¿Qué es la IA guiada por especificaciones?

Explicación

La IA guiada por especificaciones toma las especificaciones escritas como fuente de verdad del comportamiento de un sistema de IA. Los requisitos, los criterios de aceptación, los esquemas de APIs y herramientas y las reglas de política se conectan con los prompts, el contenido de recuperación y las baterías de evaluación, de modo que cada cambio empieza en la especificación y se propaga desde ahí. Así el comportamiento es trazable: cualquiera puede ver de qué requisito sale un prompt, una herramienta o una prueba. Es una alternativa más gobernable que ajustar prompts a base de prueba y error, y está muy ligada al spec-driven development, en el que agentes de programación construyen software a partir de especificaciones.

Cómo funciona

• La especificación dice qué debe hacer el sistema y qué no, para quién y con qué datos.
• Los contratos de herramientas y APIs definen exactamente qué acciones puede hacer un modelo o un agente y con qué entradas.
• Las políticas y guardrails, escritos como reglas, fijan límites de contenido, de acceso a datos y de aprobaciones.
• Los prompts y las instrucciones de los agentes se derivan de la especificación, no se escriben por separado.
• Los casos de evaluación salen de los criterios de aceptación, así que las pruebas comprueban lo que pedía la especificación.
• Cuando cambia la especificación, se actualizan a la vez prompts, herramientas y pruebas.

IA guiada por especificaciones y spec-driven development

El spec-driven development aplica la misma idea a construir software con agentes de programación: escribes la especificación, la conviertes en un plan técnico y una lista de tareas, y los agentes la implementan, con personas revisando cada etapa. Herramientas de código abierto como Spec Kit, de GitHub, empaquetan este flujo.

La IA guiada por especificaciones lo lleva al comportamiento de los sistemas de IA en producción. En los dos casos, lo que las personas revisan y mantienen es la especificación, no el prompt ni el código generado.

Por qué ayuda

• Trazabilidad: cada comportamiento se puede seguir hasta un requisito, algo útil para auditorías y exigencias regulatorias.
• Coherencia: varios prompts, agentes y pruebas siguen alineados porque salen de una misma fuente.
• Cambios más seguros: un cambio se revisa una vez en la especificación y lo comprueban las pruebas derivadas.
• Lenguaje común: negocio puede leer y aprobar la especificación sin leer prompts ni código.
• El precio es la disciplina: hay que mantener las especificaciones al día o se convierten en otro documento obsoleto.

Preguntas frecuentes

Para seguir leyendo

• Plataformas de diseño de IA: los cuatro pilares de la innovación de productos autónomos
• Desarrollo de aplicaciones AI-native: guía para la dirección
• Ingeniería de software agéntica: cómo la IA autónoma crea código empresarial

Términos relacionados

• API Interfaz definida que permite a un sistema pedir datos o acciones a otro; es la forma en que las aplicaciones llaman a los modelos de IA y los conectan con los sistemas de negocio.
• Evaluación Proceso de medir lo bien que funciona un modelo o una aplicación de IA: exactitud, relevancia, seguridad, sesgo, coste y otros criterios.
• Prompt La entrada que recibe un modelo de IA, con instrucciones, contexto, ejemplos y la petición, que orienta lo que genera.
• Recuperación Paso de búsqueda que obtiene los documentos o pasajes más relevantes para una consulta, antes de mostrarlos o pasarlos a un modelo.
• Guardrails Controles y políticas en tiempo de ejecución que revisan lo que entra y sale de un modelo de IA para que se comporte de forma segura, dentro del tema y de las reglas.
• Criterios de aceptación Condiciones comprobables que definen cuándo una funcionalidad o la salida de un modelo está terminada y es correcta, para que «hecho» se compruebe en vez de discutirse.