Instacart plantea una pregunta provocativa: ¿Qué pasaría si la mayor parte del trabajo que hacen sus ingenieros hoy en día, de hecho, fuera realizado por máquinas?
En VB Transform 2026el CTO Anirban Kundu argumentó que los equipos de desarrollo continúan perdiendo el tiempo en trabajos agotadores, repetitivos y de gran volumen; esto debería ser absorbido por los agentes de IA para que los humanos puedan concentrarse en problemas que requieren juicio, intención y manejo de excepciones.
De hecho, en el 97% de los casos, los creadores de Instacart ya ni siquiera leen el código.
«En el pasado, el nivel táctico era la creación del código», dijo Kundu. “En el nivel más táctico en el futuro, la pregunta será: ‘¿Cómo navegas por el sistema de IA para obtener lo que quieres?’”
IA genera código y realiza «evaluaciones bastante serias»
Eso no significa que los humanos nunca miren el código; Los agentes manejan la mayor parte de la generación de código y el texto estándar, particularmente con proyectos más nuevos donde el código se genera o regenera semanalmente.
«El beneficio de esto es que ya no nos importa la deuda tecnológica», dijo Kundu. «Las cosas que no están activas simplemente se eliminan y luego se reconstruyen, algo así como solíamos crear código ensamblador o código objeto».
Entonces, ¿por qué no al 100%? El 3% restante se encuentra en sistemas y flujos de trabajo heredados, de cumplimiento y sensibles a la latencia, o impulsado por una “carga de código” que está inactivo, inactivo o medio activo. Estos casos todavía necesitan una atención humana cuidadosa.
Sin embargo, Instacart está «suavizando esas partes» lentamente, descomponiendo sistemas en un proyecto bien llamado Átomos, y luego reconstruyéndolos en una forma más limpia y modular. El equipo de Kundu comenzó con los «monolitos» y está cambiando a arquitecturas basadas en llamadas a procedimientos remotos (RPC).
Pero la evaluación sigue siendo uno de los desafíos generales. Las revisiones de código no son tan relevantes cuando la IA genera código; como señaló Kundu, «las líneas de código serán correctas, la sintaxis cumplirá con sus expectativas», por lo que el objetivo es pasar a un «modelo de intención». Es decir, capacitar a los desarrolladores para que puedan hacer a diferentes modelos las preguntas correctas desde una perspectiva de intención.
Luego, las evaluaciones se realizan de forma independiente: aproximadamente 7000 evaluaciones automáticas se ejecutan cada mes y el sistema responde a más de 8000 consultas de desarrolladores en tiempo real con aproximadamente un 99,9% de precisión.
Identificar «contratiempos» que la intuición humana podría haber pasado por alto
En combinación con esto, Instacart ha creado un sistema de ingeniería de confiabilidad del sitio (SRE) basado en años de incidentes propios de la compañía y análisis de causa raíz en lugar de datos de fallas genéricos. En lugar de enseñarle a un modelo cómo funcionan las interrupciones de producción en abstracto, el equipo lo alimentó con las formas específicas en que los sistemas de Instacart se han roto con el tiempo, junto con las formas en que los humanos los diagnosticaron y solucionaron.
Como resultado, la empresa ha observado que la precisión en la detección y mitigación de problemas de producción aumentó de aproximadamente el 60 % a más del 90 %.
Kundu señaló un ejemplo con la herramienta interna de Instacart, Blueberry. El colega de AI SRE observa unos 200 canales de Slack, monitorea señales y busca patrones en conversaciones y alertas humanas.
En un incidente, un fragmento de base de datos respaldado por un volumen de EBS tuvo un «contratiempo» durante un período de tiempo. El equipo humano no sospechó de inmediato de problemas con el disco de AWS y estaba «obviamente luchando» para descubrir por qué este fragmento en particular se comportaba mal.
Pero unos 20 minutos después, Blueberry publicó en Slack, señalando un problema específico y vinculándolo a un sistema similar a una bandera de función llamado «ruleta» que había sido inadecuado. «Se supone que debe desarrollarse con esta cadencia, [but] había sido demasiado”, dijo Kundu.
Blueberry se dio cuenta y el equipo resolvió el incidente. «¿Un humano habría sido tan rápido? Creo que el problema es que la intuición humana nos frenaría un poco», dijo Kundu.
Los humanos tendemos a utilizar patrones que hemos visto antes y luego recurrir a la depuración; Kundu llamó a esto «el tipo de cosa del primer cerebro y el segundo cerebro». Pero el SRE agente de Instacart es en realidad «más completo en su capacidad de observar todo y luego poder decidir qué importa o no».
Redefiniendo el trabajo del ingeniero
De cara al futuro, el trabajo más táctico para los ingenieros será navegar por los sistemas de IA: diseñar y supervisar procesos de evaluación; coordinar múltiples experimentos y funciones simultáneas; gestionar restricciones como el tráfico limitado en la parte superior del embudo para realizar pruebas; averiguar cuándo intensificar la situación; identificar casos extremos y dónde las cosas podrían fallar.
La experiencia en el dominio también se está repensando en la era de la IA. En lugar de obstaculizar los cambios a través de un único equipo «propietario» que toca el código, Instacart está incorporando conocimiento del dominio en definiciones y especificaciones que cualquier equipo puede usar.
«Hemos vivido en este mundo donde este grupo o este equipo de ingeniería es el que puede tocar el código y realizar la modificación», dijo Kundu. «Estamos tratando de avanzar hacia un mundo donde el código se democratiza completamente en todos los grupos».
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
