Escrito por Hace no mucho tiempo inicié en el mundo de la programación. Recuerdo que, al principio, mi aprendizaje se basaba casi por completo en ver y ver videos tutoriales, tratando de absorber todo lo que pudiera. Empecé por lo más básico: operaciones lógicas, funciones y bucles. Poco a poco, cuando fui ganando algo de confianza, decidí dar el siguiente paso y buscar contenido sobre cómo construir sistemas más robustos, como CRM, gestores y otras aplicaciones más complejas.
Sin embargo, no todo era tan claro como parecía. Recuerdo lo difícil que era encontrar un video que realmente enseñara buenas prácticas de programación. La mayoría de las veces, simplemente replicaba lo que veía, sin tener plena certeza de si lo estaba haciendo bien o no.
Cada vez que me encontraba con un error —algo que pasaba bastante seguido al intentar crear mis propias funciones— mi reacción inmediata era acudir a Stack Overflow o a cualquier video en internet, muchas veces en otro idioma, donde alguien estuviera resolviendo un problema similar. Era un proceso caótico: saltaba de un recurso a otro sin una guía clara, tratando de armar piezas sueltas que, en ocasiones, ni siquiera encajaban del todo con lo que necesitaba.
Luego llegó la inteligencia artificial y, poco a poco, comenzó a cambiar por completo la forma en la que resolvía estos problemas. Al inicio, era algo bastante básico: preguntas como “¿qué significa este error?” o “¿qué hace esta función?” ya representaban un ahorro enorme de tiempo frente a horas de búsqueda.
Pero con el paso de los años, la evolución ha sido evidente. Hoy en día, ya no se trata solo de hacer preguntas puntuales. Puedo convertir la inteligencia artificial en parte de mi equipo de trabajo: desde ayudarme a desarrollar funcionalidades completas, hasta desplegar proyectos, probarlos y corregirlos.
En cierto sentido, pasé de depender de múltiples recursos dispersos a tener una especie de compañero de código siempre disponible. Y aunque no reemplaza la necesidad de entender lo que hago, sí ha cambiado radicalmente la velocidad y la forma en la que construyo soluciones. Básicamente, hoy puedo hacer el trabajo que antes requería todo un equipo… trabajando por mi cuenta.
Este cambio también impactó directamente la forma en la que desarrollo proyectos de RPA (especialmente en web scraping). Antes, muchos de estos desarrollos tenían un alto grado de complejidad, no tanto por la lógica en sí, sino por lo frágiles que eran frente a los constantes cambios en las páginas web. Un pequeño ajuste en el DOM podía romper todo el flujo, obligándome a revisar, corregir y volver a desplegar. Era un ciclo constante de mantenimiento que, en ocasiones, incluso implicaba interrupciones del servicio.
Hoy el enfoque es distinto. Con la implementación de modelos de lenguaje (LLM) y herramientas modernas, estos procesos se han vuelto mucho más adaptativos. Por ejemplo, apoyándome en herramientas como Playwright MCP, puedo integrarlas con mi herramienta de IA preferida y, a partir de un simple prompt, delegar tareas que antes me tomaban días desarrollar y estabilizar.
Pero lo más interesante no es solo la velocidad, sino el cambio de paradigma. Ya no se trata únicamente de automatizar pasos rígidos, sino de construir flujos más “inteligentes”: bots que entienden el contexto de una página, que pueden reintentar con estrategias diferentes si algo falla, o incluso que son capaces de identificar cuándo un cambio en la interfaz requiere una adaptación automática.
Esto abre la puerta a nuevas formas de trabajar con RPA. Por ejemplo, sistemas que no solo extraen datos, sino que también los validan, los transforman y toman decisiones básicas sin intervención humana. O pipelines completos donde la recolección, el procesamiento y la integración con otros servicios se orquestan casi de forma autónoma.
Aún así, no todo es perfecto. Delegar tanto en la inteligencia artificial también implica nuevos retos: entender sus límites, validar lo que genera y, sobre todo, diseñar buenas instrucciones (prompts) que realmente guíen el resultado hacia lo que necesitamos. La complejidad no desaparece, simplemente cambia de lugar.
Lo que antes era escribir cada línea de código, hoy se parece más a diseñar sistemas, tomar decisiones y supervisar procesos. Y, curiosamente, eso hace que programar se sienta menos como ejecutar instrucciones… y más como dirigirlas.
Escrito por: David Garzón Técnico en Programación de Software y Desarrollador RPA
