Automatizar lo rutinario: una nueva forma de mantener sitios web con IA
La IA no elimina la necesidad de desarrollar sitios web, pero sí cambia cómo abordamos las tareas repetitivas: flujos con CMS, agentes, pruebas y despliegues pueden hacerlas más accesibles y controlables.
En mi experiencia, la inteligencia artificial está cambiando el desarrollo web de una manera concreta: muchas tareas pequeñas, repetitivas y conocidas ya no necesitan empezar con un programador abriendo el editor y haciendo cada paso manualmente.
No quiero decir que el desarrollo web haya desaparecido, ni que cualquier persona pueda delegar cualquier cambio a una IA y olvidarse del resultado. Lo que está cambiando es dónde ponemos el trabajo humano. En vez de invertir tiempo en repetir procedimientos previsibles, podemos diseñar un flujo para que una herramienta ejecute esos pasos, compruebe lo que hizo y nos deje revisar el resultado.
La idea en sencillo: una persona describe el cambio; el agente sigue un procedimiento con límites; las pruebas buscan fallos; y una vista previa permite revisar antes de publicar. Automatizar no significa que la IA decida sola qué llega a producción.
Un ejemplo sencillo, paso a paso
Imaginemos una solicitud genérica: “Cambia el texto del botón principal y verifica que siga llevando a la página correcta”. Es un cambio pequeño y conocido, pero normalmente alguien tendría que encontrar el botón, modificarlo, comprobar el sitio y publicarlo.
El recorrido automatizado se puede entender así:
- El ticket explica el resultado esperado: qué botón cambiar y cuál debe ser su destino.
- Siguiendo las reglas del proyecto, el agente localiza si el texto vive en el CMS (el panel de contenido) o directamente en el código del sitio; luego hace solo el cambio solicitado.
- Las pruebas automáticas comprueban, por ejemplo, que el proyecto compile y que no se hayan roto comprobaciones ya definidas.
- El sistema genera una vista previa: una versión separada del sitio para inspeccionar el cambio antes de publicarlo.
- Si todo se ve y funciona como se espera, se aprueba el despliegue. Si no, el cambio se corrige antes de llegar al sitio público.
El dibujo separa dos tipos de trabajo que a veces se confunden: cambiar contenido desde el CMS y cambiar el comportamiento o la estructura desde el código. No siempre hace falta abrir el editor para corregir una frase; tampoco conviene intentar resolver desde el CMS un cambio que realmente requiere programación.
Que las pruebas pasen no demuestra que sea imposible que haya errores; significa que pasaron las comprobaciones programadas. Por eso la vista previa y la revisión siguen siendo importantes, sobre todo si el cambio tiene impacto alto.
Las tareas pequeñas también consumen tiempo
En una página empresarial hay solicitudes que se repiten: corregir un texto, actualizar un enlace, modificar una sección, agregar una página parecida a otras o resolver un error conocido. Cada cambio puede ser sencillo, pero aun así alguien tiene que entender el contexto, editar, revisar que nada se haya roto y publicar.
La IA es especialmente útil cuando el trabajo está bien delimitado y el proyecto ya tiene patrones establecidos. Un agente puede recibir una tarea concreta, localizar las partes relacionadas, realizar una modificación acotada y ejecutar las verificaciones previstas. En los casos de contenido, incluso puede ser más apropiado operar desde el CMS en vez de cambiar código.
La diferencia importante no es solo que la IA escriba código. Es que pueda participar en un proceso completo y controlado, desde la solicitud hasta una previsualización verificable.
Diseñar el flujo antes de elegir la herramienta
Para un sitio principalmente informativo, cuyas páginas cambian poco y no dependen de transacciones, puede convenir una arquitectura que genere páginas estáticas. No tiene sentido añadir complejidad dinámica por costumbre si el contenido se puede publicar como archivos optimizados y servirse de forma sencilla.
Cuando sí se requiere contenido editable, una combinación como Next.js con Payload CMS puede servir como base. El equipo actualiza el contenido en el CMS; la vista previa permite revisar cómo quedará; y el despliegue puede reconstruir el sitio con los cambios. Según el proyecto, se pueden evaluar otras opciones: Astro o Hugo para sitios mayormente estáticos, y WordPress, Strapi o Sanity como ejemplos de CMS.
No se trata de que una tecnología sea siempre mejor que otra. Se trata de escoger una solución proporcional al sitio y al flujo de cambios que realmente tendrá.
Una imagen mental: un sitio mayormente estático se parece a preparar e imprimir las páginas de un catálogo antes de repartirlo. Un sitio dinámico se parece más a consultar o preparar información distinta cuando llega cada persona, como su cuenta, carrito o reserva. No es una regla absoluta: es una manera sencilla de pensar qué necesita cambiar en cada visita.
En la práctica, la pregunta es: ¿el visitante solo necesita leer información que cambia de vez en cuando, o cada visita depende de datos y acciones que cambian en tiempo real? Esa respuesta ayuda a evitar complejidad innecesaria sin forzar una arquitectura estática donde sí hacen falta interacciones.
De una solicitud a una publicación revisable
Un flujo que me interesa puede verse así:
- La solicitud queda descrita en un ticket. El equipo indica qué necesita y cómo reconocer que el cambio está correcto.
- Un agente de IA recibe ese contexto y límites claros. Puede trabajar sobre una rama, proponer una actualización del CMS o hacer un cambio acotado en el código.
- Se ejecutan comprobaciones automáticas. Por ejemplo, formato, análisis estático, compilación y pruebas disponibles para el sitio.
