He diseñado un sistema completamente orientado a eventos sin escribir una sola línea de código de implementación usando un enfoque que llamo Desarrollo impulsado por intenciones. En lugar de empezar por el código y descubrir problemas de modelo de datos o dependencias entre equipos sobre la marcha, definimos todo el comportamiento del sistema de forma completa y legible por máquina antes de implementar nada.

El problema del enfoque code first es familiar: requisitos vagos, ramificación, código que rompe por supuestos erróneos, refactorizaciones costosas y documentación que solo existe dentro del propio código. Eso lleva a arqueología técnica cuando alguien pregunta qué hace realmente el sistema. El Desarrollo impulsado por intenciones invierte ese bucle: primero especificamos la intención y luego convertimos esa intención en trabajo rastreable.

Fases del método aplicado en el proyecto

Definir la intención. Antes de escribir código especificamos cada evento que el sistema emitirá usando AsyncAPI. Resultado: 122 tipos de eventos distribuidos en 14 dominios, esquemas para cada payload, canales para enrutamiento y actores publicadores y suscriptores claramente definidos. La especificación es legible por humanos y por máquinas, por lo que podemos generar documentación, pruebas y esqueletos desde el propio contrato.

Arquitectura. Con el modelo de eventos definido redactamos 8 RFCs técnicos que cubren todos los componentes clave: motor de almacenamiento, consenso, máquina de estado, protocolo de red, capa de API y pruebas de simulación deterministas. Cada RFC incluye resumen, motivación, diseño y criterios de aceptación. Esto fuerza a resolver las decisiones difíciles antes del desarrollo y queda como documentación viva.

Operacionalizar. Convertimos cada RFC en esquemas JSON que describen tareas, criterios de aceptación y estimaciones. Un script importó automáticamente esas tareas a GitHub Issues creando 8 milestones y 82 issues con trazabilidad completa entre especificación, RFC y tarea. Ese inventario permitió estimar el esfuerzo en aproximadamente 343 jornadas de desarrollo y reducir la incertidumbre del proyecto.

Ambiente RAG y asistencia por IA. Con artefactos estructurados como asyncapi.yaml, RFCs y JSON de tareas, el proyecto se convirtió en una base de conocimiento consultable por herramientas de IA. Un asistente puede leer la especificación de eventos para saber qué existe en el sistema, comprobar RFCs para entender las decisiones de diseño, revisar criterios de aceptación para generar pruebas y consultar el estado de GitHub para saber qué está pendiente. El repositorio deja de ser solo código y pasa a ser un índice semántico que humanos y agentes IA pueden recorrer.

Resultados concretos sin escribir código

Eventos definidos 122 · Dominios 14 · RFCs 8 · Tareas 74 · Criterios de aceptación 73 · Issues en GitHub 82 · Diagramas 7 · Líneas de código de implementación 0 · Estimación de esfuerzo 343 jornadas

Beneficios clave

Trabajo paralelo. Con 82 issues bien definidas varios desarrolladores pueden avanzar sin pisarse. Progreso medible. Cada issue cerrada reduce la incertidumbre del avance. Menos retrabajo. Los criterios de aceptación fijados antes de codificar reducen malentendidos en las revisiones. Onboarding más rápido. Un nuevo miembro puede entender la especificación en minutos, revisar RFCs en una hora y asumir tareas desde el primer día. Desarrollo potenciado por IA. Los artefactos estructurados hacen que los asistentes de código sean mucho más efectivos.

Cuándo aplicar este enfoque

Recomendado para sistemas complejos con muchos dominios y eventos, equipos multidisciplinares, requisitos de consistencia y auditoría o cuando se pretende aprovechar asistentes de inteligencia artificial. No es ideal para prototipos exploratorios o para desarrolladores trabajando solos con requisitos desconocidos.

Sobre Q2BSTUDIO

En Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida con experiencia en inteligencia artificial, ciberseguridad y servicios cloud. Ofrecemos soluciones integrales que abarcan desde el diseño de software a medida y aplicaciones a medida hasta plataformas escalables en servicios de inteligencia artificial para empresas, implementación de agentes IA y proyectos con Power BI. También garantizamos seguridad y cumplimiento mediante auditorías y pentesting, y desplegamos infraestructuras en servicios cloud aws y azure y soluciones de inteligencia de negocio.

Si tu organización necesita reducir riesgos de diseño, escalar equipos o mejorar la colaboración entre humanos y asistentes IA, este enfoque aporta claridad y trazabilidad desde la especificación hasta la implementación. ¿Quieres verlo en práctica con un prototipo para tu negocio o explorar cómo aplicar estas técnicas a una plataforma en producción? Contacta con nosotros y transforma la forma en que diseñas y construyes software a medida.

Reflexión final

Especificar no es burocracia, es inversión en claridad. Forzar el pensamiento arquitectónico previo ahorra semanas de rework y multiplica el valor de la inteligencia artificial aplicada al desarrollo. Intentar predecir el futuro es diseñarlo de forma deliberada y trazable.