelprofesio‑ nalparaadaptarse,aprenderyevolucionarjuntoconlatec‑ nología.

Palabrasclave inteligenciaartificial,ingenieríadesoftware,paradigmasde programación,competenciastecnológicas,abstracción

Introducción

Actualmente,laprogramaciónyanoesniparecidaalo quenosenseñaroncuandoempezamosaprogramar,sudan‑ dofrentealapantallaparaescribirunsimple“HelloWorld” opasandohorasdemadrugadabuscandounpuntoycoma perdido.Ahoritayahayherramientasquenosdanelcódigo completoencuestióndesegundos,yesohadadomuchísimo dequéhablarennuestroentornodelafacultad.

Haygentepuristaquedicequeesunatrampa,queyanadie aprendedeverdad,yotrosquedicenque,alcontrario,quees partedeevolucionarparanoquedarnosestancadosconprác‑ ticasviejas.Enlasuniversidadesyeneltrabajoeldebateestá vivo:¿usarestascosasnosestáponiendoharaganesonosestá preparandoparaloquevieneenelmercadolaboral?

Artículo

Enelmundodeldesarrollo,decirle“cheat”aalgosignifica queestáshaciendotrampaparasaltarteeltrabajoduro.Mu‑ chosdesarrolladorestodavíacreenque,sinotequiebrasla cabezaescribiendotododesdecero,noeresuningenierode verdad.Sientenqueusarlainteligenciaartificialparaarmar labasedeunproyectoesquitarletodoelméritoylalógicaa laprogramación.

Pensarqueapoyarseenlainteligenciaartificialeshacer trampaesignorarlahistoriadenuestrapropiacarrera.Es, sencillamente,elsiguienteniveldeabstraccióntecnológica quenospermiteavanzarmuchomásrápido.Estecambiode paradigmatransformaporcompletonuestroroltradicional: pasamosdesersimplesdigitadoresaverdaderosarquitectos delcódigo.Lageneracióndecódigobasepasadesermanual aautomatizada;elroldelingenieroevolucionadecodificador asupervisoryauditordelógica;yelenfoquedeltiempose desplazadelamecánicadelaescrituraaldiseño,laseguridad ylaescalabilidad.

Aquíesdondeocurrenuestrocambioderol:pasamosde serlosquesolotiranlíneas,aserlossupervisoresdelaobra. Analógicamente,tocarevisarquéestáhaciendoelasistente, cómoloestáintegrandoysirealmentecumpleconlosrequi‑ sitossolicitados.Tambiénformularlainstruccióncorrectare‑ quieresaberexactamentequéformasdedatosnecesitasusar.

Dehecho,losentornosdedesarrollointegradosllevanaños dándonosunamano.Unejemploclarísimodeestoesloque

semuestraenlaFigura1,dondeelasistentedetectaunerror detipeoenunavariableduranteunpullrequestysugierela correcciónexactaalinstante.Queahoraunainteligenciaarti‑ ficialnospuedagenerarunbloqueenterodecódigoessolo elsiguientepasológicoenestacadena.Noestrampa,esla tecnologíaoptimizandonuestrotiempodetrabajo.

Figura1:Ejemploderevisiónautomáticadecódigoenunpull requestconasistentedeIA.Fuente:GitHubCopilotenGitHubDo‑ cumentation(2024).

Conclusión

Laintegracióndelainteligenciaartificialeneldesarrollo desoftwarenorepresentaunaamenazaparalalabordelin‑ geniero,sinounatransformaciónqueelevaelniveldecompe‑ tenciasrequeridas.Sostenerqueelusodeestasherramientas constituyeunaprácticadeshonestaimplicadesconocerlaevo‑ luciónhistóricadelaabstraccióntecnológicaylasdemandas actualesdelmercadolaboral.

Sinunacomprensiónsólidadelosfundamentoslógicosy estructuralesdelaprogramación,elusoindiscriminadodees‑ tasherramientaspuedederivarensolucionesdeficientesque comprometanlaestabilidaddelossistemasenentornosde producción.Enconsecuencia,dominarelusoestratégicode lainteligenciaartificialcomoherramientadeapoyoconstitu‑ yeunacompetenciatécnicafundamentalparaelingenierodel sigloXXI.

Bibliografía

• GitHub,Inc.“UsingCopilotforCodeReview.” GitHub Documentation.2024. https://docs.github.com/en/copilot/ using‑github‑copilot/code‑review/using‑copilot‑code‑ review

• O’Reilly,Tim. Lainteligenciaartificialeneldesarrollodesoft‑ ware.Madrid:EdicionesTécnicas,2023.

• Parnin,Chris,ySarahD’Angelo.“Generacióndecódigo asistidaporIA:Retosyoportunidades.” RevistadeInge‑

nieríadeSoftware 15,no.2(2024):45–60.

• Treude,Christoph. Elnuevoparadigmadelprogramador: Decodificadorasupervisor.Chicago:TechPress,2023.

Palabrasclave: automatización,CI/CD,evolucióndelingeniero,orquestación,DevSecOps,infraestructuracomocódigo.

Introducción

LaintegracióndelaIAylosentornosautomatizadosha desplazadoelenfoquedesdeelcódigomanualhacialaor‑ questaciónsistémica.Estaevoluciónmarcaelfindelastareas repetitivas,permitiendoqueelingenierosecentreenlages‑ tiónestratégicadealtonivel.Históricamente,elrolerapura‑ menteoperativo,perohoyexigeunavisiónintegralyprofun‑ dadelosecosistemasdigitalesmodernos.

Elobjetivodeesteanálisisesexplorarlametamorfosisdel ingenierodentrodelosflujosdetrabajodeCI/CDyDevOps. Sebuscacomprendercómoelprofesionaltransitadeserun simpleejecutoraunarquitectoderesilienciaquegarantizala gobernanzaéticadelossistemas.Estatransiciónesvitalpara mantenerlarelevanciaanteelprocesamientomasivodeda‑

Aspecto

Rolprincipal

IngenieroTradicional

Ejecutoroperativo

tosenlaindustriaactual.

Desarrollo

Históricamente,elingenierodesistemasinvertíalamayor partedesutiempoentareasoperativasyrepetitivas.Confi‑ gurarservidoresdeformamanualyhacerpruebaspasoapa‑ solimitabanenormementelainnovación.Hoyeseenfoque representaunadesventajacompetitivarealfrenteaentornos automatizadosqueprocesan,pruebanydespliegancódigo sinintervenciónhumana.Elcambiomássignificativoenes‑ teparadigmaeselpasode“constructor”a“orquestador”:ya nosetratadefabricarelladrillo,sinodediseñarlafábrica completaqueloproduce.

IngenieroModerno

Orquestadordesistemas Gestióndeentornos Manual InfraestructuracomoCódigo Relaciónconerrores Reactiva Preventivayautomatizada Seguridad Alfinaldelproyecto Integradadesdeelinicio Valordiferenciador Velocidaddecódigo Pensamientocríticoyvisióndenegocio

Figura7.1.Comparacióningenierotradicionalvsingenieromoderno.Fuente:Elaboraciónpropia.

LaInfraestructuracomoCódigo(IaC)ylospipelinesde CI/CDsonelnúcleodeestatransformación.Herramientasco‑ moTerraform,KubernetesyGitHubCopilothanredefinido loquesignificasercompetenteenlaindustria.Dominarestas herramientaseshoyparteesencialdelperfilprofesional,jun‑ toconseguridad,observabilidadyestrategiasmulti‑nube.La habilidaddiferenciadorayanoesescribircódigorápido,sino saberorquestar,automatizaryvalidarcadapartedelflujode entrega.

Laautomatizaciónnosolooptimizatiempos,sinoquetam‑ biénredefinelatomadedecisionesdentrodelciclodevida delsoftware.LasmétricasdeOpenTelemetrypermitenreco‑ pilardatosentiemporealsobreelrendimientodeaplicacio‑ neseinfraestructura,habilitandoalosequiposDevOpspara utilizarlascomosistemadealertatempranaanteposiblesfa‑ llos.Estacapacidadanalíticatransformaalingenieroenun estrategaqueinterpretainformacióncríticaparaanticiparfa‑ llosantesdequeimpactenalusuariofinal.Laobservabilidad seconvierteasíenunpilartanimportantecomoelcódigo mismo.

Asimismo,laadopcióndearquitecturasbasadasenconte‑ nedoresymicroservicioshaincrementadolacomplejidades‑ tructuraldelossistemas.Estafragmentaciónexigeunavisión sistémicaparagarantizarinteroperabilidad,escalabilidady toleranciaafallos.Enestecontexto,herramientascomoKu‑ bernetesnosoloautomatizandespliegues,sinoquepermiten gestionarecosistemasdistribuidosconaltaresiliencia.Elin‑ genieromodernodebecomprendernosolocómofunciona cadacomponente,sinocómointeractúanentresídentrodel entornoproductivo.

Porotraparte,laintegracióndeinteligenciaartificialenlos pipelinesdeCI/CDestáacelerandoladeteccióndevulnerabi‑ lidadesylageneracióndepruebasautomatizadas.Segúnel GlobalDevSecOpsReport2024deGitLab,laadopcióndeau‑ tomatizaciónavanzadayherramientasasistidasporIAestá directamentevinculadaconciclosdeentregamásrápidosy menorexposiciónariesgosdeseguridad.Estonoeliminala responsabilidadhumana,sinoquelaelevahacialasupervi‑ siónéticaylavalidaciónestratégicaderesultados.

Figura7.2.FlujoDevSecOpsyenfoque“shiftleft”.Fuente: Snyk.

BajolafilosofíaDevSecOps,laseguridaddejadeserun pasofinalparaconvertirseenunaresponsabilidadintegrada desdeelprimercommit.SegúnelReporteGlobalDevSecOps 2024deGitLab,elaboradoconmásde5,000profesionalesen 39países,laseguridadseconsolidócomolaprincipalpriori‑ daddeinversiónenTI.Esteeselcambioculturalmásprofun‑ dodelaindustria:elingenieromodernonosoloprograma, sinoqueorquestasistemasresilientes,segurosycapacesde adaptarsealasnecesidadesdelnegocio.

