La práctica de IA dentro de una firma de 24 años.
En ASP Labs integramos la IA en la construcción de software. No como estrategia de marketing sino como una herramienta para reducir tangiblemente tiempos sin comprometer la calidad de código y la documentación.
- Liderada por Eric Alfredo Haag
- Desde 2024
La IA como aliada de nuestro equipo de desarrollo.
La Inteligencia Artificial se ha convertido en la mejor aliada de nuestro equipo de desarrollo, resolviendo la mayoría de los problemas recurrentes que históricamente afectaban la velocidad y la calidad de cada proyecto:
Fidelidad al diseño, en menos tiempo.
Implementar con precisión las propuestas visuales del equipo de diseño solía requerir horas de trabajo detallado por parte de un desarrollador experimentado. Hoy, gracias a la integración entre los MCPs de nuestras herramientas de diseño y nuestros agentes de código, ese proceso es mucho más simple y directo.
Documentación completa, no una promesa pendiente.
La documentación de diseño, técnica y funcional —que muchas veces quedaba incompleta o inexistente por falta de tiempo— ahora se genera como parte natural del flujo de trabajo.
Cobertura de pruebas real.
Antes, nuestras coberturas de pruebas alcanzaban solo una fracción del código. Hoy son exhaustivas, rigurosas y completas, e incluyen pruebas integrales automatizadas en cada capa del sistema.
Código boilerplate en una fracción del tiempo.
El desarrollo de código repetitivo y estructural se ha reducido drásticamente, con un nivel de calidad muy superior en funcionalidad y limpieza de código.
Seguridad desde el primer commit.
El escaneo de vulnerabilidades dejó de ser una revisión adicional para convertirse en parte integral de nuestra metodología de desarrollo.
Eric Alfredo Haag
Director de I+D · Líder de ASP Labs
Cuando alguien dice que su equipo usa IA, pregúntales una cosa: qué herramienta específica, en qué parte específica del flujo, con qué resultado medible. Si no pueden responder, la están usando como tú la usarías — ocasionalmente.
Dónde entra la IA, paso a paso.
Cuatro momentos del ciclo de desarrollo, con la herramienta específica y la métrica de cada uno.
01 · Generación de código
Generación de código con humano en el ciclo
Cada ingeniero senior trabaja con Claude Code integrado a su entorno local. Para ediciones multi-archivo, refactors y código repetitivo, la IA redacta; el ingeniero revisa línea por línea antes del commit. Nunca hacemos merge de código generado por IA sin comprensión humana — la meta es throughput sin pérdida de intención. Skills personalizados se precargan por proyecto (convenciones, patrones de testing, restricciones de arquitectura) para que la IA produzca código que calza con tu base de código desde el primer prompt.
- Claude Code
- OpenCode
- Skills propios
~40% menos tiempo en código repetitivo
02 · Revisión de código
Revisión de código aumentada con IA
Revisores aumentados con IA se ejecutan en cada PR antes de que un humano lo mire: análisis de seguridad, rendimiento y adherencia a convenciones vía GitHub Actions. Los hallazgos triviales se resuelven antes de que un senior gaste tiempo en lo básico, y la revisión humana queda para lo que de verdad requiere criterio.
- Bot de PR propio
- Semgrep
- CodeQL
- Servidores MCP
80% de hallazgos triviales antes de la revisión humana
03 · Documentación
Documentación como resultado continuo
Servidores MCP conectan la IA a tu repo y generan docs que se mantienen sincronizadas con el código: ADRs, guías de onboarding, specs OpenAPI. Los cambios se detectan automáticamente, así la documentación deja de ser una deuda que se paga al final.
- Servidores MCP
- Claude
- Generador de OpenAPI
90%+ de docs técnicas generadas automáticamente
04 · Cobertura de tests
Generación de tests y aumento de cobertura
Skills específicos generan tests y suben cobertura sin ceremonia. La IA identifica casos límite que un humano pasaría por alto; los humanos los validan, no los reemplazan. El resultado es cobertura real, no números inflados.
- Skills de testing propios
- Vitest
- Playwright
42% → 89% de cobertura en el primer sprint
El stack completo. Sin cajas negras.
Te decimos exactamente qué herramientas usan nuestros ingenieros, en qué parte del flujo y por qué. La transparencia sobre el stack es lo que separa la práctica nativa de IA del marketing.
Agente de terminal
Claude Code
Ediciones multi-archivo, refactors y borradores de PR en la terminal del ingeniero.
Agente de terminal · OSS
OpenCode
Alternativa a Claude Code donde el open source importa.
IDE
Cursor
Opcional — para quienes prefieren IDE integrado antes que terminal.
Protocolo de contexto
MCP Servers
IA consciente del repo: lee tu base de código, docs y tickets.
Ingeniería de prompts
Custom Skills
Convenciones, patrones de testing y restricciones de proyecto precargadas.
Infraestructura RAG
Vector databases
pgvector o Qdrant para bots RAG de cara al cliente.
Orquestación
LangChain / LlamaIndex
Flujos de bots en producción con razonamiento multi-paso.
Integración en app
Vercel AI SDK
Respuestas de IA en streaming dentro de apps en producción.
Revisión de seguridad
Semgrep + rules
Análisis estático con reglas a medida para patrones del equipo.
Métricas y guardrails.
Números que seguimos internamente. No porque se vean bien en una presentación — porque nos dicen si la IA está ayudando o estorbando.
Menos tiempo en código repetitivo
Ritmo de migración de sistemas heredados
Cobertura de tests asistida
Docs generadas automáticamente
Errores de IA que escapan a producción
Revisión humana en PRs de producción
Lo que NO hacemos
- Merge de código de IA sin comprensión humana
- Facturar throughput de IA como horas de ingeniero senior
- Despliegue a producción sin observabilidad
- Usar IA para lógica sensible a la seguridad sin revisión extra
- Vender una capacidad de IA que no hemos entregado al menos una vez
- Ocultar cuándo la IA produjo algo — la atribución es estándar
Trabaja con ASP Labs
Agenda tiempo con Eric.
Una discusión técnica a fondo. Trae tus preguntas de IA — las que los proveedores no responden directo.