De los algoritmos a la deuda técnica, estas 25 ideas fundamentales explican cómo funciona realmente el software, sin necesidad de experiencia en programación ni título en ingeniería.
Credit: Bernd 📷 Dittrich / Pexels
El software gestiona nóminas, dirige ambulancias, fija precios de boletos de avión y decide qué publicaciones aparecen en tu feed. Sin embargo, el vocabulario de las personas que lo construyen sigue siendo opaco para casi todos los demás. Cuando un ingeniero dice que una característica está "bloqueada por una dependencia de API" o que una solución "añadirá latencia", la mayoría de los colegas asienten sin tener una idea clara de lo que significan esas palabras. Esa brecha tiene costos reales. Los gerentes aprueban plazos que no pueden evaluar. Los mercadólogos escriben copias sobre productos que no pueden describir con precisión. Los legisladores regulan sistemas sobre los que no pueden razonar.
La buena noticia es que las ideas centrales de la informática no son matemáticas pesadas ni inaccesibles. Son, en esencia, ideas sobre organización: cómo describir una tarea con precisión, cómo almacenar información para que pueda encontrarse de nuevo, cómo dividir el trabajo entre muchas manos y cómo enfrentar problemas cuando las cosas van mal. Una receta es un algoritmo. Un catálogo de tarjetas de biblioteca es un índice. Un guardarropa es una tabla hash con un asistente humano. La maquinaria es desconocida, pero la lógica no lo es.
Esta lista cubre 25 conceptos que surgen constantemente en el lugar de trabajo, en la cobertura de noticias y en productos cotidianos. Algunos explican cómo las computadoras representan la información: binario, bits y compresión. Algunos explican cómo se construye y mantiene el software: control de versiones, depuración y deuda técnica. Otros explican el propio internet: direcciones IP, DNS, cookies y el modelo cliente-servidor. Un grupo final cubre las ideas detrás de la inteligencia artificial moderna, incluyendo aprendizaje automático y redes neuronales.
Cada entrada es independiente. Puedes leerlas en orden o saltar al término que escuchaste en una reunión esta mañana. Ninguna requiere conocimientos previos y ninguna te pide que escribas una línea de código. El objetivo no es convertirte en programador. Es darte un modelo mental de trabajo de los sistemas de los que ya dependes, para que la próxima vez que un ingeniero explique por qué algo es difícil, lento o costoso, entiendas exactamente lo que quieren decir.
Un algoritmo es una secuencia precisa de pasos para lograr una tarea. Esa es la definición completa. Una receta de pan de plátano es un algoritmo. También lo son las indicaciones que tu aplicación de navegación lee en voz alta y el método de división larga que aprendiste en la escuela. En la computación, los algoritmos son importantes porque las computadoras no pueden improvisar. A una persona a la que se le dice "ordena estos archivos" lo resolverá. Una computadora necesita que se le especifique cada paso: compara dos elementos, decide cuál viene primero, intercámbialos si es necesario, repite.
La palabra lleva un aura de misterio en la discusión pública — "el algoritmo" que decide lo que ves en las redes sociales — pero no existe un solo algoritmo en ninguna parte. Cada aplicación contiene miles de ellos, cada uno manejando un trabajo específico: uno clasifica publicaciones, otro comprime imágenes, uno verifica tu contraseña, otro determina la ruta más rápida para enviar datos a través de una red.
Lo que separa un buen algoritmo de uno malo es generalmente la eficiencia. Considera buscar un nombre en una guía telefónica impresa. Podrías comenzar en la página uno y escanear cada entrada hasta encontrarlo. O podrías abrir en la mitad, ver si tu nombre está antes o después alfabéticamente y descartar la mitad del libro de un solo movimiento. Repite, y encontrarás cualquier nombre en un libro de un millón de entradas en unos 20 pasos. Ambos métodos funcionan. Uno es dramáticamente más rápido.
Los científicos de la computación pasan sus carreras en este tipo de comparación, porque a gran escala la diferencia es enorme. Un enfoque ineficiente que funciona bien con 100 registros puede tardar horas con 100 millones. Cuando los ingenieros debaten qué algoritmo usar, están debatiendo compensaciones: velocidad versus uso de memoria, simplicidad versus rendimiento, comportamiento promedio versus comportamiento en el peor de los casos.
La conclusión práctica para los no ingenieros: cuando alguien culpa al "algoritmo", pregunte cuál, y qué fue diseñado para optimizar. Esa única pregunta despeja la mayoría de la confusión.
Credit: Canva Images
Las computadoras almacenan y procesan todo —fotos, hojas de cálculo, películas, este artículo— como secuencias de solo dos símbolos: 0 y 1. Cada 0 o 1 individual se llama bit, que significa dígito binario. Ocho bits juntos forman un byte, la unidad básica que ves en los tamaños de archivo: kilobytes, megabytes, gigabytes.
La razón de dos símbolos es física, no matemática. Un chip de computadora contiene miles de millones de interruptores microscópicos llamados transistores. Cada interruptor está encendido o apagado, llevando o no carga eléctrica. Dos estados se asignan naturalmente a dos dígitos. Teóricamente, los ingenieros podrían construir máquinas con diez niveles de voltaje para igualar nuestro sistema decimal, pero distinguir diez niveles de manera confiable es mucho más difícil que distinguir encendido de apagado. El binario es robusto: incluso una señal degradada está claramente más cerca de un estado que del otro.
Contar en binario funciona como contar en decimal, solo que con menos dígitos. En decimal, después del nueve se lleva para formar el 10. En binario, después del uno te llevas: el número dos se escribe 10, tres es 11, cuatro es 100. Cualquier número entero puede expresarse de esta manera, y existen reglas para fracciones, números negativos y texto. La letra A, por ejemplo, se almacena como 01000001 bajo un estándar llamado ASCII, luego extendido a Unicode para cubrir los sistemas de escritura del mundo.
Todo lo que está por encima del nivel de los bits son capas de interpretación. Una foto son millones de números que describen el color de cada píxel. Una canción son miles de números por segundo que describen la forma de una onda sonora. La misma cadena de bits puede significar diferentes cosas dependiendo de qué programa la lea, por lo que abrir un archivo en la aplicación incorrecta produce galimatías.
Una vez que internalizas que todo lo digital son solo números, varios misterios se disuelven. Copiar un archivo es copiar números, por lo que las copias digitales son perfectas. La corrupción significa que algunos números cambiaron. La encriptación significa que los números fueron revueltos por una receta matemática reversible.
Credit: Canva Images
Cuando los ingenieros dicen que un enfoque "no escala", suelen tener en mente una afirmación matemática específica, y la notación Big O es cómo la expresan. Big O describe cómo crece el trabajo que debe hacer un algoritmo a medida que crece su entrada. Ignora la velocidad exacta de cualquier computadora en particular y se centra en la forma de la curva de crecimiento.
