Los mejores ingenieros de Spotify dejaron de escribir código en diciembre—Así es como la IA lo hizo posible

Cuando el co-CEO de Spotify, Gustav Söderström, reveló durante la última llamada de resultados de la compañía que su equipo de ingeniería de élite no ha escrito código manualmente desde diciembre, marcó un cambio profundo en cómo funciona realmente el desarrollo de software moderno. La gigante del streaming musical no solo adoptó la IA como una herramienta útil, sino que reconfiguró fundamentalmente todo su proceso de desarrollo en torno a la inteligencia artificial, demostrando que el futuro de la programación podría no implicar escribir código en absoluto.

Esta transformación ha sido simplemente extraordinaria. A lo largo de 2025, Spotify lanzó más de 50 actualizaciones y nuevas funciones, incluyendo listas de reproducción impulsadas por IA, Page Match para audiolibros y About This Song. ¿Qué hace posible este ritmo? Una plataforma interna de IA llamada Honk que está redefiniendo lo que los ingenieros hacen cada día.

El nacimiento de Honk: la IA toma el control del teclado

En el centro de la revolución de Spotify está Honk, una plataforma interna impulsada por tecnología de IA generativa—específicamente Claude Code de Anthropic. No es solo una herramienta de sugerencias de código; es una reinvención completa del flujo de trabajo de desarrollo.

Söderström describió de manera vívida cómo funciona en la práctica. Imagina a un ingeniero de Spotify yendo a la oficina durante su desplazamiento matutino. En lugar de esperar para sentarse en su escritorio, abre Slack en su teléfono y escribe una instrucción a Claude: “Arregla este error en la app de iOS” o “Agrega esta función a nuestra plataforma.” La IA no solo sugiere código, sino que realmente lo escribe, prueba y despliega. En minutos, el ingeniero recibe una notificación por Slack con una versión de la app completamente preparada para fusionar en producción. Pueden aprobar y lanzar funciones incluso antes de llegar a la oficina.

Esta capacidad de despliegue remoto y en tiempo real ha comprimido fundamentalmente los plazos de desarrollo. Lo que antes tomaba días de codificación manual, pruebas y depuración, ahora sucede en horas o incluso minutos.

Cuando los ingenieros dejan de escribir código, ¿qué hacen realmente?

El cambio plantea una pregunta obvia: si los mejores programadores de Spotify ya no escriben código, ¿qué están haciendo? La respuesta revela algo importante sobre el futuro de los roles en ingeniería. En lugar de teclear comandos en IDEs, estos ingenieros se están convirtiendo en arquitectos, revisores y tomadores de decisiones. Están estableciendo los requisitos a alto nivel, validando soluciones generadas por IA y asegurando que los estándares de calidad se mantengan intactos.

Las ganancias en eficiencia son innegables. Los equipos de ingeniería de Spotify ahora pueden iterar más rápido, probar más variaciones y desplegar funciones a una velocidad que habría parecido imposible en la era pre-IA. El rol no ha desaparecido, sino que ha evolucionado.

La arma secreta de Spotify: datos musicales propios a gran escala

Mientras otras empresas dependen de conjuntos de datos estándar extraídos de Wikipedia y fuentes públicas para entrenar sus modelos de lenguaje, Spotify ha construido algo mucho más valioso: un conjunto de datos propio, masivo, enfocado específicamente en música. Esto no es solo una ventaja competitiva, sino que se está convirtiendo en la muralla defensiva de Spotify contra competidores de IA más grandes.

Las recomendaciones musicales no siguen reglas universales. Pregunta a mil personas qué es lo mejor para escuchar durante un entrenamiento, y obtendrás mil respuestas diferentes. Los estadounidenses pueden preferir hip-hop, mientras que otros prefieren death metal. Los europeos tienden a optar por EDM para hacer ejercicio, pero los escandinavos consistentemente eligen heavy metal. Las preferencias regionales, las nuances culturales y las variaciones en gustos personales importan muchísimo.

El conjunto de datos de Spotify captura toda esa complejidad a una escala que ninguna otra compañía de IA posee. A medida que la plataforma procesa millones de interacciones de usuarios diariamente, sus modelos de IA se vuelven más inteligentes en cuanto al contexto musical—algo que los modelos genéricos de LLM simplemente no pueden replicar. “Estamos desarrollando un conjunto de datos a una escala que nadie más tiene, y continúa mejorando a medida que reentrenamos nuestros modelos”, explicó Söderström.

Gestionando la cuestión de la música generada por IA

A medida que la IA comienza a crear música por sí misma, Spotify reconoció durante la llamada de resultados que está navegando en territorio nuevo. La compañía ahora permite a artistas y sellos discográficos especificar en los metadatos de una pista si la música fue generada por IA, ofreciendo transparencia a los oyentes. Al mismo tiempo, Spotify mantiene sistemas de monitoreo activos para prevenir spam y contenido de baja calidad generado por IA de saturar la plataforma.

Este enfoque equilibrado—permitiendo la innovación mientras protege el ecosistema de creadores—indica cómo Spotify planea liderar en lugar de simplemente reaccionar a las tendencias de música generada por IA.

Qué significa esto para la industria

Que los ingenieros de Spotify dejen de programar manualmente no es un escenario distópico donde los humanos se vuelven obsoletos. Al contrario, representa una maduración en cómo las empresas tecnológicas pueden aprovechar la IA para potenciar la capacidad humana. Los mejores ingenieros de Spotify no están siendo reemplazados; están siendo liberados de tareas repetitivas y mecánicas para centrarse en estrategia, arquitectura y aseguramiento de calidad.

La pregunta no es si otras empresas tecnológicas seguirán este camino. Casi con certeza lo harán. La cuestión es si tendrán la infraestructura, el talento y la visión estratégica para hacerlo a la escala de Spotify. Por ahora, el equipo de ingeniería de Spotify se ha convertido en un caso de estudio de lo que es posible cuando dejas de preguntar “¿Puede la IA escribir código?” y comienzas a preguntar “¿Cómo construimos alrededor de la IA que escribe código?”