Se suponía que la inteligencia artificial eliminaría la barrera técnica para crear software. La promesa: cualquier persona con una buena idea podía escribirla en un prompt y obtener una startup completamente funcional. Sin embargo, en el ecosistema tecnológico africano la realidad se ve muy distinta. La ola actual de herramientas de IA no está democratizando el desarrollo de productos para la gente común: funciona como un potente multiplicador para los expertos que ya comprenden el despliegue y la arquitectura de sistemas.

Esa es la observación diaria de Aminat Shotade, ingeniera de software y fundadora de IDEA8LAB. En una entrevista exclusiva con Technext, sostuvo que el cuello de botella fundamental para los creadores comunes se ha desplazado por completo de la generación de código.

“El mayor desafío ya no es programar. La IA puede escribir código, explicar código e incluso construir gran partes de una aplicación por ti. El verdadero desafío es saber qué construir, cómo encajan las piezas y cómo convertir una idea en un producto funcional”, explicó Shotade. “La mayoría de las personas no técnicas pueden describir las funciones que quieren. Con lo que batallan es en comprender temas como autenticación, bases de datos, pagos, hosting, seguridad, experiencia de usuario y diseño de producto”.

Para los lectores ajenos a la ingeniería, esos términos nombran la maquinaria que opera detrás de cada aplicación funcional: la autenticación verifica quién es el usuario, las bases de datos almacenan la información que la app recopila, el hosting es donde el software realmente se ejecuta, y los pagos y la seguridad son lo que hace seguras las transacciones reales. Esa maquinaria es precisamente lo que un prompt de chat no entrega, y por eso el cuello de botella que describe se ha movido en lugar de desaparecer.

El problema surge a nivel de arquitectura

Los fundadores no técnicos suelen poder describir con precisión las funciones que desean, pero el software moderno es una compleja red de sistemas interconectados, y el problema aparece cuando esos sistemas deben encajar entre sí.

“Construir una app no es un solo problema. Son veinte problemas distintos conectados”, señaló. “La IA puede ayudar a resolver tareas individuales, pero aún necesitas entender sistema en su conjunto”.

Shotade señaló la infraestructura invisible que se requiere para lanzar un producto. Un fundador puede usar un chatbot para generar una interfaz de usuario pulida, pero aun así debe configurar protocolos de autenticación, estructurar bases de datos, proteger los datos de los usuarios y enrutar entornos de hosting. Cuando un creador común intenta desplegar código generado por IA, choca de inmediato con un muro de configuraciones de servidores y requisitos de seguridad. Según su relato, por eso el acceso a un chatbot ya no es el factor decisivo para los creadores africanos: poder ejecutar lo que produce sí lo es.

El éxito viral de Lagos Life ilustra el punto

Éxitos recientes como Lagos Run y su sucesor de simulación de vida, Lagos Life, parecen a primera vista demostrar que la barrera de entrada finalmente se derrumbó. Estas experiencias basadas en navegador capturaron una enorme atención cultural al gamificar las luchas diarias de los residentes de la ciudad. Al cuarto día, Lagos Life había registrado casi 2,5 millones de jugadores y 23 millones de visitas, con un pico de más de 122,000 usuarios simultáneos y, según se reporta, unos ₦62,000,000 ($46,900) generados, principalmente mediante publicidad en vallas virtuales y compras de naira dentro del juego.

Esa velocidad explosiva crea una ilusión seductora de que cualquiera puede lograr el mismo resultado. Pero los fundadores de esos juegos no son novatos escribiendo prompts al vacío. Son ingenieros de software experimentados que saben exactamente cómo ensamblar tecnologías dispares. Gestionar un tráfico masivo simultáneo requiere un conocimiento profundo de arquitectura de bases de datos, balanceo de carga y gestión de estado en tiempo real. Integrar ventas de publicidad con dinero real y pasarelas de pago locales requiere una comprensión fundamental de las APIs financieras y la seguridad de las transacciones. La IA no construyó esa infraestructura: la construyeron los ingenieros, usando IA.

Para el fundador no técnico con una idea igual de brillante, la brecha entre una interfaz de chat generativa y un producto en vivo y escalable sigue siendo stubbornamente amplia. La demanda de productos con resonancia local claramente existe; lo que sigue siendo escaso, según su relato, es el conocimiento operativo que convierte la atención en un producto capaz de soportar la carga.

La ejecución separa a los ingenieros del resto

Shotade identificó con precisión por qué existe esa brecha entre las personas técnicas y los usuarios comunes.

“Construir un producto exitoso requiere mucho más que tener una idea. La mayoría de las personas tienen ideas. La parte difícil es la ejecución. Los ingenieros entienden cómo se comporta la tecnología en condiciones del mundo real”, dijo. “Saben cómo construir, probar, mejorar, escalar y corregir problemas rápidamente. Cuando ven una oportunidad, suelen moverse más rápido porque ya conocen las herramientas. Eso no significa que las personas no técnicas no puedan construir productos exitosos. Solo significa que los ingenieros suelen tener menos barreras entre la idea y el producto terminado”.