Conclusiones

Latransformacióndelingenierodesistemasrepresenta unaevoluciónestructuralimpulsadaporlaautomatización,

lainteligenciaartificialylaintegracióndelaseguridaddesde lasprimerasfasesdeldesarrollo.LosdatosdelReporteGlo‑ balDevSecOps2024deGitLabconfirmanquelaseguridad ylaautomatizaciónsonlosejescentralesdelaestrategiatec‑ nológicaempresarial.Elprofesionalquecomprendaestoyse adaptetendráunaventajacompetitivareal;quiennolohaga quedarárezagadofrenteaentornosqueevolucionanconstan‑ temente.Laclavenoestáencompetircontralasherramientas deIA,sinoenaprenderadirigirlasconjuiciocríticoyrespon‑ sabilidadética.Serecomiendaquelasinstitucioneseducati‑ vasactualicensusprogramasparaincluircompetenciascomo IaC,DevSecOpsytrabajocolaborativoconIA.

Bibliografía

• GitLabInc. TheGlobalDevSecOpsReport2024.SanFran‑ cisco:GitLab,2024. https://about.gitlab.com/developer‑ survey/

• KodeKloud.“DevOpsSkills2025:KeySkills,Trends &Training.” https://kodekloud.com/blog/devops‑skills‑ 2025

• IBM.“OpenTelemetryMetrics:AnIntroduction.” https: //www.ibm.com/think/topics/opentelemetry‑metrics

• Snyk.“WhatIsDevSecOps.” https://snyk.io/learn/ devsecops

Palabrasclave inteligenciaartificial,programación,adaptación,ventajacom‑ petitiva

Introducción

Hubounmomentoenlahistoriarecienteenqueelinternet eraelenemigo.Lasescuelasloprohibían,lasuniversidades soloaceptabanlabibliotecacomofuenteválida,yladescon‑ fianzahaciaesanuevatecnologíaeralaposturamáscomún. Nadiequeríaadaptarseaalgotandesconocidoydiferentea todoloqueexistíaantes.Hoy,quiennousainternetestádes‑ actualizadoyperdiendooportunidadesentiemporeal.

Ylahistoria,conunaprecisióninquietante,estáapuntode repetirse.Exactamentelomismoestásucediendoahoracon laInteligenciaArtificial:sequiereprohibir,seleteme.Loque antesserechazabapormiedo,terminósiendoindispensable, yquienesnoveanestoatiempoconlaIA,vanallegartarde otravez.

Artículo

Lasventajas:loquecambiacuandolausasbien

Enelmundodelaprogramación,ladiferenciaentreal‑ guienqueusaIAyalguienqueno,seempiezaanotardesdeel primerproyecto.Eldesarrolladorquelaintegraasuflujode trabajollegaaresultadosenmenortiempo,detectayreduce erroresantesdequeseconviertanenunproblema,optimiza sucódigosintenerquerevisardocumentacióndurantehoras, ymejoralaseguridaddesusaplicacionesconsugerenciasque antesrequeríanexperienciadeaños.

MientrasunestudiantesinIApasadoshorasbuscandopor quésucódigonocompila,otroconIAyaidentificóelerror,lo corrigió,entendióporquéocurrióyyaestáavanzandoenel siguientemódulo.Esadiferencia,multiplicadaporsemanas, mesesyproyectos,seconvierteenexperiencia,velocidady ventajacompetitivareal.

Losdesafíos:loquepasacuandoteacomodasdemasiado Peroaquívienelapartequenadiequieredecirenvozalta: laIAtambiéntepuedevolvercómodo,yesacomodidadtiene unprecio.SegúnNexusIntegra,unodelosprincipalesobs‑ táculoseslaescasezdeperfilesconhabilidadesyexperiencia eneltiemporequeridoparalaimplementación,loquerefleja unafaltadeprofesionalescualificadosenlaindustria.

CuandolepidesalaIAqueteresuelvacadaproblemasin intentarentenderloprimero,tumentedejadeejercitarse.De‑

jasdedesarrollarelcriterioparaidentificarcuándounasolu‑ ciónesbuenaycuándoesundesastredisfrazadodecódigo limpio.Porquesí,laIAseequivoca.Generacódigoquecom‑ pilaperoquenohaceloquedebería,sugieresolucionesque funcionanenteoríaperofallanenproducción,yavecessim‑ plementeinventacosasconunaconfianzaimpresionante.

ComoseñalaPaulFord,“¿Elsoftwarequeestoyhaciendo paramíenmiteléfonoestanbuenocomoelcódigohechoa manoyamedida?No.Peroesinmediatoybarato…podría fallarenlapruebadecalidaddeunaempresa,perocumpliría todoslosplazos.”

Sinembargo,lasempresasquierenpersonasquesepan usarlaInteligenciaArtificial.ComoseobservaenlaIlustra‑ ción1,lasempresasqueutilizanIAtienenunaprobabilidad mayordeaumentarsusingresos.

Ilustración1:EmpresasLíderesenInteligenciaArtificial.Fuente: Iplytics.

Losingenierosquevanadestacarenlospróximosañosno seránlosquesepanmásdememorianilosquesenieguena usarnuevasherramientas,sinoaquellosquesepancombinar suconocimientoconelpoderdelaIA.ComoconcluyeelIlli‑ noisInstituteofTechnology,elfuturodelaprogramaciónno esunabatallaentrehumanosymáquinas,sinounacolabora‑ ción.Alfinal,laIAnotevaaquitareltrabajo.Telovaaquitar alguienquecolaboremejorconella.

Conclusión

LaInteligenciaArtificialnoeselfindelosprogramadores, eseliniciodeunanuevaformadeserlo.Elmiedoinicialvaa ceder,laresistenciavaadesaparecer,yloquehoysedebate siusarono,mañanavaaserunrequisitobásicoencualquier ofertadetrabajo.Latransformaciónyacomenzó,lapregunta essivasaserpartedelosquelalideranodelosquelaobser‑

vandesdeafuera.Paralosestudiantesyfuturosingenierosel mensajeesclaro:aprendanlosfundamentos,desarrollensu criteriopropio,yconesabasesólidaintegrenlaIAcomosu mejorherramienta.Nolausenparaevitarpensar,úsenlapara pensarmáslejos.

Bibliografía

• ADENBusinessSchool.“InteligenciaArtificial:Ca‑ sosdeÉxitoEmpresarial.”BusinessMagazine.Con‑

sultadoel21demarzode2026. https://www.aden. org/business‑magazine/inteligencia‑artificial‑casos‑de‑ exito‑empresarial/

• Ford,Paul.“LadisrupcióndelaIAqueestábamosespe‑ randohallegado.”TheNewYorkTimes,19defebrero de2026.

• IllinoisInstituteofTechnology.“IsAIaCoder’sFriend orFoe?”Consultadoel21demarzode2026.

• NexusIntegra.“Ventajasydesventajasdelainteligencia artificialenempresas.”26dejuliode2022.

Palabrasclave optimización,mejora,estabilidad,uniónydesarrollo

Introducción

DevOpsesunametodologíaqueintegraprocesosenelde‑ sarrollo(Dev)yoperaciones(Ops),conelobjetivodeautoma‑ tizareintegrarprocesosenunciclodevidadelsoftware.Sur‑ geparaeliminarlaproblemáticadecomunicaciónycoordina‑ ciónentreequipos,evitandoerroresquecausanlabúsqueda deunresponsable,sifuequienlodiseñóodelquelodesarro‑ lló—loqueseconocecomo“ElMurodelaConfusión”.

Esteenfoquepermitealasorganizacionesrespondercon mayorrapidezaloscambiosdelentornoyalasnecesidades delusuario.Deestamanera,selogranosoloacelerarelde‑ sarrollo,sinotambiéngarantizarentregascontinuasconma‑ yorcalidad.Enconsecuencia,DevOpsseconvierteenunpilar fundamentaleneldesarrollodesoftwaremoderno.

Artículo

FasesdeDevOps

DevOpsesunconjuntodeprácticasqueabarcantodoelci‑ clodevidadeldesarrollodesoftware.Elprocesoiniciacon lafasedePlan,dondesedefinenlosobjetivosyrequisitosdel sistema.EnCodesedesarrollaelsoftware,elcualenBuildse integraautomáticamenteenunrepositoriocentral.Siguiendo conelTest,seevalúasucorrectofuncionamientoconpruebas automatizadas.EnRelease,sepreparaelsoftwareparapro‑ ducción,yenDeployserealizasudesplieguedeformarápida yconsistente.Finalmente,enOperateyMonitorsesupervisa yrecopilanmétricasparadetectarfallosymejorarcontinua‑ menteelsistema,comosepuedeobservarenlaFigura1.

AmazonWebServicesdefineDevOpscomounacombina‑ cióndeprácticasculturalesyherramientasque“incrementan lacapacidaddeunaorganizaciónparaentregaraplicaciones yserviciosaaltavelocidad”.Enelciclodevidadelsoftware, estosepresentaenlaintegracióncontinua(CI)yeldesplie‑ guecontinuo(CD),queGitLabCI/CDdefinecomo“partede DevOpsycombinalasprácticasdeintegracióncontinuayen‑ tregacontinua.”

Todoiniciaconelusodesistemasdecontroldeversiones comoGitytécnicasdeestructuracomoGitFlow,enelcualse almacenanygestionanelcódigofuente.Cadacambiorealiza‑ doactivaautomáticamenteunpipelinedeintegraciónconti‑ nuamedianteherramientasdeGitLabCI/CD.Posteriormen‑ te,elsoftwarepuedeempaquetarseencontenedoresutilizan‑ doDocker,loquegarantizaqueelentornodeejecuciónsea consistenteencualquierservidor.Finalmente,eldespliegue continuopermitepublicarserviciosenlanubecomoAWS.

Beneficios:optimización,mejora,estabilidad

DevOpsaportaoptimizaciónaldesarrollodesoftwarepor‑ queautomatizaprocesos,mejoralacomunicaciónentreequi‑ posyreduceeltiempodeentrega.Estopermitetrabajarde formamáseficienteyconmenosfriccionesentredesarrolloy operaciones(Almeida,Simões,andLopes2022).

Además,DevOpsfavorecelamejoracontinuaylaestabili‑ daddelsoftware,yaqueimpulsaprácticasdeaseguramiento decalidad,monitoreoyvalidaciónconstante.Estocontribu‑ yeareducirfallos,mejorarlacalidaddelsistemayofrecer productosmásconfiables(AlMohamadSalehandAlzahrani 2023).

