# keli-ia-generative-code-100-percent-approche-2025-11-05 ## Veille Enfoque funcional de la IA generativa en el desarrollo de software, código generado al 100 %, onboarding del LLM, tareas atómicas, spec-driven, capitalización continua - Soufiane Keli - OCTO Technology - LinkedIn ## Titre Article Approche fonctionnelle pour l'IA générative en développement : 100% de code généré ## Date 2025-11-05 ## URL https://www.linkedin.com/feed/update/urn:li:activity:7391722941790527489/ ## Keywords IA generativa, generación de código, desarrollo de software, tareas atómicas, desarrollo spec-driven, onboarding del LLM, iteración rápida, capitalización continua, brownfield, estándares de código, prompts estructurados, DoD, OCTO Technology, velocidad, calidad del código, desarrollador junior, contexto global, historias de usuario, LLM ## Authors Soufiane Keli (OCTO Technology) ## Ton **Perfil:** Conversacional-Profesional | Practicante en primera persona | Educativo-Promocional | Técnico-Intermedio Keli, consultor de OCTO, comparte una metodología concreta con el tono de un practicante experimentado. Un enfoque estructurado en cuatro etapas ("Onboarding de la IA", "tareas atómicas", "spec-driven", "capitalización continua") revela una postura pedagógica que combina buenas prácticas y experiencia de campo brownfield. El lenguaje alterna entre prescripciones metodológicas y admisiones pragmáticas ("No le pidas a la IA que lo haga todo de una vez"). Típico de consultores tecnológicos en LinkedIn que comparten experiencia de campo con una promoción sutil de su empresa. ## Pense-betes - **La IA genera casi el 100 % del código** mediante un enfoque estructurado - **Etapa 0: Onboarding de la IA** - tratar al LLM como un "junior cada día", reformular el contexto global - **Etapa 1: Exploración y planificación** - descomponer las historias de usuario en tareas atómicas precisas - **Usar el LLM para la descomposición** - alcanzar el nivel de detalle adecuado - **Etapa 2: Desarrollo iterativo spec-driven** - prompts estructurados + ejemplos de código + estándares + checklist DoD - **Ajuste dinámico** - modificar el prompt/contexto en caso de insatisfacción - **Etapa 3: Capitalización continua** - enriquecer la base de buenas prácticas después de cada ciclo - **Principio clave**: tareas atómicas + estándares claros + iteración rápida = velocidad Y calidad - **No le pidas a la IA que lo haga todo de una vez** - enfoque incremental - **Demostración brownfield** - Loïc Lefloch y Simon Belbeoch (OCTO) - **Enfoque pragmático** que combina buenas prácticas existentes ## RésuméDe400mots Soufiane Keli, consultor en OCTO Technology, propone un enfoque metódico que permite a la IA generativa producir casi el 100 % del código en un proyecto de software real. Lejos de ser mágica, esta estrategia combina rigurosamente prácticas probadas dentro de un proceso estructurado en cuatro etapas. **Etapa 0: Onboarding diario del LLM** A diferencia de un desarrollador humano que conserva el contexto entre sesiones, el LLM debe ser "recontratado" cada día. Esta etapa crucial consiste en reformular sistemáticamente el contexto global del proyecto, sus objetivos funcionales y arquitectónicos. Tratar al modelo como un "junior que empieza de nuevo cada mañana" impone una disciplina de documentación beneficiosa: el contexto explícito se convierte en un activo compartido por todo el equipo, y no solo en un conocimiento tácito en manos de unos pocos. **Etapa 1: Exploración y planificación atómica** Antes de cualquier generación, cada historia de usuario se somete a una descomposición meticulosa en tareas atómicas con descripciones precisas. Paradójicamente, esta propia planificación utiliza un LLM para identificar el nivel óptimo de granularidad. Esta etapa transforma objetivos funcionales vagos en especificaciones técnicas accionables, reduciendo drásticamente la ambigüedad que los modelos gestionan mal. **Etapa 2: Desarrollo iterativo spec-driven** El desarrollo propiamente dicho se apoya en prompts altamente estructurados que comprenden cuatro elementos: una especificación técnica detallada, ejemplos ilustrativos de código, los estándares y convenciones del proyecto, y una checklist explícita de Definition of Done (DoD). Si el resultado no es satisfactorio, el enfoque prescribe un ajuste metódico del prompt o del contexto, evitando iteraciones aleatorias. Este rigor convierte la interacción con el LLM de una conversación improvisada en un proceso de ingeniería reproducible. **Etapa 3: Capitalización continua** Después de cada ciclo, las lecciones aprendidas enriquecen progresivamente una base de conocimiento organizacional: patrones exitosos, formulaciones de prompts eficaces, escollos identificados, ejemplos documentados. Este bucle de mejora continua convierte la experiencia individual en capital intelectual colectivo, acelerando los proyectos futuros. **Principio fundamental y validación en el terreno** El principio rector rechaza explícitamente la generación monolítica: "No le pidas a la IA que lo haga todo de una vez". En su lugar, tareas atómicas + estándares claros + iteración rápida producen simultáneamente velocidad Y calidad, objetivos tradicionalmente vistos como antagónicos. De manera crucial, este enfoque fue demostrado en un entorno brownfield por Loïc Lefloch y Simon Belbeoch en OCTO Technology, lo que prueba su aplicabilidad más allá de proyectos greenfield idealizados. El contexto brownfield —con código heredado, restricciones arquitectónicas existentes, deuda técnica— representa el terreno de trabajo real para la mayoría de los desarrolladores. **Posicionamiento pragmático** Keli posiciona explícitamente este método como una combinación pragmática de buenas prácticas públicamente disponibles, no como una innovación radical. Esta modestia estratégica refuerza su credibilidad: el enfoque no requiere una revolución cultural, sino únicamente una orquestación disciplinada de técnicas conocidas adaptadas al contexto de la IA generativa. ## GrapheDeConnaissance - Soufiane Keli —travaille_chez→ OCTO Technology (ORGANISATION, 0.98) - Soufiane Keli —publie→ approche spec-driven IA (METHODOLOGIE, 0.98) - approche spec-driven IA —permet→ 100% code généré par IA (CONCEPT, 0.92) - approche spec-driven IA —utilise→ onboarding quotidien LLM (CONCEPT, 0.95) - approche spec-driven IA —utilise→ tâches atomiques (CONCEPT, 0.97) - approche spec-driven IA —utilise→ capitalisation continue (CONCEPT, 0.93) - Loïc Lefloch —soutient→ approche spec-driven IA (METHODOLOGIE, 0.95) - Simon Belbeoch —soutient→ approche spec-driven IA (METHODOLOGIE, 0.95) - approche spec-driven IA —s_applique_à→ environnement brownfield (CONCEPT, 0.93) - tâches atomiques —améliore→ vélocité et qualité (CONCEPT, 0.9) - Definition of Done —fait_partie_de→ prompt structuré (CONCEPT, 0.92) - Yves Caseau —soutient→ approche spec-driven IA (METHODOLOGIE, 0.85) - Yves Caseau —travaille_chez→ Michelin (ORGANISATION, 0.97) --- Canonical: https://www.thekb.eu/es/fiches/keli-ia-generative-code-100-percent-approche-2025-11-05/