Un ejemplo lo hace concreto. Supongamos que necesitas encontrar el número de un amigo en una lista de contactos desordenada. En el peor de los casos, verificas cada entrada. Dobla la lista, dobla el trabajo. Los ingenieros llaman a esto tiempo lineal y lo escriben como O(n), donde n es el número de elementos. Ahora supongamos que la lista está ordenada alfabéticamente y utilizas la estrategia de dividir a la mitad: verifica el medio, descarta la mitad, repite. Doblar la lista agrega solo un paso extra. Eso es tiempo logarítmico, escrito O(log n), y es la razón por la que los motores de búsqueda pueden consultar miles de millones de páginas en una fracción de segundo.
Algunos algoritmos crecen más rápido que sus entradas. Comparar cada elemento de una lista con cada otro elemento —por ejemplo, verificar una lista de invitados para ver invitaciones duplicadas por fuerza bruta— requiere trabajo proporcional al cuadrado del tamaño de la lista, o O(n²). Con 100 invitados eso es 10,000 comparaciones, trivial para una computadora. Con 10 millones de usuarios son 100 billones de comparaciones, lo cual no lo es.
Esta es la razón por la que el software que funcionaba maravillosamente en una demostración puede colapsar bajo tráfico real. El prototipo se ejecutó en 1,000 registros de prueba; la producción tiene 50 millones. Nada está "roto" en el sentido habitual. La curva de crecimiento simplemente se alcanzó.
Para los no ingenieros, Big O explica un patrón común en las conversaciones sobre productos. Cuando un desarrollador dice que una característica es fácil para cuentas pequeñas pero necesita rediseño para clientes empresariales, a menudo están describiendo una curva, no poniendo excusas. Escalar cambia lo que cuenta como una solución viable.
Credit: Maksym Kaharlytskyi / Unsplash
Si los algoritmos son los verbos de la informática, las estructuras de datos son los sustantivos. Una estructura de datos es una forma de organizar la información en la memoria de una computadora para que pueda usarse de manera eficiente. La elección de la estructura determina qué operaciones son rápidas, qué operaciones son lentas y, a veces, qué es posible en absoluto.
La estructura más simple es el arreglo: elementos almacenados en una fila numerada, como buzones en el vestíbulo de un apartamento. Tomar el buzón número 47 es instantáneo, porque la posición te dice exactamente dónde buscar. Pero insertar un nuevo buzón en el medio significa desplazar cada caja después de él, lo cual es lento.
Una lista enlazada invierte esos compromisos. Cada elemento contiene un puntero al siguiente, como una búsqueda del tesoro donde cada pista lleva a la siguiente. Insertar un elemento en medio de la lista es fácil, solo redirigir dos punteros, pero encontrar el elemento 47 requiere recorrer los primeros 46.
Las pilas y las colas agregan reglas sobre el orden. Una pila funciona como una pila de bandejas de cafetería: el último elemento agregado es el primero en ser eliminado. El botón de retroceso de tu navegador es una pila de páginas. Una cola funciona como una fila de pago: el primero en entrar es el primero en salir. Los trabajos de impresión y los tickets de soporte al cliente suelen vivir en colas.
Los árboles organizan los elementos jerárquicamente, de la forma en que las carpetas contienen subcarpetas. Hacen que los datos ordenados sean rápidos de buscar. Los grafos, la estructura más general, representan redes de conexiones: amistades en una plataforma social, carreteras entre ciudades, enlaces entre páginas web.
Ninguna de estas estructuras es la mejor. Cada una intercambia velocidad en una operación por velocidad en otra, o memoria por tiempo. Cuando los ingenieros estiman que una solicitud de función aparentemente pequeña requiere una gran reestructuración, la razón suele ser estructural: los datos se organizaron para un patrón de uso y la nueva función exige uno diferente. Reorganizar los datos es como renovar una base: invisible desde el exterior y costoso.
Credit: Diana ✨ / Pexels
La recursión es una técnica en la que un procedimiento resuelve un problema invocándose a sí mismo en una pieza más pequeña de ese mismo problema. La idea suena circular, pero funciona porque cada auto-invocación reduce el problema y un punto de parada definido, el caso base, finaliza el proceso.
Las muñecas rusas ofrecen una analogía física. Para contar las muñecas, abre la más externa y cuenta las muñecas dentro, luego suma uno. ¿Cómo cuentas las muñecas dentro? De la misma manera: abre la siguiente muñeca, cuenta lo que hay dentro, suma uno. Eventualmente llegas a la muñeca más pequeña, que no contiene nada. Ese es el caso base. Las respuestas luego se encadenan de regreso: cero, más uno, más uno, hasta que aparece el conteo completo.
Muchos problemas reales tienen esta forma anidada. Una carpeta de archivos contiene archivos y otras carpetas, que contienen archivos y otras carpetas. Para calcular el tamaño total de una carpeta, suma sus archivos, luego calcula recursivamente el tamaño de cada subcarpeta. Los árboles genealógicos, los organigramas corporativos, la estructura de las oraciones en un idioma y el diseño de los elementos en una página web son naturalmente recursivos, y el software que los maneja generalmente se escribe recursivamente también.
La recursión también subyace a algoritmos famosos. Merge sort, una de las formas estándar de ordenar datos, divide una lista a la mitad, ordena cada mitad por el mismo método, luego combina los resultados. La estrategia de dividir un problema, resolver las partes y combinar las respuestas se llama dividir y conquistar, y aparece a lo largo de la informática.
El peligro de la recursión es un caso base faltante o inalcanzable. Una función que sigue llamándose a sí misma sin reducir el problema se ejecuta hasta que la computadora agota la memoria reservada para rastrear las llamadas, un fallo llamado desbordamiento de pila, que dio su nombre al popular sitio de preguntas y respuestas de programación. Para los no ingenieros, la recursión vale la pena conocer principalmente como una mentalidad: muchos problemas difíciles se vuelven manejables una vez que encuentras la copia más pequeña del problema escondida dentro.
Credit: Canva Images
API significa interfaz de programación de aplicaciones, y es la razón por la que las aplicaciones modernas pueden hacer tanto sin construir todo por sí mismas. Una API es un conjunto definido de solicitudes que un programa puede hacer a otro, junto con el formato de las respuestas que recibirá.
Un menú de restaurante es la analogía estándar, y se mantiene bien. No entras a la cocina y cocinas. Eliges de una lista fija de platos, haces un pedido a través de un mesero y recibes un plato. El menú es la interfaz: te dice lo que puedes pedir y lo que recibirás, mientras oculta cómo funciona la cocina. Una API hace lo mismo entre programas. Una aplicación del clima no ejecuta sus propios satélites. Envía una solicitud a la API de un servicio meteorológico — "dame el pronóstico para Manila" — y recibe datos estructurados a cambio, que formatea en las pantallas que ves.
