BOA-3 como Metodología de Desarrollo de Software con IA: Caso de Estudio en la Publicación de Investigaciones Multilingües
Autores: Severo Peguero, Cursor (IA)
Fecha: 21 de Marzo 2026
Estado: ✅ PAPER CIENTÍFICO
Etiquetas: [PAPER][BOA3][DESARROLLO_WEB][PROGRAMACION_INTELIGENTE][CASO_ESTUDIO]
🙏 GLORIA A DIOS
"Porque el Señor da la sabiduría, y de su boca viene el conocimiento y la inteligencia." (Proverbios 2:6)
"Porque de Él, y por Él, y para Él, son todas las cosas. A Él sea la gloria por los siglos. Amén." (Romanos 11:36)
📋 RESUMEN EJECUTIVO
Se documenta un caso de estudio empírico donde la metodología BOA-3 (Base Orientadora de la Acción tipo 3, Talizina-Galperin) se aplicó como marco de trabajo para el desarrollo de software con IA. La tarea consistió en agregar una nueva sección de contenido (investigaciones multilingües) a un sitio web científico en producción (spciencia.com). En lugar de recibir instrucciones directas (BOA-2) o proceder por ensayo-error (BOA-1), el agente de IA (Cursor/Claude) identificó invariantes en el sistema existente, los transfirió a un dominio nuevo, ejecutó la implementación completa en 3 idiomas, y produjo una guía reutilizable como BOA materializada. Todo el proceso quedó documentado con commits de Git, timestamps y un producto verificable en producción.
Resultado principal: La aplicación de BOA-3 al desarrollo de software produce no solo el entregable solicitado, sino también documentación transferible que reduce el costo de tareas futuras similares — exactamente como predice la teoría de Talizina sobre la generalización de la acción mental.
1. INTRODUCCIÓN
1.1 El Problema
El desarrollo de software con asistentes de IA enfrenta un dilema metodológico no resuelto:
- BOA-1 (Ensayo-error): El programador pide algo, la IA genera código, se prueba, se corrige. Ciclos largos, sin aprendizaje transferible.
- BOA-2 (Instrucciones directas): Se le dan instrucciones paso a paso a la IA ("crea este archivo aquí, con este formato"). Funciona, pero no genera comprensión ni transferibilidad.
- BOA-3 (Construcción autónoma de la orientación): La IA identifica patrones en el sistema existente, extrae invariantes, y construye su propia guía de acción que luego aplica y documenta.
La mayoría de las interacciones humano-IA en desarrollo de software operan en BOA-1 o BOA-2. Este paper documenta un caso donde se operó en BOA-3 y analiza las consecuencias.
1.2 Contexto Técnico
- Sitio web: spciencia.com — sitio científico con papers, investigaciones y tienda
- Stack: Astro 4 (hybrid), Node.js, desplegado en Railway via Docker
- Idiomas: Español, Inglés, Ruso (sistema i18n manual con templates)
- Estado previo: 28 papers publicados, 1 investigación publicada, guía documentada solo para papers
- Tarea: Publicar una nueva investigación sobre el experimento BOA-3 con Gemini
1.3 Hipótesis
Si BOA-3 funciona como metodología de desarrollo, el agente de IA debería ser capaz de:
- Identificar invariantes en el sistema existente (cómo se agregan papers)
- Transferirlos a un dominio nuevo (cómo se agregan investigaciones)
- Ejecutar la implementación sin instrucciones paso a paso
- Producir documentación que permita repetir el proceso en el futuro
2. METODOLOGÍA
2.1 Diseño del Experimento
El investigador (Severo Peguero) planteó la tarea de forma abierta: "podríamos publicar esta investigación en la sección de investigaciones del sitio web." No proporcionó instrucciones técnicas específicas. El agente (Cursor/Claude) debía determinar autónomamente:
- Qué archivos crear y dónde
- Qué archivos existentes modificar
