Este artículo de SFEIR formaliza un ciclo de desarrollo de software impulsado por IA en once fases (0 a 10) y sostiene que el sector converge hacia este tipo de modelo. El punto de partida es un diagnóstico: en 2025, las organizaciones desplegaron herramientas de IA sin transformar su modelo operativo, produciendo una paradoja resumida en la frase "todo cambia… y nada cambia" — la velocidad de ejecución se multiplica sin una ganancia proporcional. El verdadero reto, entonces, no es elegir las herramientas adecuadas, sino repensar el propio ciclo de vida del software para una ejecución dirigida por la máquina.
El ciclo SFEIR encadena: 0 Setup (detección de la pila tecnológica, inicialización de la memoria del proyecto), 1 Define (especificación — puerta humana), 2 Plan (arbitraje de arquitectura — puerta humana), 3 Build (desarrollo dirigido por agentes), 4 Verify (pruebas automatizadas y cobertura), 5 Review (cuatro auditorías paralelas: código, seguridad, pruebas, rendimiento), 6 Compound-1 (captura de lecciones antes del despliegue), 7 Ship (aceptación en producción — puerta humana), 8 Ops (monitorización y rollback), 9 Compound-2 (lecciones de la ejecución en producción) y 10 Deprecation (retirada y capitalización). Tres puertas humanas inamovibles — Define, Plan, Ship — enmarcan un conjunto de fases por lo demás automáticas; dos momentos de capitalización (Compound-1 y Compound-2) convierten las lecciones en reglas reutilizables que alimentan los ciclos siguientes.
Tres principios estructuran el enfoque. Primero, la IA ejecuta, no asiste: los agentes producen artefactos completos (código, pruebas, documentación) a lo largo de fases enteras, y una disciplina de prueba de ejecución captura los resultados reales — el sistema nunca confía en las afirmaciones del agente. Segundo, el humano conserva el control de la intención a través de las tres puertas: el humano decide qué construir, la máquina optimiza la ejecución. Por último, el sistema aprende de forma acumulativa, y cada ciclo enriquece el siguiente.
Los resultados presentados respaldan la tesis: un rediseño de sitio corporativo que pasó de seis meses a un día, −30% de iteraciones de corrección tras diez ciclos (un error reportado dos veces se convierte en una regla automatizada), revisiones desde cuatro ángulos paralelos, un coste de aumento de unos 10 €/hora, y un objetivo de 850 consultores totalmente aumentados por IA a finales de 2026.
El artículo reivindica una convergencia a escala del sector con el ADLC (dos puertas, "la intención se verifica exactamente dos veces"), el whitepaper de Google sobre el nuevo SDLC (41% de código generado por IA, 85% de desarrolladores usando agentes) y DORA 2025 (la IA como "amplificador"). Finalmente delimita los casos de uso adecuados (back offices, APIs, migraciones, resultados verificables automáticamente) y los no adecuados (diseño novedoso sin restricciones, sistemas críticos para la seguridad a la espera de normas, entornos de datos no gobernados), y recomienda empezar por una puerta de especificación rigurosa y una prueba de ejecución. Primera entrega de una serie de siete partes.