Conclusiones

DevOpsintegradesarrolloyoperacionesparaautomatizar procesosymejorarlacolaboración.Suaplicaciónoptimiza eltrabajoalreducirtiempos,tareasmanualesyproblemas decoordinación.Tambiénfortalecelacalidadylaestabilidad delsoftwaremediantecontrol,validaciónymejoracontinua, permitiendounaentregacontinuadesoftwareyfacilitando larápidaadaptaciónacambiosdelmercadoyanuevasnece‑ sidadesdelusuario.Graciasalaautomatizacióndepruebas ydespliegues,sedisminuyesignificativamenteelriesgode erroresenproducción.Enconjunto,DevOpsseconvierteen unenfoqueclaveparaeldesarrollomodernodesoftware.

Bibliografía

• AmazonWebServices.“¿QuéesDevOps?”Consulta‑ doel20defebrerode2026. https://aws.amazon.com/es/

Figura1:DiagramadelciclodevidadelSoftware.Fuente:Elabo‑ raciónpropia,bajolasetapasdefinidasporIBM.

devops/what‑is‑devops/

• GitLab.“¿QuéesCI/CD?”Consultadoel24defebrero de2026. https://about.gitlab.com/es/topics/ci‑cd/

• Almeida,Fernando,JorgeSimões,andSérgioLopes. 2022.“ExploringtheBenefitsofCombiningDevOpsand

Agile.” FutureInternet 14,no.2:63. https://doi.org/10. 3390/fi14020063.

• AlMohamadSaleh,Ahmad,andSaeedAlzahrani.2023. “DevelopmentofaMaturityModelforSoftwareQua‑ lityAssurancePractices.” Systems 11,no.9:464. https: //doi.org/10.3390/systems11090464

Palabrasclave low‑code,no‑code,automatizacióndecódigo,desarrollode software,paradigmasdeprogramación,reutilizabilidad

Introducción

Amenudosepiensaquelosingenierosensistemassonper‑ sonascapacesdecrearaplicacionesdesdeceroconsushabi‑ lidadesenlaprogramaciónyescrituradelíneasdecódigo. Locualnoesunmitoperotampocounaverdadabsoluta.Un ingenieroescapazdeconstruiraplicacionestotalmenteesca‑ lables,funcionalesydealtorendimientosinlanecesidadde escribirnadadecódigo,estograciasalosparadigmasquehan surgidoenlaingenieríadesoftwarecomosonLow‑Codey No‑Code.

Estoabreunnuevodebatesobreelroldelosingenierosde softwareparadesarrollarsistemas,yaquecualquierpersona conhabilidadestécnicasmínimaspodríareplicarsutrabajo graciasaestosnuevosparadigmas.Másquereemplazaral profesional,estosparadigmasparecenestartransformando surol,obligándoloaenfocarseenarquitectura,integracióny tomadedecisionestecnológicas.

Artículo

Laaparicióndeplataformaslow‑codeyno‑codehasigni‑ ficadoundebatedentrodelaingenieríadesoftware.Según proyeccionesdeGartner,el70%delasaplicacionesempresa‑ rialesnaceríandeplataformasdebajocódigo,locualdemues‑ traqueelcrecimientohasidoacelerado.

ElProjectManagementInstitute(PMI)haformalizadoel movimientode“CitizenDeveloper”,definidocomounem‑ pleadoque,apesardecarecerdeformacióntécnica,posee lacapacidaddeautomatizartareas.Comoseobservaenla Ilustración1,esteprocesorequiereelusodeherramientasau‑ torizadasporITparamitigarriesgosdeseguridadyevitarel ShadowIT.

Ilustración1:MarcodetrabajodelCitizenDevelopmentCanvas. Fuente:ProjectManagementInstitute(2021).

Todoestonosllevaacaerenlapregunta:¿seráreemplaza‑ doelingenierodesoftware?Lasinvestigacionesdistinguen entreplataformaspara“aficionados”yplataformaspara“de‑ sarrolladoresprofesionales”,estadiferenciaciónesclavepor‑ quedemuestraqueelparadigmalow‑codenoeshomogéneo.

Ellow‑codenoeliminalaprogramación,laabstraedefor‑ maparcialylaactivacuandoesnecesario.Porejemplo,siel flujovisualnologracubriruncasoenespecífico,entonces debeintervenireldesarrolladorconcódigotradicional.Aun‑ quelasplataformaslow‑codeyno‑codepermitenapersonas sinformacióntécnicaconstruiraplicaciones,losingenierosde softwarenosevuelveninnecesarios,sinoquesurolsereajus‑ tahaciafuncionesmásestratégicasytécnicas.

DeacuerdoconproyeccionesdeGartner,elusogeneraliza‑ dodeestasplataformassignificaquelosingenierospasande enfocarseenescribircódigorepetitivoacentrarseeneldiseño arquitectónicodelassoluciones,laintegraciónconsistemas complejos,laseguridadylaescalabilidaddelasaplicaciones empresariales.

Laadopcióndeplataformaslow‑codeyno‑codetambién estáredefiniendolastrayectoriasprofesionales.Muchospro‑ fesionalesquetrabajanconherramientaslow‑codereportan queestastecnologíaspuedencontribuirpositivamenteasu desarrolloprofesional,mejorandolasatisfacciónlaboralyli‑ berandosutiempoalreducirtareasrepetitivasdecodifica‑ ción,permitiéndolesenfocarsemásendiseñoyarquitectura desoluciones.

Lociertoesqueesteparadigmanoesmagiaqueapareció delanada,eselresultadodevariasdécadasdeevoluciónen eldesarrollodesoftware,trayendoconellounareducciónde laseparaciónentreloqueelclientequiereyloqueelprogra‑ madorhace.Valelapenarecordarquecadaprofesionaldebe evaluarsiesmásconvenienteadoptaronoestatendencia;no setratadeunaobligaciónmigraraesteparadigmasinode

utilizarlocomounaherramientamásdesurepertoriocomo desarrollador.

Conclusiones

Losparadigmasenprogramacióncomolow‑codeyno‑ codegeneranundebatecontinuoentrequienesdefiendenlos métodostradicionalesyquienesbuscansolucionesmásági‑ les.Sibienestasplataformashandemostradoacelerarelde‑ sarrolloyhanhechomásaccesiblelacreacióndeaplicaciones, nosustituyenlanecesidaddeuningenierodesoftwarecapa‑ citado,yaquelaexperienciatécnicasiguesiendoindispensa‑ bleparagarantizarquelossistemasseanescalables,segurosy sosteniblesalargoplazo.Enestecontexto,elroldelingeniero nodesaparece,sinoqueseredefine,desplazándosehaciata‑ reasdesupervisión,integración,diseñodesolucionesytoma

dedecisionesestratégicasdentrodelosequiposdedesarro‑ llo.

Bibliografía

• Gartner. MagicQuadrantforEnterpriseLow‑CodeApplica‑ tionPlatforms.2023.

• ProjectManagementInstitute. CitizenDevelopment:The HandbookforCreatorsandChangeMakers.PMIPublica‑ tions,2021.

• ForresterResearch. TheForresterWave™:Low‑CodePlat‑ formsForProfessionalDevelopers.2024.

• HarvardBusinessReview.“TheRiseoftheCitizenDe‑ veloper.”HBRDigitalArticles,2022.

YouTube: https://youtu.be/XV7O‑UiErk0

Entrevista

¿QuiénesGabrielAlejandroCabreraGonzález?

MinombreesGabrielAlejandroCabreraGonzález,soyde‑ sarrolladordesoftware.Actualmentemeencuentrotrabajan‑ doenunaempresadetelemedicinadeorigenguatemalteco, dondemededicoaldesarrollocontinuo,mejorasysolución deinconvenientesenlaplataforma.Además,enparaleloes‑ toydesarrollandomipropioproyectodenegocio.

Micaminoenlatecnologíacomenzódeunaformabastan‑ tepeculiar.Queríaserpilotoaviadorpero,porciertosmoti‑ vos,nopudeestudiarlo.Fueentoncescuandoconocíelcole‑ gioKinal,dondevilascarrerasqueimpartíanymellamóla atenciónladeperitoeninformática.Esefuemiprimeracerca‑ mientoconelmundodelaprogramación,ydesdequeentré en2011,meenamorécompletamentedeestecampoyheper‑ manecidoactivoenélhastalafecha.

¿Conquétecnologíastrabajaensudíaadía?

Lastecnologíasconlasquemesientomáscómodosonprin‑ cipalmenteJava,queesellenguajequemásdisfruto,ySpring paraelbackend.Encuantoalfrontend,trabajomuybiencon Angular,tantoAngularJScomoAngular2enadelante,siem‑ preacompañadodeTypeScript.Enbasesdedatos,hetrabaja‑ dobastanteconMySQLyactualmenteestoyexplorandoPost‑ greSQL,quecomencéautilizaraltrabajarconmódulosen Odoo,unCRMdesarrolladoconPostgresyPython.También meapasionaeldesarrolloAndroid,quesiemprehetrabajado conJava.

¿Cómoessuprocesocuandoarrancaunproyectodesde cero?

Loprimeroesentenderconclaridadcuáleselrequerimien‑ toyquéesperaobtenerelclientecomoresultadofinal.Una vezdefinidoeso,hayqueserrealistas:identificarquésepue‑ dehacer,quéno,ycuáleselcoredelproyecto.Desdeahíse estructuranlasfasesdedesarrollo.

Elanálisisinicialesdeterminante.Esnecesariodefinirlaba‑ sededatos,loslenguajesytecnologíasautilizar,elservidor requeridoylosrecursosmínimosnecesarios.Durantetodo elprocesomantengounacomunicacióncontinuaconelclien‑ teparaobtenerretroalimentaciónconstante,demaneraque cualquierajustesepuedahacereneltranscursodeldesarrollo ynohastaelmomentodelpasoaproducción.

¿Quéherramientasnopodríadejardeusarensutrabajo?

Deentrada,todaslasherramientasdeJetBrains:IntelliJ, WebStorm,DataGripyAndroidStudiolasutilizopráctica‑ mentedelunesadomingo.Recientementeheincorporadoin‑ teligenciasartificialescomoChatGPTyClaudedeAnthropic, quemehanservidobastanteparaoptimizarciertosprocesos. Tareasqueaunolellevaríanmuchotiempo,comolacreación decomponentesdeinterfaz,pantallasobeansdebasededa‑ tos,lainteligenciaartificiallasresuelveenminutos.Siempre pasanporrevisión,peroagilizanenormementelosavances iniciales.Tambiénhacambiadolaformadebuscarsoluciones: yanoesnecesariorecorrerStackOverflowdurantehoras;con unpardepreguntasbienformuladassellegarápidamentea laraízdelproblema.