Las APIs están en todas partes una vez que miras. Cuando un sitio de compras muestra un mapa de ubicaciones de tiendas, está llamando a una API de mapas. Cuando pagas con una tarjeta en línea, el comerciante llama a una API de pago. Cuando inicias sesión en una nueva aplicación con tu cuenta de Google $GOOGL, ese apretón de manos ocurre a través de una API. Empresas enteras, como el procesador de pagos Stripe y el proveedor de comunicaciones Twilio $TWLO, venden sus productos principalmente como APIs para que otros desarrolladores los construyan.
Las implicaciones comerciales son significativas. Las APIs permiten a las empresas exponer una capacidad sin exponer su código o datos al por mayor, y permiten a los equipos pequeños ensamblar productos sofisticados a partir de partes alquiladas. También crean dependencias: si un proveedor cambia o cierra una API, todos los productos construidos sobre ella se rompen. Las disputas sobre el acceso a las APIs, entre plataformas sociales y aplicaciones de terceros, por ejemplo, son realmente disputas sobre quién controla el menú.
Cuando los ingenieros dicen que dos sistemas "no se integran", a menudo quieren decir que no existe una API entre ellos, o que las APIs hablan formatos incompatibles.
Credit: Brett Sayles / Pexels
Una base de datos es un software dedicado a almacenar información de manera confiable y recuperarla rápidamente. Casi todas las aplicaciones que usas están sobre una. Tu saldo bancario, tu historial de pedidos, tus registros médicos y todas las publicaciones que te han gustado viven en bases de datos.
El modelo dominante durante décadas ha sido la base de datos relacional, que organiza los datos en tablas de filas y columnas, muy similar a las hojas de cálculo. Un minorista podría mantener una tabla de clientes, una de productos y una de pedidos. El poder proviene de las relaciones entre tablas: cada fila de pedido apunta a un cliente y a un producto, por lo que la base de datos puede responder preguntas que abarcan tablas, como "¿qué clientes en Cebú compraron zapatillas para correr el mes pasado?" El lenguaje utilizado para hacer tales preguntas es SQL, abreviatura de Structured Query Language, y es una de las herramientas más utilizadas en toda la tecnología.
Las bases de datos ganan su lugar en el trabajo poco glamuroso de la corrección. Garantizan que una transacción se complete totalmente o no se complete en absoluto: el dinero sale de una cuenta y llega a otra, nunca la mitad de cada una. Manejan miles de usuarios simultáneos sin dejar que sus cambios se atropellen entre sí. Siguen funcionando durante fallos de energía escribiendo cambios en un almacenamiento duradero antes de confirmarlos.
Una familia más nueva, llamada de manera flexible bases de datos NoSQL, relaja el formato rígido de tablas para manejar datos que no encajan en filas ordenadas: documentos, flujos de sensores, gráficos sociales. Estos sistemas a menudo intercambian algunas garantías de consistencia por la capacidad de distribuir datos en muchas máquinas, una transacción que tiene sentido a la escala de aplicaciones globales de consumo.
Para los no ingenieros, el conocimiento útil es que la mayoría del software es una capa delgada de pantallas y botones sobre una base de datos. Cuando un gerente de producto pregunta si un informe es posible, la respuesta honesta generalmente depende de si los datos se almacenaron de una manera que apoye la pregunta.
Credit: Franck / Unsplash
La encriptación transforma información legible en un revoltijo ilegible usando una receta matemática y un valor secreto llamado clave. Cualquiera que tenga la clave correcta puede revertir el proceso y recuperar el original. Quien no la tenga verá ruido.
Los esquemas más antiguos eran sustituciones simples — se dice que Julio César desplazaba cada letra de los mensajes militares tres lugares hacia abajo en el alfabeto. La encriptación moderna es muchísimo más fuerte. Los algoritmos estándar como AES usan claves tan grandes que intentar cada posibilidad tomaría a las computadoras más rápidas más tiempo que la edad del universo. La seguridad no se basa en mantener el método secreto — los algoritmos se publican y estudian en todo el mundo — sino en mantener la clave en secreto.
Existen dos tipos amplios. La encriptación simétrica usa la misma clave para bloquear y desbloquear, lo cual es rápido pero plantea un problema: ¿cómo pueden dos extraños acordar una clave sin que un espía la descubra? La encriptación de clave pública, desarrollada en los años 70, lo resuelve con pares de claves. Cada persona tiene una clave pública, compartida abiertamente, y una clave privada, que se mantiene en secreto. Un mensaje bloqueado con tu clave pública solo puede desbloquearse con tu clave privada. Es como un buzón con una ranura pública en la que cualquiera puede dejar cartas, pero solo tú tienes la llave de la puerta.
Esta maquinaria funciona constantemente en el trasfondo de la vida diaria. El ícono del candado en tu navegador significa que tu conexión utiliza TLS, un protocolo que combina ambos tipos de encriptación para proteger lo que envías y recibes. Las aplicaciones de mensajería que anuncian encriptación de extremo a extremo significan que las claves existen solo en tu dispositivo y en el del destinatario, por lo que ni siquiera la empresa que retransmite los mensajes puede leerlos.
La encriptación también está en el centro de las peleas políticas. Las agencias de aplicación de la ley en Estados Unidos, el Reino Unido y otros lugares han presionado para tener acceso especial a los datos encriptados. Los criptógrafos responden que una puerta construida para la policía es una puerta, y las puertas pueden ser forzadas por cualquiera.
El hashing se parece superficialmente a la encriptación pero tiene un propósito diferente. Una función hash toma cualquier entrada — una contraseña, un documento, una película completa — y produce una cadena de caracteres de tamaño fijo llamada hash o digest. Dos propiedades lo hacen útil: la misma entrada siempre produce el mismo hash, y el proceso no puede revertirse. Desde el hash solo, no puedes recuperar la entrada.
Piénsalo como una huella digital. Una huella digital identifica a una persona de manera única para propósitos prácticos, pero no puedes reconstruir a la persona desde la huella. Las funciones hash como SHA-256 producen huellas digitales para los datos. Cambia incluso una letra de la entrada y el hash cambia completamente, sin ninguna semejanza con el original.
La aplicación más conocida es el almacenamiento de contraseñas. Un sitio web construido responsablemente nunca almacena tu contraseña real. Almacena el hash. Cuando inicias sesión, se hash lo que escribiste y compara el resultado con el valor almacenado. Si los ladrones roban la base de datos, obtienen huellas digitales, no contraseñas. Por eso los servicios legítimos nunca pueden enviarte por correo electrónico tu contraseña olvidada, ya que genuinamente no la tienen, y solo pueden ofrecer un restablecimiento. También es por eso que los anuncios de violaciones distinguen entre contraseñas en texto plano robadas, lo cual es un desastre, y contraseñas hash robadas, lo cual es serio pero soportable. Los atacantes aún pueden adivinar contraseñas comunes, hash las conjeturas y buscar coincidencias, por lo que las contraseñas únicas y largas son importantes y porque los sitios agregan datos aleatorios llamados sal antes de hash.
