Portada conceptual generada con IA. Evoca una colección documental y sus síntesis; no representa la arquitectura del método ni resultados experimentales.
Estos días me rondaba por la cabeza cuánto código se estaría generando con IA en el mundo y cuántos programadores seguirían escribiéndolo todo a mano. Para investigar esas preguntas habría que mirar en muchos sitios: encuestas, estudios de repositorios de GitHub, publicaciones de Stack Overflow e informes empresariales. Cada fuente podría aportar una parte de la historia, pero habría que comprobar qué permite medir y qué conclusiones podemos extraer de ella.
Cada mañana, un ETL recibe un CSV, convierte la edad a entero y carga los clientes. Ayer funcionaba con este fichero:
id,name,age
1,John,25
2,Mary,30
Hoy, el proveedor añade el país:
id,name,age,country
1,John,25,USA
2,Mary,30,UK
Unos días después, llega otra sorpresa:
Reconstrucción ilustrativa generada con IA. Región del bajo Don–Volga, hacia 3000 a. C. El pastoreo, los productos lácteos y el transporte en carros tienen respaldo arqueológico y biomolecular; el campamento, las prendas y los rostros son decisiones ilustrativas, no una restitución exacta. Referencias: Wilkin et al., 2021 y estudio sobre ganadería lechera en el Cáucaso y las estepas, 2022.
Imagina una tienda con diez millones de pedidos en su base de datos. El equipo de análisis necesita consultar las ventas del día, así que copia esos pedidos a un almacén analítico cada noche. Si hoy han cambiado diez mil, volver a transferir los diez millones para actualizar el informe resulta caro y lento. Change Data Capture (CDC) permite identificar los cambios y enviar solo lo necesario.
Te llega un fichero CSV. Antes de cargarlo en una base de datos, quieres saber qué columnas tiene, si faltan valores y qué registros te interesan. Abrir una hoja de cálculo funciona, pero resulta poco cómodo cuando tienes que repetir la misma operación con varios archivos. Escribir un programa para cada comprobación tampoco siempre compensa.
