El punto de partida: heredar una base de código viva y frágil

Heredar una base de código de producción de otro equipo siempre es un riesgo. En Netrisk, el riesgo era concreto: múltiples portales PHP críticos para el negocio — comparadores de seguros, banca, telecomunicaciones — que generaban ingresos diarios significativos, con procesos de despliegue que eran manuales, no reproducibles y francamente aterradores. El equipo anterior había entregado funcionalidades; no habían invertido en el fundamento de ingeniería que hace posible la entrega con confianza.

Nuestro mandato era claro: estabilizar la entrega, construir confianza en los lanzamientos y permitir que la creciente hoja de ruta del producto avanzara más rápido sin acumular más deuda técnica.

Qué hicimos — y qué requirió

• Entornos de desarrollo reproducibles. El primer paso fue eliminar "funciona en mi máquina" como categoría de problema. Los entornos locales basados en Vagrant que reflejaban la topología de producción eliminaron toda una clase de sorpresas de integración.
• CI/CD con quality gates. Construimos pipelines de GitLab que ejecutaban tests automatizados, análisis estático y comprobaciones de calidad de código en cada commit.
• Cobertura de tests, escrita retroactivamente. Escribir tests para código legacy no testeado es trabajo lento y poco glamuroso. Lo hicimos sistemáticamente: rutas de mayor riesgo primero.
• Monitoreo y observabilidad. No puedes mejorar lo que no puedes ver. Configuramos tracking de errores y monitoreo de rendimiento.
• Escalado del equipo. A medida que el fundamento de entrega se volvía confiable, crecimos a 10+ desarrolladores.

Qué haríamos diferente hoy

1. Generación de tests asistida por IA para código legacy

Escribir tests retroactivos para código legacy no testeado es la parte más intensiva en trabajo de la estabilización. Hoy, las herramientas de IA pueden generar en segundos un primer borrador significativo de casos de test para una función o endpoint dado.

2. Onboarding de base de código asistido por IA

Al heredar una base de código grande, el onboarding de nuevos ingenieros es una de las actividades más costosas. Hoy usaríamos IA como capa de documentación interactiva: los ingenieros pueden preguntar "¿qué hace esta función?" y obtener una respuesta fiable.

3. Estandarización de entornos más rápida

Con Docker como base universal y la IA disponible para generar Dockerfiles y configuraciones de Compose, el mismo trabajo toma hoy una fracción del tiempo.

Qué mantendríamos igual

• La filosofía "confianza primero". Cada decisión debe evaluarse a través de la lente: ¿esto hace nuestros lanzamientos más fiables y reversibles?
• Cobertura de tests incremental junto a las funcionalidades. No una reescritura, no una congelación de features — mejora constante y medible de la suite de tests, semana a semana.

Relevancia hoy

La mayoría de las empresas que operan software a escala tienen al menos una situación similar a Netrisk en su portfolio. Con las herramientas de IA disponibles hoy, el cronograma de ese trabajo se comprime significativamente.

Si tienes un sistema legacy que necesita este tipo de atención, hablemos.