Los hashes también verifican la integridad. Las descargas de software a menudo publican un hash para que puedas confirmar que tu copia no fue manipulada en tránsito. Los sistemas de control de versiones identifican cada cambio por su hash. Las cadenas de bloques encadenan bloques de transacciones al incluir el hash de cada bloque en el siguiente, haciendo que los registros pasados sean efectivamente inalterables.
El cifrado oculta datos que planeas recuperar. El hash toma una huella digital de los datos que solo necesitas verificar.
Credit: Canva Images
La programación tradicional funciona por reglas. Un desarrollador escribe instrucciones explícitas: si el correo electrónico contiene esta frase, márcalo como spam. El aprendizaje automático invierte el enfoque. En lugar de escribir reglas, los ingenieros alimentan a un sistema con miles o millones de ejemplos: estos 100,000 correos electrónicos son spam, estos 500,000 no lo son, y el sistema descubre los patrones diferenciadores por sí mismo. El resultado es un modelo: una función matemática que asigna nuevas entradas a predicciones.
El cambio importa porque muchas tareas resisten las reglas explícitas. Nadie puede escribir el conjunto completo de reglas que distingue una foto de un gato de una foto de un perro, o una transacción de tarjeta de crédito fraudulenta de una legítima. Los humanos reconocen estas cosas a través de experiencia acumulada, y el aprendizaje automático le da al software una capacidad análoga: experiencia estadística destilada de datos.
Entrenar un modelo significa ajustar sus números internos, llamados parámetros, hasta que sus predicciones sobre los datos de ejemplo sean lo más precisas posible. El proceso es esencialmente prueba y error a una velocidad enorme: hacer una predicción, medir el error, ajustar los parámetros para reducir el error, repetir millones de veces. Una vez entrenado, el modelo se despliega para hacer predicciones sobre datos que nunca ha visto.
La dependencia del aprendizaje automático en los datos es también su debilidad central. Un modelo aprende los patrones que contiene su conjunto de datos de entrenamiento, incluidos los sesgos humanos incrustados. Los modelos de contratación entrenados en decisiones pasadas han penalizado a las mujeres porque así lo hicieron las contrataciones históricas. Los modelos también fallan en situaciones diferentes a sus datos de entrenamiento, y ofrecen predicciones, no explicaciones: un modelo puede marcar un solicitante de préstamo como riesgoso sin que nadie pueda decir exactamente por qué.
Cuando escuchas que un producto "usa IA", casi siempre significa que un modelo de aprendizaje automático se encuentra en algún lugar del proceso, entrenado en ejemplos para puntuar, clasificar o generar algo. Las preguntas interesantes son siempre las mismas: ¿entrenado en qué datos, optimizado para qué resultado y verificado cómo?
Credit: Canva Images
Una red neuronal es un tipo particular de modelo de aprendizaje automático, vagamente inspirado en el cerebro, y alimenta la mayoría de los sistemas de IA en las noticias: reconocedores de imágenes, asistentes de voz, herramientas de traducción y modelos de lenguaje grande como el que está detrás de ChatGPT.
La estructura son capas de unidades simples. Cada unidad, o neurona, recibe números de la capa anterior, multiplica cada uno por un peso, los suma y pasa el resultado — aplastado a través de una función simple — a la siguiente capa. Individualmente, una neurona no hace casi nada. Apiladas en capas, con millones o miles de millones de pesos, la red puede representar relaciones extraordinariamente complejas entre entradas y salidas. Las redes con muchas capas se llaman profundas, de ahí proviene el término aprendizaje profundo.
El entrenamiento funciona mediante un método llamado retropropagación. La red hace una predicción, se mide el error y el cálculo determina cuánto contribuyó cada peso al error. Luego, cada peso se ajusta ligeramente en la dirección que reduce el error. Repite esto en millones de ejemplos y los pesos gradualmente se establecen en valores que codifican patrones útiles: bordes y texturas en capas tempranas de una red de visión, objetos completos en capas posteriores.
Lo que sorprendió incluso a los investigadores es hasta dónde llega la escala. Las redes más grandes entrenadas con más datos y más potencia de cómputo siguen mejorando, a menudo adquiriendo habilidades que nadie diseñó explícitamente. Los modelos de lenguaje grande se entrenan en una tarea engañosamente simple: predecir la siguiente palabra en un pasaje de texto, pero a una escala suficiente adquieren gramática, conocimiento factual y la capacidad de seguir instrucciones.
El costo de este poder es la opacidad. El conocimiento de una red está esparcido entre miles de millones de números, y nadie puede señalar el peso que almacena un hecho dado. Comprender por qué una red produjo una respuesta específica es un campo de investigación abierto, llamado interpretabilidad, con consecuencias directas para la medicina, los préstamos y la ley.
Credit: Christina Morillo / Pexels
La nube no es un lugar ni una tecnología. Es un modelo de negocio: en lugar de comprar y ejecutar tus propios servidores, alquilas poder de cómputo, almacenamiento y servicios desde los centros de datos de un proveedor y pagas por lo que usas. Amazon $AMZN Web Services, Microsoft $MSFT Azure y Google $GOOGL Cloud dominan el mercado, operando instalaciones del tamaño de almacenes llenas de cientos de miles de máquinas.
Antes de la nube, lanzar un producto en línea significaba comprar servidores físicos, instalarlos en un centro de datos y adivinar cuánta capacidad necesitarías. Si adivinabas bajo, tu sitio se caía bajo el éxito. Si adivinabas alto, el dinero quedaba inactivo en los racks. Los proveedores de nube convirtieron ese gasto de capital en un gasto operativo. Una startup puede alquilar una pequeña máquina virtual por unos pocos dólares al mes, luego escalar a miles de máquinas durante un pico y liberarlas después. Esta elasticidad, más que el costo, es la característica definitoria de la nube.
Una tecnología clave habilitadora es la virtualización: software que divide una máquina física en muchas máquinas virtuales aisladas, cada una comportándose como una computadora independiente. Los proveedores superponen servicios — bases de datos gestionadas, almacenamiento de archivos, herramientas de aprendizaje automático — para que los clientes ensamblen infraestructura como si pidieran de un catálogo.
Productos de consumo familiares también son servicios en la nube. Cuando tu teléfono respalda fotos, transmite una película o sincroniza documentos, los archivos viven en el centro de datos de un proveedor, no en el aire. "La nube" es siempre un edificio específico, con una dirección, sistemas de refrigeración y una factura eléctrica.
El modelo tiene desventajas. Las empresas ganan fiabilidad y velocidad pero renuncian al control físico, y mudarse de un proveedor es difícil una vez que los sistemas se entrelazan con sus servicios propietarios — una trampa conocida como dependencia del proveedor. Los reguladores en la UE y en otros lugares también examinan dónde reside físicamente la información, ya que la ubicación de un servidor determina qué leyes se aplican a él.