¿Hatrabajadoconcontenedoresymicroservicios?

Nohetrabajadoextensamenteconmicroservicios.Hetra‑ bajadomásconaplicacionesmodularizadas,quesibienorga‑ nizanelcódigopormódulos,siguencompartiendolamisma basededatos.Unmicroservicio,encambio,idealmentetiene supropioaccesoadatosparapoderintegrarseencualquier sistemasincomprometerinformacióndelosdemás.

Cuandohetrabajadoconmicroservicios,hasidoparafun‑ cionalidadesmuyespecíficasyaltamentereutilizablesendis‑ tintosproyectos.Paralógicaparticulardeunsistema,prefiero lamodularización,yaqueayudaaevitarelproblemadelmo‑ nolito:sialgofalla,nosecaetodoelsistema.Creoquehay quesermuyconscientedelmomentoenqueconvienecrear unmicroservicioycuándosimplementemodularizar.

¿Hatenidoalgúnsustodeseguridadensusproyectos?

GraciasaDiosnohetenidoincidentesgraves.Ensumo‑ mento,porestarhaciendopruebasenproducción,enviémen‑ sajesquenodebieronhabersalido.Afortunadamente,al‑ guienconmásexperienciameayudóagestionarlasituación antesdequeescalaraaalgomayor.Fuealgomuyinternoy controlado.

Lomáspreocupantequehevistoenelentornoeseltema del .gitignore.Muchosproyectostienencredencialesqueen algúnmomentofueronincluidasenuncommit,yaunquelue‑ goseagreguenalarchivodeexclusión,elhistorialdelrepo‑ sitoriolasconserva.Cualquierpersonaconaccesopuederas‑ trearesoscommitsyencontrarcredencialesdebasededatos ousuariosconprivilegiosdeadministrador.Esunavulnera‑ bilidadquesesubestimaconfrecuencia.

¿Cómomanejalacalidaddelosdatosensusproyectos?

Lofundamentalesquelosdatosnopuedenseralterados deformaarbitraria.Undatoregistradoenbasededatosno sepuedemodificarporquesí;todocambiodebeseguirelflu‑

jocorrectodefinidoporlaaplicación.Lossistemasdebente‑ nermecanismosclarosparacambiarestadosytransformar información,demaneraqueestalleguedeformaíntegray confiablealosusuarios.Latrazabilidadylaintegridaddela informaciónsonpilaresquenosepuedennegociar.

¿Piensaenlaprivacidaddelosdatosdesdeeldiseñoose agregadespués?

Alprincipiodemicarrerasíseagregabaconeltiempo,pero laexperienciamehaenseñadoquedebeestardesdeeldise‑ ño.Todolorelacionadoconlaconfidencialidaddelainfor‑ mación,quiénrealizacadaacción,cuándolarealizayqué exactamentehace,tienequeestarcontempladodesdeelini‑ cio.Cuandosepresentansituacionesquerequierenauditar datos,esatrazabilidadesindispensable.Hoyloconsiderono soloprudente,sinoobligatorioplanificarlodesdeeldiseñode laaplicación.

¿Cómohacambiadoelroldeldesarrolladorenlosúlti‑ mosaños?

Elcambiomássignificativolohageneradolainteligencia artificial.Antes,elroljuniorerarelativamentemásacotado: recibirunatarea,analizarsualcanceyresolverla.Hoyese perfilyanoessuficiente.Sieldesarrolladorsolosabeescribir

código,laIAlohaceigualomejor.Poreso,elanálisiscrítico tienequeestarintegradoencadaetapadelprocesodedesa‑ rrollo.

Tambiénhanaparecidoconceptosyherramientasquehace añosnoexistíanenelvocabulariodelsector:Docker,Cloud‑ flare,serviciosenlanubecomoAWS,GoogleCloudyAzure. Elecosistemahaevolucionadoenormementeyeldesarrolla‑ dorquenoevolucionaconélquedarezagadorápidamente.

MensajefinaldeGabrielAlejandroCabreraGonzález Aquienesestáncomenzando,yaseaestudiantesodesarro‑ lladoresensuprimerpuesto,miconsejoes:diganquesía todo.Elmiedoanosentirsecapazhacequeunopierdaopor‑ tunidadesvaliosas.Aceptenlosretos,tomenlosproyectosy códifiquen.Lostutorialesyloscursosayudan,perosoloen‑ frentandoproblemasrealesseaprendedeverdad.

Quienmeenseñóenmisiniciosmedijoalgoquenuncaol‑ vidé:sinosufreselerrorynoagotástodaslasinstanciaspara resolverlo,notevoyaayudar,porquesitedoylasolución ahora,nolavasaaprender.Esafilosofíaestotalmentecierta. Denselalibertaddecometererrores,peroaprendandecada uno.Fuércensuslímitesconstantemente,porqueesoesloque realmentelosvaahacercrecer.

Palabrasclave: sistemasmodernos,arquitecturadedatos, transformacióndigital,sistemascentradosendatos,tomade decisiones.

Introducción

Todoloquenosrodeageneradatos:aplicacionesmóviles, plataformasdestreamingeinclusolosdispositivosinteligen‑ tesdenuestrascasas.Sinembargo,hemospensadoquelos datossonsoloinformaciónquelossistemasrecibenyproce‑ san.Perolarealidadesque,enlossistemasmodernos,los datosfluyendirectamenteeinfluyenencómofuncionanlos sistemas,quédecisionestomanycómoestosseadaptanalos usuarios.

Lasempresastecnológicasactualmenteenfocansufuncio‑ namientoenlosdatos,nosoloparaguardarinformación.Las organizacioneslíderesconstruyeninfraestructuradondelos datosoptimizanprocesosypredicencomportamientos.Esto conviertealdatoenelagenteactivoquedictalalógicadel negocio,transformandoradicalmenteeldiseñodesistemas modernos.

Desarrollo

Desistemascentradosenprocesosasistemascentrados endatos

Durantemuchosaños,lossistemasseidearonysepensa‑ ronparatrabajarconunenfoquecentradoenlosprocesos. Lalógicadelnegociosebasabaenunaseriedereglasypro‑ cesospredefinidos,mientrasquelosdatosúnicamentecum‑ plíanunafuncióndeentradaysalidadeinformación.Elcó‑ digoteníaelprotagonismo,ycualquiercambioenelcompor‑ tamientodelsistemarequeríaunamodificacióndirectamente desucódigo.

Conelpasodelosaños,dentrodelavancetecnológicoyel crecimientoexponencialdelainformacióndigital,estapers‑ pectivaempezóacambiar.Lossistemasactualesdejandede‑ penderestrictamentedereglasestáticas,sinoqueanalizanlos datosentiemporealparaajustarsufuncionamiento.Lalógica delnegocioyanosolosedefineúnicamenteenelpropiocó‑ digo,sinotambiénenelanálisisentiemporealdelainforma‑ ciónqueelmismosistemagenera.Ejemplosdeestecambio sonlasaplicacionesdisponiblesenplataformascomoNetflix oAmazon.

Figura1.Plataformasdestreamingcomoejemplodeentornosdi‑ gitalesbasadosendatos.Fuente:AntonioSabán,“Cómosaberen quécalidadestásviendoloscontenidosenNetflixyAmazonPrime Video”,Genbeta,13defebrerode2019.

Losdatoscomonúcleoarquitectónicodelossistemasmo‑ dernos

Enlaactualidad,losdatosnosoloconstituyenlabase delfuncionamientodelaaplicación,ahoraformanunaparte esencialensuarquitectura.Estosignificaquedesdelaspri‑ merasfasesdeldiseñoseconsideranaspectoscomoalmace‑ namiento,procesamiento,flujoyanálisisdedatoscomocom‑ ponentescentralesdelsistema.

Muchasarquitecturasmodernasprefierenelenfoque data‑ driven,endondeloseventos,logsymétricasactúandirecta‑ menteenlastomasdedecisiones.Muchastecnologíascomo basesdedatosdistribuidas,sistemasdeprocesamientoen tiemporealymodelosdemachinelearning(aprendizajeau‑ tomático)permitenqueelsistemarespondadinámicamente alainformaciónquerecibeenelmomento.Deestamanera, elvalordelsistemayanodependesolamentedesucódigo, sinodelacalidad,disponibilidadycapacidaddeanálisisde susdatos.

EmpresascomoGoogleutilizancadavezvolúmenesdeda‑ tosmásgrandesparamejorarresultadosdebúsquedaypu‑ blicidadentiemporeal,mientrasqueUberajustalaasigna‑ cióndeviajessegúnlademandayelcomportamientodelos usuarios.

Impactoorganizacionalyestratégicodelosdatos

CompañíascomoAmazonyNetflixnosenseñanqueelver‑ daderovalorcompetitivonoestáúnicamenteenlaplatafor‑ maosistematecnológico,sinoenlacapacidaddeconvertir datosenconocimientoaccionable.

Usodedatos

Impactoenlaorganización

AnálisisdecomportamientoPersonalizacióndeservicios Métricasentiemporeal Optimizaciónoperativa Modelospredictivos Anticipacióndedemanda Analíticaavanzada Ventajacompetitiva

Tabla1.Relaciónentreelusodedatosysuimpactoenlaorganización.Fuente:Elaboraciónpropia(2026).

Conclusiones

Lossistemasmodernoshancambiadocompletamentela formaenquetrabajanlosdatos.Loqueanteserasoloinfor‑ maciónqueentrabaysalía,ahorasehaconvertidoenlaparte másimportantedelsistema.Estecambiodesistemasenfoca‑ dosenprocesosasistemasenfocadosendatoshapermitido crearplataformasmásdinámicasyquepuedenadaptarseme‑ joralasnecesidadesdelosusuarios.

Hoyendía,elvalordeunsistemayanoestásoloenelcódi‑ goquelohacefuncionar,sinoencómopuedeusarlosdatos deformainteligente.Lasempresasqueentiendenestopue‑ denmejorarsusprocesos,adelantarsealoquevaapasary darmejoresexperienciasasusclientes.Entenderestecambio esimportanteparacualquierpersonaquequieradesarrollar tecnologíaquefuncionebienenelentornodigitaldelaactua‑

lidad.

Bibliografía

• Davenport,ThomasH.,andJeanneG.Harris. Compe‑ tingonAnalytics,Updated,withaNewIntroduction:The NewScienceofWinning.Boston:HarvardBusinessRe‑ viewPress,2017.