- Se genera una previsualización. La persona solicitante puede revisar el cambio antes de publicarlo.
- El despliegue sigue las reglas del proyecto. Según el riesgo, puede continuar automáticamente o requerir aprobación humana.
Los tickets pueden gestionarse con sistemas como Jira, Linear o GitHub Issues. Para integrar compilaciones, pruebas y despliegues se puede trabajar con Jenkins, GitHub Actions o GitLab CI. El agente puede conectarse a las herramientas que correspondan mediante integraciones o servidores MCP; y las skills pueden documentar procedimientos repetibles, como preparar una vista previa o desplegar cumpliendo los controles del proyecto.
No es obligatorio usar exactamente esas herramientas. Lo importante es que la tarea, los permisos, las pruebas y las aprobaciones estén claros. Un agente sin límites no es una automatización confiable.
Más autonomía para equipos menos técnicos
Una parte valiosa de este enfoque es que ciertas tareas dejan de depender de que una persona no técnica conozca la infraestructura. No necesita saber cómo construir el proyecto o qué comando publica el sitio si puede describir el cambio en un ticket o realizarlo desde un CMS preparado para ese uso.
Pero eso no significa darle acceso directo e ilimitado a producción. La abstracción tiene que ir acompañada de protecciones: entornos separados, permisos acotados, comprobaciones automáticas, registros y una vista previa. Así, el equipo puede resolver solicitudes sencillas sin cargar con todos los detalles técnicos, mientras el sistema conserva una ruta de revisión.
El objetivo práctico es reducir cuántas veces se necesita recurrir a un desarrollador para cada ajuste básico, no prescindir del apoyo técnico. Los cambios complejos, las decisiones importantes y la supervisión del sistema siguen necesitando experiencia profesional.
El rol del desarrollador cambia, no desaparece
La IA puede asumir una parte del trabajo mecánico, pero sigue haciendo falta criterio técnico para decidir qué conviene automatizar, definir los límites del agente y preparar buenas pruebas. También hace falta revisar los cambios delicados, atender fallos que se salen de los patrones conocidos y tomar decisiones de arquitectura, seguridad y mantenimiento.
Una forma práctica de decidir es preguntar si la tarea es repetible, acotada y fácil de comprobar. Si las tres respuestas son sí, probablemente sea una buena candidata para delegarla con supervisión. Si el cambio afecta datos sensibles, permisos, pagos o una decisión de arquitectura, la revisión debe ser más cuidadosa y la automatización no debería saltarse las aprobaciones del equipo.
Por eso, no veo el objetivo como reemplazar por completo a los desarrolladores. Lo veo como dejar de gastar tanto tiempo en tareas rutinarias y conocidas para dedicar más atención a los problemas que sí necesitan experiencia. Automatizar una corrección sencilla puede liberar tiempo; automatizar sin controles solo mueve el riesgo a otra parte.
Una web es también su forma de mantenerse
Cuando ofrezco una página empresarial, no pienso únicamente en cómo se verá al publicarse. También importa cómo se editará, probará y mantendrá después. Eso puede incluir un CMS, previsualizaciones, distintos entornos, pruebas automáticas y un flujo asistido por IA para atender cambios de baja complejidad. También puede incluir preparar un entorno de IA —por ejemplo, ChatGPT conectado al flujo del proyecto— y una skill que guíe tareas como las pruebas o el despliegue.
La oportunidad está en combinar esas piezas con cuidado. Si el contenido es simple, quizá se gestione desde el CMS. Si el cambio requiere modificar código, un agente puede encargarse de una tarea acotada y mostrar el resultado antes de publicarlo. Si algo falla, el proceso debería detectarlo antes de que el cambio llegue al sitio público.
Los ejemplos de herramientas de este artículo son referencias posibles, no una receta única ni una descripción de un cliente. La meta es construir un proceso que sea comprensible para el equipo, suficientemente seguro y fácil de repetir.
La IA no hace que toda página web se construya sola. Sí nos permite replantear cuántas veces necesitamos hacer manualmente los mismos pasos para cambios pequeños. Ahí es donde la automatización deja de ser una demostración y se vuelve una mejora concreta en la manera de trabajar.
Mini-glosario
- CMS: panel para editar textos, imágenes y otros contenidos del sitio sin modificar directamente el código.
- Generación estática: preparar las páginas antes de que llegue el visitante, en vez de construirlas desde cero en cada visita.
- Agente de IA: herramienta que, además de responder, puede seguir instrucciones y usar herramientas autorizadas para realizar una tarea.
- Skill: guía reutilizable que explica al agente cómo hacer un procedimiento y qué límites respetar.
- MCP: una forma estandarizada de conectar un agente con herramientas externas, por ejemplo, para consultar o actualizar contenido en un CMS.
- CI/CD: automatización de pasos para comprobar cambios y prepararlos o publicarlos en el sitio.
- Pruebas automáticas: comprobaciones que el sistema ejecuta sin que alguien tenga que revisar cada detalle manualmente.
- Vista previa: versión de prueba que permite ver un cambio antes de que esté disponible para todos.
- Despliegue: publicación de una versión del sitio en el entorno donde las personas lo usan.
Los nombres también pueden variar según el proyecto. Jira, Linear o GitHub Issues son ejemplos de herramientas para organizar solicitudes; Jenkins, GitHub Actions o GitLab CI pueden automatizar pasos de compilación y despliegue; y Payload, WordPress, Strapi o Sanity son ejemplos de CMS. Lo importante es el papel que cumple cada pieza, no memorizar una marca.