Credit: Heather McKean / Unsplash
El almacenamiento en caché es uno de los trucos de rendimiento más utilizados en computación: almacenar una copia de datos frecuentemente necesarios en un lugar rápido, para que el sistema no repita trabajos costosos. Es el equivalente digital de mantener la sal en el mostrador en lugar de caminar a la despensa cada vez que cocinas.
El principio aparece en cada nivel de la pila. Un procesador mantiene pequeñas cachés ultrarrápidas en el propio chip, porque obtener datos de la memoria principal tarda cientos de veces más que leerlos de la caché. Tu navegador web almacena en caché imágenes y scripts de sitios que visitas, razón por la cual una página carga más rápido la segunda vez. Las aplicaciones almacenan en caché los resultados de consultas a bases de datos para que la misma pregunta no se recalcule para cada usuario. Las redes de entrega de contenido, o CDNs, son almacenamiento en caché a escala planetaria: empresas como Cloudflare y Akamai $AKAM mantienen copias de contenido popular en centros de datos cerca de los usuarios, por lo que un video visto en Yakarta se transmite desde Singapur en lugar de Virginia.
El almacenamiento en caché funciona porque los patrones de acceso son desiguales. Una pequeña fracción de datos representa la mayoría de las solicitudes: la portada de hoy, el video de moda, tu propio buzón. Mantener esa fracción caliente cerca produce ganancias desproporcionadas.
El problema es la obsolescencia. Una copia en caché puede quedar desactualizada en el momento en que cambia el original, y decidir cuándo actualizar o descartar copias es realmente difícil. Una famosa línea entre los programadores, atribuida al ingeniero de Netscape Phil Karlton, sostiene que solo hay dos cosas difíciles en la informática: la invalidación de caché y nombrar cosas. Las cachés obsoletas explican rarezas cotidianas: un sitio web que muestra tu vieja foto de perfil después de haberla cambiado, o un precio que difiere entre tu teléfono y tu computadora portátil.
Cuando los artículos de soporte te dicen que limpies tu caché, te están pidiendo que deseches copias locales posiblemente corruptas y obtengas nuevas. Funciona más a menudo de lo que debería.
Credit: Timur Weber / Pexels
La compresión reduce datos para que ocupen menos espacio para almacenar y menos tiempo para transmitir. Sin ella, los medios modernos serían impracticables: una película de dos horas sin comprimir en alta definición ocuparía terabytes, y transmitirla a través de una conexión doméstica sería imposible.
Hay dos familias. La compresión sin pérdida reduce los datos de una manera que se puede revertir perfectamente. Funciona encontrando y explotando la redundancia. El texto está lleno de patrones repetidos: palabras comunes, espacios, frases recurrentes, y un algoritmo sin pérdida reemplaza las repeticiones con referencias cortas, como escribir "ídem" en lugar de copiar una línea. Los archivos ZIP y las imágenes PNG usan métodos sin pérdida. Al descomprimirlos, recuperas cada bit original, lo cual es esencial para documentos, hojas de cálculo y código, donde un solo carácter cambiado importa.
La compresión con pérdida va más allá descartando permanentemente información que los humanos probablemente no notarán. Las imágenes JPEG descartan detalles de color finos que el ojo apenas registra. El audio MP3 y AAC descartan sonidos enmascarados por sonidos más fuertes cercanos. Los formatos de video como H.264 almacenan solo las diferencias entre cuadros consecutivos, ya que la mayoría de una escena permanece quieta de un cuadro al siguiente. Los ahorros son drásticos: a menudo de 10 a 100 veces más pequeños, a costa de algo de fidelidad. Comprime un JPEG repetidamente y los artefactos se acumulan, por eso los memes que se vuelven a publicar durante años se ven cada vez más borrosos.
El equilibrio entre tamaño y calidad es ajustable, y las empresas lo ajustan constantemente. Los servicios de streaming codifican cada título en múltiples niveles de calidad y cambian entre ellos a medida que fluctúa tu conexión, por eso el video a veces se vuelve bloqueado a mitad de escena y se agudiza momentos después.
También hay un límite estricto. La teoría de la información, fundada por Claude Shannon en 1948, demuestra que los datos verdaderamente aleatorios no pueden comprimirse en absoluto. La compresión es posible solo porque los datos del mundo real son predecibles y funciona eliminando precisamente esa previsibilidad.
Credit: Mikhail Nilov / Pexels
El software de código abierto es software cuyo código fuente —las instrucciones legibles por humanos que escriben los programadores— se publica para que cualquiera lo lea, modifique y redistribuya bajo una licencia que garantice esas libertades. Es lo opuesto al software propietario, donde el código es un secreto comercial y los usuarios solo obtienen el producto terminado.
El modelo suena como caridad, pero funciona más como infraestructura compartida. El sistema operativo Linux ejecuta la mayoría de los servidores del mundo, la mayoría de los teléfonos inteligentes a través de Android y cada una de las 500 supercomputadoras más importantes. Los servidores web Apache y Nginx entregan gran parte de la web. Lenguajes de programación como Python, bases de datos como PostgreSQL y las bibliotecas de cifrado que aseguran el comercio en línea son todos de código abierto. Una aplicación comercial típica hoy en día es una capa delgada de código propietario sobre una pila profunda de componentes abiertos.
Las empresas participan por razones prácticas. Compartir el mantenimiento de la infraestructura común es más barato que cada empresa construyendo la suya propia. El código abierto atrae el escrutinio de muchos ojos, lo que tiende a descubrir errores y fallas de seguridad. Los ingenieros prefieren trabajar con herramientas que pueden inspeccionar, por lo que el código abierto ayuda en la contratación. Google $GOOGL, Microsoft $MSFT, Meta $META e IBM $IBM ahora se encuentran entre los mayores contribuyentes, y Microsoft, cuyo ex director ejecutivo Steve Ballmer una vez llamó a Linux un cáncer, compró GitHub, la plataforma principal donde vive el código de código abierto, en 2018.
El modelo tiene tensiones. A veces, proyectos críticos son mantenidos por un puñado de voluntarios no remunerados, una fragilidad expuesta en 2021 cuando un fallo en Log4j, una pequeña biblioteca de registro integrada en millones de sistemas, desencadenó una lucha de seguridad global. Las disputas de licencias también han crecido a medida que los proveedores de nube venden versiones alojadas de proyectos abiertos sin financiarlos.
Para los no ingenieros, el código abierto explica por qué tantos componentes de software son gratuitos, por qué la seguridad depende de la salud de proyectos voluntarios oscuros y por qué "lo construimos" en un discurso de producto generalmente significa "lo ensamblamos a partir de partes que toda la industria comparte".
Credit: Arnold Francisca / Unsplash
El control de versiones es el sistema que permite a muchos programadores modificar el mismo código simultáneamente sin sobrescribir el trabajo de los demás, y permite recuperar cualquier estado pasado del proyecto exactamente. La herramienta dominante es Git, creada por Linus Torvalds en 2005 para gestionar el desarrollo de Linux, y sustenta plataformas de colaboración como GitHub y GitLab.