• Kleppmann,Martin. DesigningData‑IntensiveApplica‑ tions:TheBigIdeasBehindReliable,Scalable,andMaintai‑ nableSystems.Sebastopol,CA:O’ReillyMedia,2017.

• Provost,Foster,andTomFawcett. DataScienceforBusi‑ ness:WhatYouNeedtoKnowaboutDataMiningandData‑ AnalyticThinking.Sebastopol,CA:O’ReillyMedia,2013.

Palabrasclave inteligenciaartificial,automatización,ingenieríaensistemas, mercadolaboral,habilidadesdigitales

Introducción

Larevolucióntecnológicaqueatravesamosnotieneprece‑ dentesenlahistoriadelahumanidad.Lainteligenciaartifi‑ cial(IA)ylaautomatizaciónyanosonconceptosreservados paralacienciaficción;hoyseintegranenfábricas,hospitales, sistemasfinancierosyenelecosistemadelaingenieríaensis‑ temas.Paralosprofesionalesdeestaárea,estefenómenore‑ presentatantounaamenazacomounaoportunidad:despla‑ zarciertasfuncionestradicionalesoredefinirsuroldentrode unmundocadavezmásdigital.

SegúnelForoEconómicoMundial,paraelaño2030laau‑ tomatizaciónylaIAhabráneliminadoaproximadamente85 millonesdeempleosanivelglobal,perosimultáneamentege‑ neraránnuevasoportunidadeslaborales,representandouna ganancianetadepuestosdetrabajo.Estarealidadinvitaare‑ flexionarsobrequécompetenciasdebedesarrollarelingenie‑ roensistemasycómopuedeposicionarsecomoagenteestra‑ tégicoenlugardeunrecursosustituible.

Artículo

Delaejecuciónalasupervisión:uncambiodeparadigma

Históricamente,elingenieroensistemashaconcentrado sulaborentareasdecaráctertécnicoyoperativo:configu‑ rarredes,gestionarbasesdedatos,administrarservidoresy mantenerinfraestructurasenfuncionamiento.Sinembargo, lairrupcióndeherramientasdeautomatizacióncomoAnsi‑ ble,PuppetoKubernetes,juntoconplataformasdeinteligen‑ ciaartificial,estátrasladandoestasresponsabilidadeshacia

Consideracioneséticas:elingenierocomoguardiándel cambio

ElavancedelaIAenelámbitodelaingenieríanoestáexen‑ todedilemaséticos.Lossistemasautomatizadospuedenper‑ petuarsesgospresentesensusdatosdeentrenamiento,com‑ prometerlaprivacidaddelosusuariosogenerardecisiones cuyaresponsabilidadresultadifícildeatribuir.Elingeniero ensistemasnopuedelimitarseaserundesarrolladordeso‑ lucionestécnicas;debeconvertirsetambiénenundefensorde laequidad,latransparenciaylaseguridaddigital.

Larevisiónsistemáticapublicadaen2024sobreéticaenin‑

lossistemasmismos.ComoseñalaEngineeringEdge,“lain‑ teligenciaartificialnoreemplazaeljuiciodeingeniería,sino quealteraelequilibriodelastareasdentrodelosroles”.

Estatransiciónimplicaqueelingenieroensistemasdelfu‑ turopasarámenostiempoejecutandoprocesosrepetitivosy mástiempointerpretandolosresultadosquegeneranlossis‑ temasautomatizados,identificandosusfallosytomandode‑ cisionesdealtonivel.Seconvierte,enesencia,enuncurador demodelosydatosmásqueenunejecutordeinstrucciones manuales.

LaIAcomoamplificadordecapacidadesprofesionales UnconceptoclaveenladiscusiónsobreIAyempleoesel delainteligenciaartificialcomo“multiplicadordefuerzas”. Lejosdereemplazaralingeniero,laIApotenciasucapacidad productiva.Losprofesionalesqueincorporanherramientas deIAensuflujodetrabajopuedencomprimirtiemposdede‑ sarrollo,identificarerroresdemanerapredictivayabordar proyectosdemayorcomplejidadenmenostiempo,loquere‑ sultaespecialmenterelevanteparalosingenierosenforma‑ ción.

Estarealidadredefinelaestructuradelmercadolaboral. Loscargosdenivelinicialestánsiendoabsorbidosporlaau‑ tomatización,peroquienesegresandelasuniversidadeshoy tienenlaventajadehabersidoformadosconestasherramien‑ tas,permitiéndolesingresaralmercadoenposicionesdema‑ yorresponsabilidad.EnpalabrasdelCEOdeNVIDIA,Jensen Huang:noseperderáelempleofrentealaIA,sinofrentea quiensepautilizarlamejor.

Competenciasclaveparaelingenieroensistemasenla eradelaIA

Losespecialistaseneláreaidentificancomoprioritariaslas siguienteshabilidadestécnicasyhumanasparanavegarcon éxitoelentornolaboralactual:

genieríaseñalaquelosprofesionalesqueintegranestasdi‑ mensionesensuprácticatienenmayorprobabilidaddecons‑ truirsistemasdeIAconfiablesyresponsables.Formaringe‑ nierosconconcienciaéticanoesunlujoacadémico,sinouna necesidadestratégicadelsectortecnológicoactual.

Conclusiones

Elfuturodelingenieroensistemasnoestáenpeligro,pero síentransformaciónprofunda.Laautomatizaciónylainte‑ ligenciaartificialestánredibujandoloscontornosdelapro‑ fesión,desplazandolastareasrepetitivashacialossistemas

Cuadro15.1: *

Tabla1.Competenciasprioritariasparaelingenieroensistemas.ElaboraciónpropiabasadaenWorldEconomicForum (2025)yHunterRecruiting(2025).

Habilidadestécnicas

ProgramaciónenPythonyanálisisdedatos

FundamentosdemachinelearningyMLOps

Manejodeherramientasdeautomatización(Ansible, Puppet)

IntegracióndesistemaseIoT

CiberseguridadaplicadaaentornosdeIA

yabriendoespacioparaunejercicioprofesionalmáscreati‑ vo,estratégicoysignificativo.Quieneslogrenadaptarseaeste nuevoescenario,combinandosólidasbasestécnicasconpen‑ samientocríticoysensibilidadética,nosolomantendránsu vigenciaenelmercado,sinoqueseposicionaránenlavan‑ guardiadelainnovacióntecnológica.Elmayorriesgonoes quelaIAreemplacealingeniero,sinoqueelingenieroelija noaprenderatrabajarconella.Elllamadoesclaro:formarse, adaptarseyliderarelcambiodesdeadentro.

Bibliografía

Habilidadeshumanas

Pensamientocríticoyresolucióndeproblemas

Razonamientoéticoeinnovaciónresponsable

Comunicacióninterdisciplinaria

Adaptabilidadyaprendizajecontinuo

Creatividadydiseñoestratégico

• Allan,Luke.“AI’sImpactOnEngineeringJobsMayBe DifferentThanExpected.” SemiconductorEngineering,Ja‑ nuary29,2026.

• Graf,Tom.“HowAutomationandAIAreImpactingEn‑ gineeringCareers.”HunterRecruiting,June17,2025.

• Senestant,Jorry.“SystemsEngineeringintheAgeofAu‑ tomationandAI.” Medium,October4,2025.

• Tarr,Mark.“TheImpactofAIonEngineeringJobRoles.” ErnestGordonRecruitment,February5,2026.

• NeuralConcept.“TheRoleofAIinTransformingIndus‑ trialEngineeringProcesses.”January7,2026.

Palabrasclave: datos,sistemasmodernos,inteligenciaartificial,tomadedecisiones,arquitecturadedatos.

Introducción

Ainiciosde2026,lacantidaddedatosgeneradosporla humanidadhabíasuperadotodaslasestimacionesrealizadas unadécadaantes.IDCestimaqueelmundoalcanzarálos 175zettabytesdeinformaciónamediadosdesiglo,cifraque seguirácreciendoconlaproliferacióndedispositivos,plata‑ formasdigitalesysistemasdeinteligenciaartificialgenerati‑ va.Lossistemas,enlosdistintossectores,dependendelflujo constantededatosparafuncionar,adaptarseymejorar.

Esteartículoestudiaporquélosdatossehanconvertidoen elrecursocentraldelossistemasmodernos,cómoseprocesan ylasconsecuenciasdesugestiónadecuadaeinadecuada.Es‑ teanálisisserealizadesdeunaperspectivadelaingenieríade sistemas,reconociendoqueeldiseñodeunaarquitecturaba‑ sadaendatosnoesopcional,sinounaprioridadfundamental yunprincipiobásicoparalosingenierosdelsigloXXI.

Desarrollo

¿Quésignificaqueunsistemaseaimpulsadopordatos?

Unsistemaimpulsadopordatos(data‑drivensystem)es aquelcuyocomportamiento,decisionesyprediccionesde‑ pendendirectamentedelainformaciónquerecibeyprocesa. Adiferenciadelossistemasbasadosenreglasfijasprogra‑

Tecnología

DataLake

DataWarehouse

ApacheKafka

ApacheSpark

DataMesh

Funciónprincipal

madasporingenieros,lossistemasmodernosaprendenyse ajustanconbaseenpatronesextraídosdegrandesvolúmenes dedatos.Estoabarcadesdemotoresderecomendacióncomo losdeNetflixoSpotifyhastasistemasdedeteccióndefrau‑ desenentidadesbancariasguatemaltecas,dondeelanálisis detransaccionesentiemporealdeterminasiunaoperación esaprobadaobloqueada.

Estecambiodeperspectivademuestraquelacalidadde losdatosestanimportantecomolacalidaddelcódigo.Los datosinexactos,duplicadosoincompletospuedendarlugar adecisioneserróneas,pérdidasfinancierasointerrupciones operativas.Asimismo,camposcomolagobernanzadedatos, laingenieríadedatosyelcontroldecalidaddelainforma‑ ciónestáncobrandocadavezmásimportanciadentrodelos equiposqueintervienenenlatomadedecisiones.

Laarquitecturaquesostienelosdatosmodernos

Paraquelosdatosseanútiles,debenpasarporunaarquitec‑ turadiseñadapararecopilarlos,almacenarlos,transformarlos ypublicarlosdemaneraconfiable.Lasarquitecturasmoder‑ nasdedatosincluyencomponentescomolos datalakes,los da‑ tawarehouses ylos pipelines deprocesamientoentiemporeal. HerramientascomoApacheKafkapermitenmanejarmillo‑ nesdeeventosporsegundo.Suadopciónnoselimitaalas grandescorporaciones;organizacionesmedianaseinstitucio‑ nespúblicasenpaísescomoGuatemalahanincorporadopro‑ gresivamenteestastecnologíasensusoperaciones.

