El uso honesto de IA.
La mayoría de developers usa la IA de una de dos formas incorrectas: o la ignoran completamente ("no necesito ayuda de una máquina") o la usan para que escriba todo el código sin entenderlo ("copié lo que dio la IA y funcionó"). Ninguna de las dos maximiza el valor. El uso correcto es colaborativo: vos aportas el contexto, el criterio y la validación; la IA aporta velocidad y exploración de alternativas.
Debugging con IA.
El debugging es donde la IA tiene más impacto inmediato. El patrón que funciona: en lugar de pasarle solo el error, pasale el error + el código relevante + lo que ya intentaste + el contexto del sistema. Cuanto más contexto, mejor el diagnóstico. Un prompt como "este error aparece solo en producción, aquí está el código, aquí el error completo, ya verifiqué que las variables de entorno están correctas" da diagnósticos infinitamente mejores que solo pegar el stack trace.
La IA es especialmente buena en errores de patrones conocidos: hydration errors de React, race conditions típicos, errores de CORS, problemas de TypeScript. Para bugs de lógica de negocio específica de tu dominio, la IA puede plantear hipótesis pero la validación sigue siendo tuya.
Boilerplate y scaffolding.
Generar código repetitivo es la tarea más directa para la IA: un CRUD completo para un modelo dado, los tipos TypeScript de una API dada la documentación, los tests unitarios de una función existente, los componentes de un formulario dado el schema de validación. Esto es donde la IA realmente libera tiempo: tareas que antes tomaban 1-2 horas ahora toman 10-15 minutos de revisión y ajuste.
El truco: no le pidas "escribí el código". Describí el contexto completo: el lenguaje, el framework, las convenciones del proyecto, qué existe ya y qué necesitás nuevo. El boilerplate de la IA que encaja en tu proyecto existente es mucho más útil que el código genérico que luego tenés que adaptar.
Documentación automática.
Documentar código es la tarea que más se posterga y donde la IA más ayuda sin riesgo. Pasale una función sin documentar y pedile que escriba el JSDoc/docstring. Pasale un componente React y pedile que explique sus props. Pasale un módulo completo y pedile que genere el README. La documentación generada por IA es un excelente punto de partida que podés refinar, no una solución perfecta que usás tal cual.
Prompts que funcionan.
La calidad del prompt determina la calidad del resultado. Los mejores prompts para código tienen cuatro componentes: Rol (Actúa como un developer senior de TypeScript), Contexto (Estoy trabajando en una app Next.js con Supabase, el modelo User tiene estos campos...), Tarea específica (Escribí una función que...), y Restricciones (Usá el cliente de Supabase que ya está inicializado, sin dependencias adicionales, con manejo de errores).
Los errores de IA que cuestan.
La IA alucina librerías que no existen, APIs que cambiaron, configuraciones que no aplican a tu versión. El error más caro: aceptar código que "parece correcto" sin validarlo. Siempre revisá que las importaciones existan, que las APIs sean actuales, y que la lógica tenga sentido antes de mergear. Corregir un bug introducido por código de IA aceptado a ciegas puede costar más tiempo que haberlo escrito desde cero.
El límite real.
La IA no reemplaza entender lo que estás construyendo. Si no entendés la arquitectura de tu sistema, la IA va a generar código que funciona localmente y rompe en producción. Si no entendés los requerimientos, la IA va a implementar exactamente lo que pediste, no lo que necesitabas. La IA amplifica tu capacidad. No la reemplaza.