La idea central es el commit: una instantánea del proyecto en un momento del tiempo, sellada con el autor, la fecha y un mensaje que describe qué cambió y por qué. La historia de un proyecto es una cadena de commits que se remonta a su primera línea de código. Nada se borra realmente. Si el cambio del martes rompió algo, el equipo puede comparar instantáneas, identificar las líneas exactas que cambiaron y retroceder.
La segunda idea es el branching. Un desarrollador que comienza una característica arriesgada crea una rama, una copia paralela del proyecto, y trabaja allí sin alterar la versión principal que utilizan los clientes. Cuando la característica está terminada y revisada, la rama se fusiona de nuevo. Docenas de ramas pueden proceder al mismo tiempo. Cuando dos personas cambian las mismas líneas, la herramienta señala un conflicto de fusión y una persona decide qué versión gana.
Alrededor de estas mecánicas, los equipos han construido una cultura de revisión. En GitHub, los cambios propuestos llegan como pull requests, que los compañeros leen, comentan y aprueban antes de fusionar. El resultado es un registro permanente y buscable no solo de lo que dice el código sino de por qué existe cada línea, a menudo la mejor documentación que tiene una empresa.
El concepto se ha extendido más allá del código. Los equipos legales, escritores y científicos cada vez más rastrean documentos y datos de la misma manera. Cualquiera que haya enviado un archivo llamado informe_final_v3_REALMENTE_FINAL.docx ha sentido el problema que el control de versiones resuelve. La curva de aprendizaje de la herramienta es real, pero la recompensa es un equipo que puede experimentar libremente, porque ningún error es permanente y ningún estado anterior se pierde.
Credit: Tom Fisk / Pexels
Un sistema operativo es el programa maestro que gestiona el hardware de una computadora y proporciona una plataforma estable para todos los demás programas. Windows, macOS y Linux ejecutan computadoras de escritorio y servidores; iOS y Android ejecutan teléfonos. Sin uno, cada aplicación necesitaría su propio código para comunicarse con discos, pantallas, teclados y chips de red, una duplicación imposible.
El primer trabajo del sistema operativo es la gestión de recursos. Tu laptop puede mostrar 40 programas abiertos, pero el procesador solo puede ejecutar unos pocos flujos de instrucciones a la vez. El programador del SO cambia entre programas miles de veces por segundo, dándole a cada uno una porción del tiempo del procesador tan rápidamente que todo parece simultáneo. Realiza un acto de malabarismo similar con la memoria, otorgando a cada programa su propio espacio protegido y desalojando datos menos utilizados al disco cuando la memoria escasea.
El segundo trabajo es la protección. El sistema operativo aísla los programas entre sí y del hardware, de modo que un juego que se bloquea no puede corromper tu hoja de cálculo, y una aplicación maliciosa no puede leer la memoria de tu aplicación bancaria. Los sistemas de permisos —las indicaciones que preguntan si una aplicación puede usar tu cámara o ubicación— son el sistema operativo imponiendo límites. Las actualizaciones de seguridad son tan importantes porque una falla en el sistema operativo socava cada programa encima de él.
El tercer trabajo es la abstracción. El sistema operativo presenta hardware desordenado como conceptos limpios y simples. El almacenamiento físico es un laberinto de platos giratorios o celdas de memoria flash; el sistema operativo lo presenta como archivos y carpetas. Las redes son pulsos eléctricos y ondas de radio; el sistema operativo las presenta como conexiones que abres y cierras.
El control de un sistema operativo confiere un enorme poder de mercado, porque determina qué software puede existir y en qué términos. Los casos antimonopolio contra Microsoft $MSFT en los años 90 y contra Apple $AAPL y Google $GOOGL hoy en día se centran en la misma pregunta: ¿qué puede exigir el propietario de la plataforma a quienes construyen sobre ella?
Credit: Canva Images
Los programadores escriben código en lenguajes como Python, Java y C++, que están diseñados para la comprensión humana, llenos de palabras en inglés y notación matemática. Los procesadores no entienden nada de eso. Solo ejecutan código máquina: instrucciones binarias específicas del chip. Algo debe cerrar la brecha, y los dos puentes principales son compiladores e intérpretes.
Un compilador traduce un programa completo en código máquina por adelantado, produciendo un archivo ejecutable. La traducción ocurre una vez, en la máquina del desarrollador, y los usuarios ejecutan el binario terminado. Lenguajes como C, C++, Rust y Go funcionan de esta manera. Las ventajas son la velocidad —el costo de traducción se paga por adelantado, y los compiladores optimizan agresivamente— y la detección temprana de errores, ya que el compilador inspecciona todo el programa antes de que se ejecute nada. Los archivos .exe en Windows son salida compilada.
Un intérprete traduce y ejecuta el código al vuelo, línea por línea, cada vez que se ejecuta el programa. Python y JavaScript tradicionalmente funcionan de esta manera. El desarrollo se siente más rápido: cambia una línea, ejecútala de inmediato, sin paso de compilación— y el mismo código se ejecuta en cualquier máquina con el intérprete instalado. El costo es la velocidad de ejecución, ya que la traducción ocurre durante cada ejecución.
Los sistemas modernos difuminan la línea. Java se compila a un bytecode intermedio que una máquina virtual luego ejecuta, a menudo convirtiendo puntos calientes a código máquina a medio camino mediante compilación en tiempo de ejecución. Los motores de JavaScript de hoy en los navegadores hacen lo mismo, y así es como las aplicaciones web se volvieron lo suficientemente rápidas para rivalizar con el software de escritorio.
La relevancia práctica para los no ingenieros se refiere principalmente a los compromisos que ahora puedes descifrar. Cuando los ingenieros dicen que un lenguaje es rápido o lento, generalmente se refieren a compilado versus interpretado. Cuando mencionan un pipeline de construcción, se refieren a los pasos de compilación y empaquetado entre escribir el código y enviarlo. Y cuando una construcción falla, significa que el paso de traducción encontró errores, mejor allí que en la pantalla de un cliente.
Credit: Canva Images
Un error es un defecto en el software que hace que se comporte de manera diferente a la prevista. El término es anterior a las computadoras: los ingenieros lo usaban en el siglo XIX, y Thomas Edison se quejaba de errores en sus inventos, pero se afianzó en la informática después de 1947, cuando el equipo de Grace Hopper en Harvard encontró una polilla real atascada en un relé de la computadora Mark II y la pegó en el libro de registro.
Los errores no son anomalías. Son una certeza estadística. Las grandes aplicaciones contienen millones de líneas de código escritas por cientos de personas durante años, y cada línea codifica suposiciones que pueden resultar incorrectas. Las especies comunes incluyen errores de desbordamiento, donde un bucle se ejecuta una vez de más o de menos; referencias nulas, donde el código intenta usar datos que no existen; condiciones de carrera, donde dos operaciones simultáneas chocan en ventanas de tiempo raras; y casos límite, entradas que los desarrolladores nunca anticiparon, como un usuario cuyo nombre legal es una letra o una fecha del 29 de febrero.