Almacenamientomasivodedatosen crudo

Almacenamientoestructuradopara análisis

Ejemplodeuso

Repositoriosdelogseimágenes

ReportesfinancierosyBIcorporativo

StreamingdeeventosentiemporealDeteccióndefraudebancarioen tiemporeal

Procesamientodistribuidodegrandes volúmenes

Transformacióndedatosaescalaen pipelinesETL

GestióndescentralizadapordominioEquiposdedominioquepublicansus propiosdatos

Tabla1.Tecnologíasclaveenarquitecturasmodernasdedatos.Fuente:Elaboraciónpropia.

Elconceptode datamesh hanacidoenlaactualidadcomo alternativaalosmodeloscentralizados.Enlugarderecopilar todoslosdatosenunúnicolugardealmacenamientogestio‑ nadoporequiposespecializados,el datamesh proponeque cadaámbitoempresarialgestionesuspropiosdatoscomoun producto.Elobjetivodeesteenfoquedescentralizadoesau‑ mentarlascapacidadesanalíticassincrearpasosadicionales queralenticenelproceso.

Eldatocomoinsumoparalainteligenciaartificial

Lainteligenciaartificialnopuedeexistirsindatos.Losmo‑ delosde machinelearning sonenesenciafuncionesmatemá‑ ticasajustadasapartirdedatospasados.Cuantomayorsea lacalidaddelosdatosdeentrenamiento,mejorserálasalida y/oresultadosdelolosmodelosentrenados.Esteprincipio, conocidocomo “garbagein,garbageout”,esunaformacontun‑ dentedeexpresarladependenciaqueexisteentrelaIAyla calidaddelosdatosquelaalimentan.

Conclusiones

Losdatosyanosonunsubproductodelossistemas,sino quesehanconvertidoensumateriaprimaprincipal.Lacapa‑ cidaddelossistemasmodernosparaaprender,adaptarsey crearvalordependedeladisponibilidad,lacalidadylages‑ tióndelainformación.Estorepresentauncambiodeperspec‑

tiva:yanobastaconcrearsoftwarequefuncione,sinoque eldiseñodebereconocerquelosdatossontanimportantes comoelcódigo.Enelmercadoactualsedemandanhabilida‑ desenmateriadegobernanzadedatos,arquitecturadeca‑ nalizacionesypreparacióndeinformaciónparamodelosde inteligenciaartificial,ylasinstitucionesacadémicasdeberían integrarestashabilidadesdeformamáscompletaensuspro‑ gramas.

Bibliografía

• Reinsel,David,JohnGantz,andJohnRydning.“The DigitizationoftheWorld:FromEdgetoCore.” IDC WhitePaper,November2018. https://www.seagate.com/ files/www‑content/our‑story/trends/files/idc‑seagate‑ dataage‑whitepaper.pdf

• Provost,Foster,andTomFawcett. DataScienceforBusi‑ ness:WhatYouNeedtoKnowaboutDataMiningandData‑ AnalyticThinking.Sebastopol,CA:O’ReillyMedia,2013.

• ApacheSoftwareFoundation.“ApacheKafka:ADis‑ tributedStreamingPlatform.” https://kafka.apache.org/ documentation.

• Dehghani,Zhamak. DataMesh:DeliveringData‑Driven ValueatScale.Sebastopol,CA:O’ReillyMedia,2022.

Palabrasclave modelosdelenguaje,inteligenciaartificial,vidacotidiana, educación,productividad

Introducción

Enpocosaños,losmodelosdelenguajesehanvueltoparte visibledelatransformacióndigital:ayudanaredactartextos, aclarardudasyresumirinformaciónencuestióndesegundos. Hoynosoloseusanenempresastecnológicas,sinotambién porestudiantes,docentesyprofesionalesentareasdiariasde lectura,escriturayorganización.

Elobjetivodeesteartículoespresentardeformabrevecó‑ moestosmodelosintervienenenlavidacotidiana,québene‑ ficiosofrecenyquériesgosimplicansiseutilizansinsentido crítico.Deestamanera,sebuscaaportarelementosparaun usoresponsablequecomplemente,ynoreemplace,lascapa‑ cidadeshumanas.

Artículo

Apoyoenestudioytrabajo

Enelámbitoacadémico,losmodelosdelenguajeseusan paraexplicarconceptosdifíciles,resumirtextoslargos,pro‑ ponerejemplosyayudaraorganizarideas.Estopuedeaho‑ rrartiempoyhacermásaccesiblelacomprensióndelecturas complejas,siempreycuandoelestudiantereviseyconfirme lainformaciónconotrasfuentes.

Eneltrabajo,seempleanpararedactarborradoresdeco‑ rreos,informesypresentaciones,asícomoparamejorarre‑ dacciónyortografía.Sonútilesparacomenzaruntextooga‑ narclaridad,perorequierenrevisiónfinaldelusuario,yaque losmodelospuedencometererroresopresentardatosinexac‑ tos.

Usoenlavidacotidiana

Enlavidadiaria,estasherramientasseusanparaplanifi‑ caractividades,organizartareas,generarideasdeproyectos yrecibirrecomendacionesbásicas.Muchaspersonaslasapro‑ vechanparaestructurarsudía,prepararmensajesotenersu‑ gerenciasrápidassinbuscarenmúltiplespáginas.

Tambiénsehanintegradoenaplicaciones,asistentesvirtua‑ lesyprocesadoresdetexto,porloquesupresenciapasaa menudodesapercibida.Estomuestraquelatransformación digitalnosoloocurreengrandessistemas,sinoenpequeñas accionescotidianascomoescribir,preguntarotomarnotas.

Beneficiosyriesgos

Entrelosprincipalesbeneficiosseencuentranelahorrode tiempo,elapoyoalaescriturayelaccesomássencilloaexpli‑ cacionessobretemascomplejos.Paraquienestienendificul‑ tadespararedactarosintetizar,losmodelospuedenservir comoguíainicialycomorecursodeapoyo.

Sinembargo,unusoacríticopuedegenerardependencia, pérdidadeprácticaenlaescriturayaceptacióndeinforma‑ ciónincorrecta.Además,alnoconocerelorigenexactode todoslosdatos,esnecesariocontrastarloquegenerancon fuentesconfiablesymantenersiempreeljuiciopersonal.Co‑ mosemuestraenlaFigura1,losmodelosdelenguajepresen‑ tandistintosusos,beneficiosyriesgossegúnelámbitoenque seempleen.

Figura1:Beneficios,usosyriesgosdelosmodelosdelenguajeen lavidacotidianayprofesional.Fuente:Elaboraciónpropia.

Usoresponsable

Elusoresponsableimplicaveralmodelodelenguajecomo herramientaynocomosustitutodelpropiopensamiento.En elcontextouniversitario,estosignificarevisarlostextosgene‑ rados,adaptarelcontenidoalpropioestilo,citarlasfuentes realesconsultadasynopresentarcomopropiountextopro‑ ducidoautomáticamente.

Enlavidadiaria,tambiénconvienedefinirlímites:aprove‑ charlaayudaparaorganizaryredactar,peromantenerde‑ cisionesimportantesbajoanálisishumano.Deestaforma,la transformacióndigitalpuedeapoyarelaprendizajeylapro‑ ductividadsindebilitarlaautonomíanilaresponsabilidad personal.

Conclusiones

Losmodelosdelenguajeformanyapartedelavidaacadé‑ micaycotidiana,apoyandotareasdelectura,escritura,orga‑ nizaciónycomunicación.Bienutilizados,ayudanaahorrar tiempo,aclarardudasyestructurarmejorlainformaciónque usamosadiario,loquefacilitatantoelaprendizajecomola

realizacióndeactividadesendistintoscontextos.Noobstante, suusoexigeunaactitudcrítica:revisardatos,contrastarfuen‑ tesyevitarquesustituyanlaprácticadeescribirypensarpor cuentapropia.Soloasípodráncontribuirpositivamenteala transformacióndigitalsinafectareldesarrollodehabilidades fundamentalesenelestudioyeltrabajo.

Bibliografía

• AdoptionofLargeLanguageModelAIToolsinEvery‑ dayTasks.2025. JournalofMedicalInternetResearch 27.

• EvidentlyAI.2025.55Real‑WorldLLMApplications andUseCasesfromTopCompanies.

• RoAIInstitute.2024.HowGenerativeAIIsTransfor‑ mingOurDailyLives.

Palabrasclave: ciberseguridad,computaciónenlanube,gobernanzadigital,proteccióndedatos,infraestructuratecnológi‑ ca.

Introducción

Lacomputaciónenlanubesehaconvertidoenalgofunda‑ mentalenlatransformacióndigital.Hoyendía,desdepeque‑ ñossistemashastagrandescorporacionesdependendelasin‑ fraestructurasremotasparaalmacenardatos,ejecutaraplica‑ cionesyofrecerserviciosentiemporeal.Lanuberepresenta muchaagilidad,escalabilidadyeficienciaauncostorazona‑ ble;elproblemaesqueestáabiertaanuevosescenariosde riesgos.

Hablardeseguridadenlanubeimplicareconocerquela proteccióndelainformaciónnodependeúnicamentedeser‑ vidoresfísicos.Lainfraestructuradigitalmodernaesdistri‑ buida,dinámicaysehalogradolacorrectainterconexiónen‑ treservicios.Hoyendíalosdesafíosactualesnosonsolotéc‑ nicossinotambiénestratégicosyéticos.Analizarvulnerabi‑ lidadespermitecomprenderlaimportanciadefortalecerla gobernanzaylaculturadeseguridad.

Desarrollo

Unodelosprincipalesdesafíosenentornosdelanubeesel modeloderesponsabilidadcompartida.Aunquelosprovee‑ doresofrecenmecanismosavanzadosdeprotección,laconfi‑ guraciónygestióndelosdatoscontinúasiendoresponsabili‑ daddelusuario.Muchasbrechasdeseguridadnoseoriginan porfallosenlainfraestructuradelproveedor,sinoporerrores humanos,permisosmalconfiguradosocredencialescompro‑ metidas.Estarealidadevidenciaquelatecnología,porsísola, nogarantizaprotección.