Las limitaciones de depender exclusivamente de herramientas de chat para consumidores se vuelven dolorosamente evidentes durante el despliegue. Una interfaz generativa está hecha para crear, no para ejecutar, y Shotade ofreció una analogía aguda sobre esa limitación.

“Una interfaz de chat es genial para crear cosas. No está diseñada para operarlas”, dijo. “ChatGPT puede ayudarte a diseñar un restaurante, crear el menú e incluso redactar el plan de negocios. Pero no se convierte en el restaurante. Todavía necesitas un local, personal, electricidad, sistemas de pago y clientes. Lo mismo ocurre con el software. Una interfaz de chat puede generar código. Pero todavía necesitas dónde alojarlo, almacenar datos, gestionar usuarios procesar pagos y mantener todo funcionando. Ahí es donde las aplicaciones reales superan la ventana de chat”.

La regla aplica a todo el software. Generar el código es solo el primer paso. Los fundadores todavía necesitan dónde alojarlo, almacenar los datos, gestionar usuarios, procesar pagos y mantener la infraestructura funcionando de forma segura. Un modelo de lenguaje grande puede escribir un script para una página de pago, pero no puede asegurar automáticamente el flujo de datos entre el momento en que un usuario ingresa los datos de su tarjeta y cuando el banco autoriza el cargo. Las aplicaciones reales deben superar la ventana de chat para sobrevivir.

La educación debe pasar de la sintaxis a los sistemas

En opinión de Shotade, esta realidad exige reescribir fundamentalmente cómo se enseña tecnología en el continente. Durante años, la industria enseñó programación obligando a los estudiantes a memorizar sintaxis, un trabajo que los modelos generativos ahora realizan por completo. La nueva habilidad valiosa se centra enteramente en la lógica y la arquitectura de sistemas.

“Creo que estamos enseñando lo equivocado. Durante años, la gente aprendió programación memorizando sintaxis. La IA ahora puede encargarse de gran parte de eso”, argumentó. “La habilidad valiosa se está convirtiendo en: ¿cómo razonas un problema? ¿Puedes dividir un problema grande en piezas más pequeñas? ¿Puedes diseñar un flujo de trabajo? ¿Puedes entender cómo se mueven los datos a través de un sistema? ¿Puedes identificar qué debe suceder primero, segundo y tercero? El futuro no consiste en recordar cada comando de programación. Consiste en entender lógica, sistemas y toma de decisiones”.

Para que el ecosistema nigeriano capture el potencial de creación de riqueza de esta revolución de la IA, el enfoque debe pasar de escribir código a diseñar flujos de trabajo. Los creadores necesitan entender cómo se mueven los datos a través de un sistema de principio a fin, e identificar qué debe suceder primero, segundo y tercero antes de generar una sola línea de código. Cómo respondan las aulas y los programas de capacitación del continente a ese cambio definirá quién estará preparado para construir a medida que las herramientas de IA se difunden.

La capa faltante entre las ideas y la producción

La verdadera democratización, dijo, requiere una capa de infraestructura completamente nueva. El ecosistema actual carece de un puente crítico entre las ideas humanas y los entornos de producción en vivo, y los runtimes visuales no-code y las plataformas de formación basadas en lógica son esenciales para abrirlo de verdad.

“Aún nos falta una capa entre las ideas y la producción. En este momento hay una brecha enorme. Alguien puede describir una aplicación en lenguaje natural. La IA puede generar código. Pero convertir ese código en un negocio confiable sigue siendo complicado”, afirmó. “Todavía tienes que pensar en bases de datos, autenticación, hosting, monitoreo, seguridad, pagos y despliegue”.

“Lo que nos falta es infraestructura que maneje automáticamente la mayoría de esas decisiones. El día en que alguien pueda describir una idea de negocio en lenguaje natural y lanzar de manera confiable un producto seguro y escalable sin entender la pila técnica subyacente, ese día la creación de software será verdaderamente accesible para todos. Nos estamos moviendo en esa dirección. Simplemente aún no llegamos”, concluyó.

Hasta que exista esa capa, la línea divisoria en el ecosistema seguirá donde está hoy: entre quienes pueden hacer prompts y quienes pueden desplegar. Según su propio planteamiento, el desarrollo a observar no es otro lanzamiento viral, sino la llegada de herramientas que puedan llevar una idea en lenguaje natural hasta un lanzamiento seguro y escalable por sí solas.

Este artículo se basa en una entrevista exclusiva publicada originalmente porTechnext](https://technext24.com/interview/ai-democratisation-lagos-life-engineers/).