Depurar, encontrar y corregir el defecto, es un trabajo de detective. La primera tarea es la reproducción: hacer que el fallo ocurra a demanda, porque un error que no puedes reproducir es casi imposible de arreglar. Luego viene la aislamiento, que es reducir qué componente se comporta mal, a menudo agregando registros o pasando por el programa una instrucción a la vez con un depurador. La solución en sí misma suele ser una sola línea. Encontrar esa línea puede llevar días.
La principal defensa de la industria es la prevención: pruebas automatizadas que se ejecutan en cada cambio, revisión de código por una segunda persona, y lenguajes diseñados para hacer imposible categorías completas de errores. Nada de esto llega a cero. Por eso el software se envía con errores menores conocidos, por eso los parches llegan continuamente, y por qué "¿ha intentado apagarlo y encenderlo de nuevo?" perdura: al reiniciar se borra el estado malo acumulado que algún error no descubierto dejó atrás.
Credit: Emre Ateşoğlu / Pexels
Las personas describen las conexiones de internet con una sola palabra: rápida o lenta, pero los ingenieros miden dos propiedades independientes, y confundirlas lleva a malas decisiones de compra y peores decisiones de producto.
El ancho de banda es capacidad: cuántos datos pueden moverse por segundo, medidos en megabits o gigabits. La latencia es el retraso: cuánto tiempo tarda un solo dato en hacer el viaje de ida y vuelta entre tú y un servidor, medido en milisegundos. La analogía clásica es una autopista. El ancho de banda es el número de carriles. La latencia es la longitud de la carretera. Añadir carriles deja pasar más coches por hora, pero no acorta el viaje de nadie.
Diferentes actividades estresan diferentes propiedades. La transmisión de video es un problema de ancho de banda: el servicio necesita empujar un flujo constante y grande de datos, y unos pocos cientos de milisegundos de retraso son invisibles porque el reproductor almacena en búfer por adelantado. Las videollamadas y los juegos en línea son problemas de latencia: cada momento debe llegar casi instantáneamente, y ninguna cantidad de ancho de banda compensa un retraso de 300 milisegundos. Por eso, un jugador con un ancho de banda modesto y baja latencia tiene una mejor experiencia que uno con una conexión de gigabit enrutada a medio mundo.
La física establece un piso bajo la latencia. Los datos viajan a través de fibra aproximadamente a dos tercios de la velocidad de la luz, por lo que un viaje de ida y vuelta de Nueva York a Singapur no puede superar alrededor de 150 milisegundos, sin importar cuánto gaste alguien. La distancia es la razón por la que los servicios globales replican datos en centros regionales, por qué las empresas financieras pagan primas por rutas de fibra más rectas entre intercambios, y por qué el internet satelital de constelaciones de órbita baja como Starlink supera a los satélites más antiguos estacionados 22,000 millas más arriba: la distancia más corta reduce el retraso de más de medio segundo a decenas de milisegundos.
Cuando algo se siente lento, la pregunta de diagnóstico es qué tipo de lentitud: un tubo delgado o uno largo. Los remedios son completamente diferentes.
Credit: Leandro Barreto / Unsplash
Cada dispositivo conectado a internet tiene una dirección IP, una etiqueta numérica como 172.217.4.46 que identifica dónde deben entregarse los datos. IP significa Protocolo de Internet, el conjunto compartido de reglas que gobierna cómo se mueven los datos entre redes. Cuando tu portátil solicita una página web, la solicitud se divide en pequeños fragmentos llamados paquetes, cada uno con la dirección de destino estampada, y los enrutadores en el camino pasan cada paquete salto a salto hacia él, al igual que los sistemas postales enrutan cartas leyendo el sobre, no el contenido.
Los humanos son malos para recordar números, por lo que internet tiene una guía telefónica: el Sistema de Nombres de Dominio, o DNS. Cuando escribes un nombre de sitio web, tu dispositivo primero pide a un servidor DNS que traduzca el nombre en una dirección IP, luego se conecta a esa dirección. La búsqueda toma milisegundos y ocurre de manera invisible miles de millones de veces al día. DNS está organizado como una jerarquía global: los servidores raíz apuntan a servidores para .com o .org, que apuntan a servidores para dominios individuales, y ninguna computadora individual tiene todo el libro.
Esta capa de traducción es un punto de flexibilidad y fragilidad. Las empresas pueden mover servicios a nuevos servidores actualizando un registro DNS, sin que los usuarios lo noten. Pero cuando fallan los principales proveedores de DNS, como sucedió en un ataque de 2016 al proveedor Dyn, grandes franjas de la web se vuelven inaccesibles incluso cuando los sitios mismos están funcionando bien: las direcciones existen, pero nadie puede buscarlas. Los gobiernos también censuran en esta capa, ordenando a los ISP devolver respuestas incorrectas para sitios prohibidos.
Un detalle más: el esquema de direccionamiento original, IPv4, permite alrededor de 4.3 mil millones de direcciones, muy pocas para un mundo de teléfonos, autos y termostatos. Su sucesor, IPv6, proporciona un suministro efectivamente inagotable, y los dos sistemas ahora funcionan en paralelo durante una transición que ha durado décadas.
Credit: Sarah Blocksidge / Pexels
El protocolo subyacente de la web, HTTP, no tiene estado: cada solicitud que hace un navegador es independiente, y el servidor no retiene memoria integrada de quién preguntó. Sin corregir, ese diseño te haría iniciar sesión de nuevo en cada página y vaciaría tu carrito de compras con cada clic. Las cookies son la solución. Una cookie es un pequeño fragmento de texto que un sitio web le pide a tu navegador que almacene y devuelva con cada solicitud futura a ese sitio.
La mecánica es mundana. Cuando inicias sesión, el servidor genera un identificador de sesión aleatorio, lo almacena junto a tu cuenta y se lo entrega a tu navegador como una cookie. En cada solicitud posterior, el navegador presenta la cookie y el servidor te reconoce. El mismo mecanismo recuerda las preferencias de idioma, mantiene los carritos llenos y hace que funcionen las casillas de "recordarme". Estas cookies de primera parte, establecidas por el sitio que realmente estás visitando, son en gran medida una plomería no controvertida.
La controversia proviene de las cookies de terceros. Las páginas incorporan rutinariamente contenido de otras empresas: espacios publicitarios, scripts de análisis, botones de redes sociales. Cada parte incorporada puede establecer su propia cookie, y dado que las mismas redes de anuncios aparecen en miles de sitios, pueden reconocer el mismo navegador en todas partes, ensamblando un perfil detallado del comportamiento de navegación. Esta es la maquinaria detrás de los anuncios que te siguen por la web después de mirar un producto una vez.