Lainfraestructuradigitalmodernasecaracterizaporsuin‑ terconectividad.Microservicios,APIsycontenedorespermi‑ tenmayorflexibilidad,perotambiénamplíanlasuperficiede ataque.Unsolopuntovulnerablepuedecomprometermúl‑ tiplessistemasinterrelacionados.SegúnelNationalInstitu‑ teofStandardsandTechnology(NIST),lagestióndelriesgo eninfraestructurascríticasrequiereunenfoqueintegralque combinecontrolestécnicos,monitoreoconstanteyevaluación continuadeamenazas.

Figura1.Vulnerabilidadesyriesgosenmodelosdeservicioenla nube(IaaS,PaaSySaaS).Fuente:ResearchGate,2024.

Elanálisiscomparativodelosmodelosdeservicioenla nubepermiteidentificarcómovaríanlosriesgossegúnelni‑ velderesponsabilidaddelusuario.IaaSpresentavulnerabi‑ lidadesasociadasalainfraestructura,PaaSadependenciasy APIs,ySaaSaconfiguracionesdeacceso.Asimismo,seevi‑ denciandiferenciasenloscostosdebrechasyenlastasasde mitigación,loquedemuestraquelaseguridadnoesuniforme yrequiereestrategiasespecíficassegúnelmodeloadoptado.

Otroretorelevanteeslaevoluciónconstantedelosciber‑ ataques.Elransomwarehapasadodeserunataqueaislado aconvertirseenunaestrategiaorganizadaquebuscaparali‑ zarservicioscompletos.Enentornosdenube,dondegrandes volúmenesdeinformaciónseconcentranenplataformasacce‑ siblesremotamente,elimpactopuedesersignificativo.Esto exigeimplementarcifradorobusto,autenticaciónmultifactor ypolíticasestrictasdecontroldeacceso.

Desdelaperspectivadelagobernanza,laproteccióndeda‑ tospersonalesrepresentauncompromisoéticoylegal.Lasor‑ ganizacionesdebengarantizarconfidencialidad,integridady disponibilidaddelainformación.LaEuropeanUnionAgency forCybersecurity(ENISA)destacaquelaseguridadenlanu‑ bedebeintegrarsedesdeeldiseñodelsistemaynocomouna medidaposterior.Estoimplicaquelosingenierosensistemas asumanunrolactivoenlaplanificacióndearquitecturasse‑ gurasysostenibles.

Lacapacitacióndelpersonal,laactualizaciónconstanteyla concientizaciónsobreamenazasdigitalessonelementosesen‑ cialesparareducirriesgos.Lanubepuedeseraltamentese‑ gurasiexisteunaestrategiaclara,perosevuelvevulnerable cuandosedescuidalagestióninternaylasupervisiónconti‑ nua.

Conclusiones

Lainfraestructuradigitalmodernaofreceenormesventajas entérminosdeinnovaciónyeficiencia,perotambiénplantea desafíosdeseguridadquenopuedenignorarse.Lanubeno esinherentementeinsegura;suvulnerabilidadsurgecuando sesubestimanlosriesgosasociadosasugestiónyconfigura‑ ción.

EnelámbitodelaIngenieríaenSistemas,estosdesafíos exigenunavisiónintegralquecombineconocimientotécnico, capacidaddeanálisisyresponsabilidadética.Lagobernan‑ zaenentornosdigitalesdebefortalecersemediantepolíticas claras,monitoreoconstanteyformacióncontinua.Proteger lainformaciónenlanubenoessolounatareatécnica,sino uncompromisoprofesional.Además,esfundamentaladop‑ tarestrategiasproactivasdeseguridadquepermitanantici‑ parymitigaramenazasenentornosdigitalescadavezmás complejos.

Bibliografía

• CloudSecurityAlliance. SecurityGuidanceforCritical AreasofFocusinCloudComputing.Version4.0.NewYork: CloudSecurityAlliance,2017.

• EuropeanUnionAgencyforCybersecurity(ENISA). CloudSecurityforSMEs.Luxembourg:PublicationsOf‑ ficeoftheEuropeanUnion,2015.

• NationalInstituteofStandardsandTechnology(NIST). FrameworkforImprovingCriticalInfrastructureCybersecu‑ rity.Version1.1.Gaithersburg,MD:NIST,2018.

• CloudSecurityRisksandMitigationStrategies:ARe‑ viewofCurrentTrendsandFutureDirections.Research‑ Gate,2024. https://www.researchgate.net/publication/ 395648103

Palabrasclave datospersonales,privacidaddelainformación,databrokers, publicidaddirigida

Introducción

Muchasveces,cuandosehabladelvalordelosdatos,se piensaúnicamenteeninformacióncomonúmerosdetarjetas decréditoodatossensibles.Sinembargo,enelentornodigi‑ talsuvalorvamásalládeeso.Cadainteracción,cada“me gusta”ycadaactividaddentrodeinternetproducedatosre‑ levantesparaempresasycampañasdemarketing.Enlaac‑ tualidad,losdatospersonalesrepresentanunactivodegran valor(FederalTradeCommission2014).

Apartirdeesosdatos,seconstruyenperfilesquepermiten segmentarcontenidoyorientarpublicidad.JulieBrilladvier‑ tequeestosperfilespuedenbasarseeninformaciónincom‑ pletaoerrónea,afectandodirectamenteeltratoquerecibeel usuario.Elproblemanoselimitasoloalarecoleccióndeda‑ tos,sinotambiénalafaltadetransparenciasobrecómose procesan,circulanyutilizandentrodelecosistemadigital.

Artículo

Recoleccióndedatosenelentornodigital

Lainformaciónsueleobtenerseatravésderegistrosein‑ teraccionesenredessociales,delcontenidoqueconsumimos, deloquebuscamosyengeneral,detodanuestraactividad endistintasplataformas.

Unestudiorealizadoen2023sobrelaventadeinformación delpersonalmilitarestadounidenseevidencióunmercado dedicadoalacomercializacióndedatosdeubicación.Enesta investigación,2delos12brokersinvestigadossededicaban exclusivamentealaventadeinformaciónlocacionalobtenida atravésdeaplicacionesmóviles(Shermanetal.2023).

Unadelastécnicasprincipalesdelrastreowebeslasincro‑ nizacióndecookies,endondelainformacióndeseguimiento seintercambiadirectamenteentresitios.Estopermiteunras‑ treoamplioylaunióndedistintosperfilesdigitales.Cuan‑ doestetipoderastreoesbloqueado,existeelfingerprinting, unatécnicaenfocadaenobtenerinformaciónsobreeldispo‑ sitivocomohardware,sistemaoperativoyelnavegador(En‑ glehardtandNarayanan2016).

Comercializaciónycirculacióndelainformaciónperso‑ nal

Losdatosnosequedanúnicamenteenlaplataformadon‑ defuerongenerados,sinoquepasanaformarpartedeuna

redmásamplia.Actualmente,esteentornoesunaindustria multimillonariabasadaenlaobtención,clasificaciónyventa dedatosyperfilesdeusuarios.

LaFederalTradeCommissionexplicaquelosdatabrokers obtieneninformaciónpersonaldediversasfuentesylautili‑ zanparafinescomomarketing,validarlaidentidadydetectar fraudes.Comoestasempresasgeneralmentenotienencontac‑ todirectoconelpúblico,muchaspersonasnosabenquéda‑ tosseestánguardandosobreellas,nicómoseusan(Federal TradeCommission2014).

Usosyfinesdelperfiladodedatos

Losdatabrokersnosolovendendatosindividuales,sino tambiéngruposycategoríasquelasempresaspuedenusar paralanzarcampañas,personalizarofertasoidentificarpú‑ blicosconciertascaracterísticas.Porejemplo,unacategoría como“BikerEnthusiasts”puedeservirleaunaempresade motocicletasparaofrecercupones,perotambiénpuedeser‑ virleaunacompañíadesegurosparaexcluiraesosclientes (FederalTradeCommission2014).

Cuandolosdatossecruzandeformaconstanteparacrear perfiles,tambiénpuedenhacerfuncionarsistemasautomáti‑ cosqueorganizan,seleccionanopersonalizanloqueunaper‑ sonave,recibeeinclusolaformaenqueestratadadentrode unserviciooaplicacióndigital.ComosemuestraenlaFigura 1,elciclodecirculaciónabarcadesdelarecolecciónhastalos usoscomercialeseinstitucionales.

Figura1:Ciclodecirculaciónyaprovechamientodedatosperso‑ nalesenelecosistemadigital.Fuente:Elaboraciónpropia.

Conclusión

Laobtenciónyventadelosdatospersonalesesunodelos principalesrecursosdelaeconomíadigitalactual.Sinembar‑ go,elproblemadeprivacidadnoestásoloenqueestainfor‑ maciónserecoja,sinoenquecirculeconpocoseguimiento

entredistintosgrupos,loquedificultasaberquiénaccedea ella,cómolaobtieneyparaquélautiliza.Esimportanteco‑ mousuariosserconscientesdelvaloryusodenuestrosdatos. Comprenderquenuestrosdatossoncompartidosynuestra publicidadestádirigida.

Bibliografía

• Englehardt,Steven,andArvindNarayanan.2016. Online Tracking:A1‑Million‑SiteMeasurementandAnalysis. https:

//senglehardt.com/papers/ccs16_online_tracking.pdf

• FederalTradeCommission.2014. DataBrokers:A CallforTransparencyandAccountability. https://www. ftc.gov/system/files/documents/reports/data‑brokers‑ call‑transparency‑accountability‑report‑federal‑trade‑ commission‑may‑2014/140527databrokerreport.pdf

• Sherman,Justin,etal.2023. DataBrokersandtheSaleof DataonU.S.MilitaryPersonnel. DukeUniversity.

Palabrasclave: inteligenciaartificial,estudiantesuniversitarios,empleabilidad,brechatecnológica,Guatemala.

Introducción

Enlaactualidad,escasiimposiblehablardeIngenieríaen Sistemassinmencionarlainteligenciaartificial.LaIAyano essolounaproyeccióndelfuturo,sinounaherramientade usocotidianoparaestudiar,programar,investigar,resumir textosogenerarideasparaproyectos.Suusosehavueltoca‑ davezmásfrecuenteenlosprocesosdeaprendizajeyenla formacióntécnicadelosestudiantes.

EnGuatemala,muchosestudiantesyalahanadoptadoco‑ mopartedesurutinaacadémica.Sinembargo,mientrasellos avanzanconrapidez,elpaísnopareceiralmismoritmo.Di‑ versosreportesmuestranqueGuatemalatodavíapresentare‑ zagosimportanteseneldesarrollodelainteligenciaartificial ynocuentaconunaimplementaciónsólidaanivelnacional.

