En el ecosistema de la inteligencia artificial aplicada al desarrollo de software, pocas revelaciones generan tanto impacto como cuando un arquitecto líder comparte su metodología de trabajo. Boris Cherny, responsable de Claude Code en Anthropic, ha desencadenado precisamente ese efecto al publicar en detalle cómo utiliza herramientas de IA para escribir código en su día a día.
La comunidad de ingeniería lleva días analizando cada elemento de su sistema, que combina herramientas específicas, prompts estratégicos y una filosofía de trabajo que desafía varias convenciones establecidas sobre cómo deberían interactuar los desarrolladores con asistentes de código basados en IA.
La filosofía detrás del flujo de trabajo
Lo primero que sorprende del enfoque de Cherny es su rechazo a la automatización total. Mientras muchos desarrolladores buscan que la IA genere código completo de manera autónoma, el creador de Claude Code enfatiza la colaboración inteligente.
«No se trata de reemplazar al programador, sino de amplificar sus capacidades», parece ser el principio rector.
Su sistema se basa en tres pilares fundamentales: claridad en la comunicación con la IA, iteración constante y mantenimiento del contexto humano. Cherny utiliza prompts específicos que guían a Claude Code no solo en la generación de código, sino en la explicación de su razonamiento, la identificación de posibles problemas y la sugerencia de alternativas.
«La clave está en formular las preguntas correctas», explica en su hilo. «En lugar de pedir ‘escribe una función que haga X’, prefiero describir el problema, el contexto y las restricciones, y luego colaborar en la solución».
Herramientas y configuración técnica
Cherny no solo comparte filosofía, sino detalles concretos de implementación. Utiliza una combinación de:
- Claude Code como asistente principal, integrado directamente en su editor de código
- Extensiones específicas para VS Code que optimizan la interacción con modelos de lenguaje
- Scripts personalizados que automatizan tareas repetitivas pero manteniendo supervisión humana
- Sistemas de versionado adaptados para trabajar con código generado por IA
Una de las revelaciones más técnicas es su enfoque para el manejo de contexto. Cherny mantiene archivos de «contexto» separados donde documenta decisiones arquitectónicas, dependencias específicas del proyecto y patrones de diseño que quiere que Claude Code respete. Estos archivos se cargan automáticamente en cada sesión, asegurando coherencia a lo largo del desarrollo.
En cuanto a configuración, ajusta parámetros como la temperatura (que controla la creatividad de las respuestas) según la tarea: valores más bajos para código crítico donde la precisión es esencial, valores más altos para exploración de soluciones o prototipado rápido.
Implicaciones para la industria del desarrollo
El impacto de esta revelación va más allá del interés anecdótico. Establece un precedente sobre cómo las empresas líderes en IA están conceptualizando la productividad en el desarrollo de software.
Segundo, establece estándares para la transparencia en el desarrollo con IA. Al compartir abiertamente su metodología, Anthropic envía un mensaje claro sobre la importancia de entender cómo interactuar efectivamente con estas herramientas, en lugar de tratarlas como cajas negras mágicas.
Tercero, influye en el diseño futuro de herramientas de desarrollo. Los insights de Cherny sobre qué funciona y qué no en la interacción humano-IA probablemente alimentarán mejoras en Claude Code y herramientas similares, priorizando la claridad, el contexto mantenido y la explicabilidad sobre la mera velocidad de generación.
Comparación con otros enfoques
El método de Cherny contrasta notablemente con aproximaciones más comunes en la industria. Mientras muchos desarrolladores utilizan GitHub Copilot principalmente como un autocompletado avanzado, el creador de Claude Code enfatiza el diálogo estructurado.
Otra diferencia clave es el tratamiento del contexto. Herramientas como Amazon CodeWhisperer o Tabnine tienden a operar con ventanas de contexto más limitadas, mientras que el sistema de Cherny prioriza mantener información relevante del proyecto disponible durante sesiones extendidas.
También destaca su enfoque en la «explicabilidad» del código generado. Cherny frecuentemente pide a Claude Code que explique por qué cierta implementación es preferible, qué trade-offs considera y cómo se integra con arquitecturas existentes. Esto contrasta con enfoques que priorizan únicamente la funcionalidad del código producido.
Casos prácticos y ejemplos concretos
En su hilo, Cherny comparte ejemplos específicos de cómo aplica su metodología:
- Refactorización de código legacy: En lugar de pedir simplemente «refactoriza esta función», describe el contexto del sistema, las dependencias involucradas y los objetivos específicos de mantenibilidad. Luego colabora con Claude Code a través de múltiples iteraciones, evaluando cada sugerencia contra criterios predefinidos.
- Implementación de nuevas características: Para tareas de desarrollo verde, utiliza un proceso de tres fases: primero explora enfoques arquitectónicos, luego prototipa componentes clave, y finalmente integra y prueba. En cada fase, prompts diferentes guían a la IA hacia el tipo de asistencia más valiosa.
- Debugging complejo: Cherny demuestra cómo utiliza Claude Code no solo para identificar bugs, sino para entender sus causas raíz. Presenta el problema, los síntomas observados y el contexto del sistema, luego colabora en el diagnóstico antes de saltar a soluciones.
El futuro del desarrollo asistido por IA
La revelación de Cherny ocurre en un momento crucial para la industria. Con cada vez más desarrolladores incorporando herramientas de IA a sus flujos de trabajo, surge la pregunta fundamental: ¿cómo maximizar su valor sin sacrificar calidad o comprensión?
Su enfoque sugiere varias direcciones evolutivas:
- Herramientas más contextuales: Asistentes que mantienen mejor el conocimiento del proyecto a lo largo del tiempo
- Interfaces más conversacionales: Menú enfocado en diálogos estructurados más que en comandos aislados
- Integración con metodologías de desarrollo: Adaptación a prácticas como TDD, pair programming o code review
- Personalización avanzada: Sistemas que aprenden de las preferencias y patrones específicos de cada desarrollador
Conclusión: más allá del hype
Lo más valioso del flujo de trabajo revelado por Boris Cherny no son los comandos específicos o las herramientas concretas, sino la filosofía subyacente. En un mercado saturado de promesas sobre IA que «revolucionará» el desarrollo, su enfoque pragmático y centrado en la colaboración ofrece un contrapeso necesario.
Demuestra que el verdadero potencial de estas herramientas no está en reemplazar a los desarrolladores, sino en amplificar sus capacidades cuando se utilizan con inteligencia y criterio. Su metodología, que prioriza la claridad sobre la velocidad y la comprensión sobre la automatización, probablemente influirá en cómo toda una generación de ingenieros conceptualiza su relación con la inteligencia artificial.
Mientras la comunidad técnica continúa diseccionando cada detalle de su sistema, el mensaje central queda claro: el futuro del desarrollo no será escrito por máquinas que reemplacen humanos, sino por humanos que colaboren inteligentemente con máquinas. Y para esa colaboración, necesitamos no solo herramientas mejores, sino metodologías más sofisticadas como la que Cherny ha compartido.
Fuente original: The creator of Claude Code just revealed his workflow, and d