La regulación y las fuerzas del mercado han apretado la práctica. Las reglas de privacidad de la UE produjeron los banners de consentimiento que ahora cubren la web. El Safari de Apple $AAPL y el Firefox de Mozilla bloquean las cookies de terceros por defecto, y Google $GOOGL pasó años en un plan intermitente para restringirlas en Chrome mientras los anunciantes, editores y el regulador de competencia del Reino Unido debatían sobre el reemplazo. Mientras tanto, el seguimiento se ha desplazado parcialmente a técnicas más furtivas, como la toma de huellas digitales, que identifica navegadores por sus detalles de configuración únicos, sin necesidad de archivos almacenados.
Credit: Peggy Anke / Pexels
Concurrencia significa que un programa gestiona múltiples tareas en períodos de tiempo superpuestos: manejando miles de visitantes del sitio web a la vez, descargando un archivo mientras sigues desplazándote o distribuyendo un cálculo a través de los muchos núcleos de un procesador moderno. Es esencial para casi todo el software serio, y es una de las cosas más difíciles de hacer bien en programación.
Durante décadas, el software se volvió más rápido automáticamente porque los chips se volvieron más rápidos. Alrededor de mediados de la década de 2000, la física intervino: aumentar las velocidades de reloj generó un calor inmanejable. Los fabricantes se inclinaron por colocar múltiples núcleos de procesamiento en cada chip. Una laptop hoy puede tener ocho o más núcleos, pero un programa escrito como una sola secuencia de pasos usa solo uno. Aprovechar el hardware moderno requiere dividir el trabajo en partes que se ejecuten en paralelo.
El problema comienza cuando las tareas concurrentes comparten datos. Supongamos que dos hilos de un programa bancario intentan agregar dinero a la misma cuenta al mismo tiempo. Cada uno lee el saldo, suma su depósito y escribe el resultado de nuevo. Si sus pasos se entrelazan mal, la segunda escritura sobrescribe la primera y un depósito desaparece silenciosamente. Esto es una condición de carrera — un error que depende de la sincronización precisa, lo que significa que aparece raramente, desaparece cuando lo buscas y puede surgir solo bajo una carga pesada de producción.
La defensa estándar es el candado: una tarea reclama acceso exclusivo a datos compartidos, trabaja y los libera, obligando a otros a esperar. Los candados traen su propio peligro, el bloqueo, donde dos tareas cada una mantiene un candado que la otra necesita y ambas esperan para siempre, como dos personas detenidas en una puerta insistiendo cada una en que la otra pase primero.
Cuando los ingenieros describen un sistema como seguro para hilos, o explican que un error "solo ocurre bajo carga", o piden tiempo para rediseñar algo para el paralelismo, este es el territorio. Los errores de concurrencia están entre los más caros en software porque se ocultan hasta que la escala los encuentra.
Credit: Matheus Bertelli / Pexels
Casi todo lo que haces en línea sigue un patrón: un cliente pregunta, un servidor responde. El cliente es el software cerca de ti — un navegador, una aplicación móvil — responsable de mostrar la información y recoger tu entrada. El servidor es un programa en una máquina remota, responsable de almacenar datos, hacer cumplir reglas y realizar el cálculo pesado. Cada carga de página, envío de mensaje y transmisión de video es una ronda de este juego de solicitud y respuesta.
La división del trabajo es deliberada. Los servidores tienen los datos autorizados y la lógica de negocio, porque los clientes no pueden ser confiables — cualquiera puede modificar una aplicación en su propio dispositivo. Cuando compras algo en línea, tu navegador solo envía tu intención; el servidor verifica el precio, valida el pago y registra el pedido. Es por eso que los precios mostrados en tu aplicación no pueden simplemente editarse en descuentos, y por qué los fallos de seguridad descritos como del lado del servidor son más graves que los errores estéticos del cliente.
La división también explica el comportamiento cotidiano. Cuando una aplicación funciona sin conexión, estás viendo datos del lado del cliente almacenados en caché; cualquier cosa que requiera información fresca o un cambio permanente necesita el servidor. Cuando un servicio está caído, sus clientes están bien — millones de aplicaciones funcionando mirando a un contraparte no responsivo. Cuando tu aplicación de teléfono se actualiza constantemente, algunos cambios son cosméticos del cliente, mientras que otros siguen cambios en las expectativas del servidor.
Los ingenieros se dividen aún más dentro de cada lado. Los desarrolladores front-end construyen la experiencia del cliente; los desarrolladores back-end construyen los sistemas del servidor; los desarrolladores full-stack abarcan ambos. Detrás de un gran servicio, el servidor no es una máquina sino flotas de ellas, con balanceadores de carga distribuyendo las solicitudes entrantes a través de la flota de la misma manera que un anfitrión sienta a los comensales que llegan en mesas abiertas.
Un patrón alternativo, peer-to-peer, permite que los dispositivos se comuniquen directamente entre sí — BitTorrent y algunos caminos de videollamadas funcionan de esta manera — pero el modelo cliente-servidor domina porque centralizar los datos y control es más sencillo de asegurar, facturar y actualizar.
Credit: barış erkin / Pexels
La deuda técnica es el coste futuro incurrido cuando el software se construye de la manera rápida en lugar de la correcta. La metáfora, acuñada por el programador Ward Cunningham en 1992, es deliberada: al igual que la deuda financiera, los atajos te permiten enviar antes, y al igual que la deuda financiera, cobran intereses. Cada cambio futuro en un código desordenado lleva más tiempo, se rompe más fácilmente y requiere más pruebas. Si no se paga durante suficiente tiempo, los intereses pueden consumir la mayor parte de la capacidad de un equipo.
La deuda se acumula de maneras ordinarias y defendibles. Una startup que corre para hacer una demostración codifica suposiciones que planea corregir más tarde. Un equipo añade una función a una estructura que nunca fue diseñada para ello porque el rediseño tomaría un trimestre. Un desarrollador copia un bloque de código en lugar de reestructurarlo, dejando dos versiones que ahora deben ser actualizadas en tándem. Cada decisión es localmente razonable. La acumulación es lo que duele, y a diferencia de la deuda financiera, ningún libro mayor muestra el saldo. Se revela a sí misma como síntomas: estimaciones que se disparan, cambios simples que causan fallos no relacionados, sistemas que solo un empleado veterano entiende y ingenieros que renuncian en lugar de seguir parcheando.
Pagar la deuda se llama refactorización: reestructurar el código para que sea más limpio sin cambiar lo que hace. Es un trabajo real que no produce nada visible para los clientes, por lo cual pierde luchas presupuestarias frente a nuevas características, y por eso algunas empresas eventualmente enfrentan una reescritura total, entre los proyectos más arriesgados en software. La brecha de Equifax en 2017 ilustró el extremo de mantenimiento diferido: los atacantes ingresaron a través de una falla conocida en un componente desactualizado que la empresa no había parcheado.
La deuda técnica es a menudo la respuesta honesta a una pregunta común de los ejecutivos: ¿por qué agregar un botón lleva seis semanas? El botón es fácil. El botón se está instalando en una estructura mantenida unida por diez años de atajos, y cada clavo arriesga la pared.