Desarrollo

LaIAcomopartedelavidauniversitaria

MuchosestudiantesusanherramientasdeIAparacom‑ prendermejoruntema,mejorarsucódigo,practicarentrevis‑ tastécnicasoinclusoaprendernuevastecnologías.Yanose tratasolodereproducirinformación,sinodecontarconun apoyoconstanteparaelaprendizaje.

Además,variasuniversidadesenGuatemalahancomenza‑ doaincluircursos,diplomadoseinclusomaestríasrelaciona‑ dasconinteligenciaartificial,cienciadedatosyautomatiza‑ ción.Estodemuestraqueexisteunesfuerzoporactualizarla formaciónprofesional.

Elrezagodelpaís:elverdaderodesafío

ElProgramadelasNacionesUnidasparaelDesarrollo (PNUD)señalaqueGuatemalaenfrentalimitacioneseninfra‑ estructuratecnológica,inversión,regulaciónydesarrollode talentoespecializadoenIA.Estoindicaque,aunqueexiste interés,todavíanohayunecosistemasólidoqueimpulsela inteligenciaartificialagranescala.

Porotrolado,el GlobalSkillsReport2025 deCourseraubica aGuatemalaenposicionesbajasenrankingsdehabilidades tecnológicasdentrodeAméricaLatina.Estoreflejaqueelpaís aúnestálejosdecompetirconeconomíasmásavanzadasen estecampo.

Ilustración1.RankingregionaldehabilidadesymadurezenIA enAméricaLatinayelCaribe.Fuente:Coursera,GlobalSkillsRe‑ port2025,p.43.

Ilustración2.ResultadosporpilardelaEvaluacióndelPanorama delaInteligenciaArtificialenGuatemala(AILA).Fuente:Progra‑ madelasNacionesUnidasparaelDesarrollo(PNUD),“Guatema‑ laavanzahaciaunusoinclusivo,responsableytransformadordela InteligenciaArtificial”,28denoviembrede2025.

Elfuturolaboral

SiGuatemalanoacelerasudesarrolloenIA,muchasem‑ presaslocalespodríanquedarseatrásfrentealacompeten‑ ciainternacional;losprofesionalesmejorpreparadospodrían buscaroportunidadesfueradelpaísotrabajardeformaremo‑ taparaempresasextranjeras,yseampliaríalabrechaentre quienesdominanlaIAyquienesno.

SilosestudiantesactualeslogranformarsebienenIA,auto‑ matizaciónyanálisisdedatos,puedenconvertirseenelmo‑ torqueimpulselatransformacióndigitaldelpaís.Enlugar deesperarqueelcambioprovengasolodelasinstituciones, estetambiénpuedesurgirdeltalentojoven.

ElfuturolaboraldelingenieroensistemasenGuatemala dependeráengranmedidadesucapacidaddeadaptación. Yanobastaconsaberprogramar;ahoraesclaveintegrarIA,

automatizarprocesosyentendercómousarestasherramien‑ tasdemaneraéticayestratégica.

Conclusiones

Lainteligenciaartificialyaformapartedelaformaciónuni‑ versitariaenGuatemala.Losestudianteslaestánadoptando rápidamenteylasuniversidadescomienzanaactualizarsus programas.Sinembargo,losinformesmuestranqueelpaís aúnenfrentaunrezagoimportanteeneldesarrolloeimple‑ mentacióndeIA.Estoimpactadirectamenteelfuturolaboral delingenieroensistemas.Sielecosistemanacionalnocrece almismoritmoquelaformaciónacadémica,eltalentopodría migrarolimitarseatrabajarparamercadosexternos.Elreto noessoloaprenderIA,sinolograrqueGuatemalatambién avance,porquenosetratasolodetenerestudiantesprepa‑

rados,sinodetenerunpaíspreparadoparaaprovecharese talento.

Bibliografía

• ProgramadelasNacionesUnidasparaelDesarrollo. “Guatemalaavanzahaciaunusoinclusivo,responsable ytransformadordelaInteligenciaArtificial.”28deno‑ viembrede2025.

• Coursera. GlobalSkillsReport2025.2025.

• Weinar,Agnieszka,yAmparoKlekowskivonKoppen‑ fels.“Migraciónaltamentecualificada:conceptoydefi‑ niciones.”En Migraciónaltamentecualificada:Entreelasen‑ tamientoylamovilidad.Cham:Springer,2020.

Palabrasclave: daño,empatía,datos,usuario,ética.

Introducción

Cuandouningenierodesarrollaalgonuevo,puedeelegir doscaminos:elcaminofácil,dondecumplirásuobjetivodes‑ apegándosedelasconsecuenciasquetengatomarlo,yelco‑ rrecto,queinvolucramástrabajoperoaseguraunamejorinte‑ gridadparaelusuariofinal.Uningenierodebecaracterizarse nosolamenteporsushabilidadestécnicas,sinotambiénpor sushabilidadesblandas.

Existenunagranvariedaddecasosenlosquesehavisto cómounadecisióntomadaporlosingenierosacargodede‑ sarrollarunsistema,obienlaomisióndeunpotencialproble‑ ma,puededesencadenarunacadenadeeventosquepueden seraltamenteperjudicialesparalosusuariosfinales.Porloge‑ nerallasnoticiasquecubrenestoscasoshablanúnicamente denúmeros,peronodeldañoprovocadoalosusuariosafec‑ tados.

Desarrollo

ElcódigodeéticadelaACMestableceeldañocomocual‑ quierconsecuencianegativaeincluyeladivulgacióninjusti‑ ficadadeinformaciónentrelosejemplosdelmismo.Basán‑ donosenestadefinición,uningenieroensistemasescapaz deinjuriaraotrapersonadebidoalafaltadeempatíayres‑ ponsabilidadeneldesarrollodeaplicaciones,reflejándoseen varioscasosquehansucedidodurantelaúltimadécada.

Comounclaroejemplodeunainfracciónalcódigodeética mencionadoanteriormente,podemosmencionarlosucedido enMéxicoelpasado9deenero,debidoalanuevaleyque

EntidadNormativo

seaprobó:losusuariosdelíneastelefónicasdebendevincu‑ larsuslíneasaunapersonafísicaomoral.Debidoalana‑ turalezadeltrámite,serequiereinformaciónpersonaldelos ciudadanos.LacompañíaTelceldesarrollóunsistemaquele permiteasususuariosrealizarelregistrodeformavirtual;al recolectarlainformaciónnecesariadelosusuariosquedaba completadoelregistro.Elproblemasucedióquealtenerel registroenoperación,Telcelpermitióelingresodecualquier númerocelularyelsistemapresuntamenteretornabalosda‑ tosalmacenadosdelapersona—queincluyeinformaciónsen‑ siblecomoelnombrecompleto,informaciónfiscalyelcorreo electrónico—sinladebidaverificaciónyautenticaciónpre‑ via.

Cuandounapersonaingresasusdatosencualquierplata‑ forma,generalmentelollegamosavercomounsimplere‑ gistro,algoqueesnecesario.Nosotroscomoingenierosen sistemasdebemosponernosenellugardelosusuariosque depositansuconfianzaindirectamenteennosotros.Debemos empezaraveralaspersonasqueestándetrásdeesosdatos registradosennuestrorepositoriodedatos,yeldañoquepo‑ demoscausarles,sinnecesidaddeteneruncontactoconellas.

Unasimpleexposicióninnecesariadeunnúmerotelefóni‑ copuedeescalaraunasuplantacióndeidentidadounrobo decuentasbancarias.¿Acasoestonoentraenladefiniciónde dañoplanteadaporlaACM?Nosotroscomoingenierosen sistemasdebemosdeserconscientesdeque,apesardeque puedaonoperteneceralajurisdicciónenlaqueejercemos, lasguíasypautasparaundesarrolloresponsablesíexisten; essolocuestióndeseguirlas,apesardelasdificultadesen desarrolloydiseñoqueestaspuedanconllevar.

ACMCodeofEthicsandProfessionalConduct

GDPRPrinciplesrelatingtoprocessingofpersonaldata

IEEECodeofEthics

Tabla1.Entidadesysusrespectivosnormativosdeéticay/oproteccióndedatos.Fuente:Elaboraciónpropia.

Debemosdeempezaraconcebirlasnuevasformasdeda‑ ñarpersonasquesehandesarrolladoenunaeraenconstante cambio,dondelacomodidadsehacecadavezmásaccesible, yconcientizarnosdeldeberintrínsecoquesehavueltoparte denuestralaborprofesional.

Conclusiones

Enlaeradigitaldondenosencontramos,debemoscom‑ prenderquenuestrasdecisionesduranteeldesarrollopue‑ dencausarundañoirreparableatodoslosusuarios,queno setraduceaunalesiónfísica,yquepuedecambiarporcom‑ pletolavidadelosafectados.Alaceptarestalabor,debemos

deentenderlamagnituddenuestrodebermoral,elcuales seguirloslineamientosyaestablecidosporlasentidadesen‑ cargadasdeinformaratodoslosprofesionalesdelcampo,y establecerunaseriedeprincipioslideradosporlaempatía, responsabilidadyhonestidadabsolutaquenospermitanal‑ gúndíallegaraunpuntoenelquenolehagamosdañoa laspersonas.Comofuturosprofesionales,nosotrosmismos quisiéramosincitaracadaunodenuestroscolegasasiempre preguntarseestoalmomentodetrabajarenunsistema:¿có‑ moestaimplementaciónpodríacausarledañoaalguienmás?

Bibliografía

• AssociationforComputingMachinery.“ACMCode ofEthicsandProfessionalConduct.” https://www.acm.

org/code‑of‑ethics

• GeneralDataProtectionRegulation.“Art.5GDPR‑Prin‑ ciplesrelatingtoprocessingofpersonaldata.” https:// gdpr‑info.eu/art‑5‑gdpr/.

• InstituteofElectricalandElectronicsEngineers.“IEEE CodeofEthics.” https://www.ieee.org/about/corporate/ governance/p7‑8.html.

• Nares,Obed.“Telcelfiltradatospersonalesdeusua‑ riosenMéxico:elregistrodelíneascelularesfallaen susprimerosdías.” XatakaMéxico,12deenerode2026. https://www.xataka.com.mx/telecomunicaciones/telcel‑ filtra‑datos‑personales‑usuario‑mexico‑registro‑lineas‑ celulares‑falla‑sus‑primeros‑dias