- Qué formato usar para el contenido
- Cómo integrar con el sistema i18n existente
- Cómo asegurar que el build no fallara
2.2 Fases Observadas
El proceso se desarrolló en las siguientes fases, que corresponden directamente a la teoría de Galperin sobre la formación por etapas de las acciones mentales:
Fase 1 — Orientación (exploración del sistema existente):
- Lectura de
content-map.tspara entender el sistema de mapeo slug → archivo - Lectura de
investigaciones/index.astropara ver la estructura de cards - Lectura de
modelo-estudiante.astropara ver el patrón de página de investigación - Lectura de
AGREGAR_PAPER_GUIA_COMPLETA_2026-03-09.mdpara entender el invariante de traducción - Lectura de
header-i18n.jspara ver dónde insertar traducciones
Fase 2 — Identificación de invariantes: El agente extrajo las siguientes reglas constantes del sistema:
- Todo contenido debe existir en 3 idiomas con el mismo nombre de archivo
- Los slugs se registran en
content-map.ts - Las cards usan
titleKey/descKeypara i18n - Las traducciones van en
header-i18n.jsen los 3 bloques de idioma - Las nuevas páginas deben añadirse al sitemap
- Los más recientes van primero en los índices
Fase 3 — Transferencia y ejecución:
- Creó contenido en ES, EN, RU siguiendo el formato observado en papers
- Registró el slug en
INVESTIGACION_SLUG_TO_FILE(no enPAPER_SLUG_TO_FILE) - Creó la página Astro copiando el patrón de
modelo-estudiante.astroy añadiendo estilos para tablas y blockquotes (necesarios para el nuevo contenido) - Agregó cards en el índice y la home
- Insertó traducciones en los 3 bloques i18n
- Añadió la ruta al sitemap
Fase 4 — Verificación:
- Build local exitoso (
npm run build) - Servidor de desarrollo local para revisión visual del investigador
- Corrección de datos (conteo de capítulos) antes del push
- Push a producción solo después de aprobación
Fase 5 — Materialización de la BOA:
- Producción de
AGREGAR_INVESTIGACION_GUIA_2026-03-21.md: un documento que codifica todo el proceso como guía reutilizable - Esta guía es la Base Orientadora materializada — el producto cognitivo convertido en herramienta externa
3. RESULTADOS
3.1 Producto Entregado
| Componente | Cantidad | Detalle |
|---|---|---|
| Archivos Markdown | 3 | ES (236 líneas), EN, RU |
| Páginas Astro | 1 | Con estilos para tablas, blockquotes, responsive |
| Archivos modificados | 5 | content-map, index, investigaciones/index, sitemap, i18n |
| Guía de documentación | 1 | Checklist de 10 pasos con plantillas |
| Commit de Git | 1 | dd9979a — 10 archivos, 1092 inserciones |
3.2 Tiempo de Ejecución
| Fase | Tiempo aproximado |
|---|---|
| Exploración del sistema | ~3 minutos |
| Creación de contenido (3 idiomas) | ~5 minutos |
| Implementación técnica (8 archivos) | ~4 minutos |
| Corrección post-revisión | ~2 minutos |
| Documentación (guía) | ~2 minutos |
| Build + push + verificación | ~2 minutos |
| Total | ~18 minutos |
3.3 Tasa de Error
- Errores en build: 0 (compiló al primer intento)
- Errores de contenido: 1 (conteo de capítulos del libro, corregido antes del push)
- Errores post-producción: 0
3.4 Transferibilidad
La guía producida (AGREGAR_INVESTIGACION_GUIA_2026-03-21.md) fue diseñada para que cualquier agente futuro pueda agregar investigaciones sin necesidad de redescubrir el proceso. Incluye:
- Checklist de 10 pasos
- Plantillas copiables para cada tipo de archivo
- Tabla de diferencias entre papers e investigaciones
- Historial de investigaciones publicadas
- Lista de archivos clave
4. ANÁLISIS: CORRESPONDENCIA CON LA TEORÍA DE GALPERIN
4.1 Las Etapas de Formación de la Acción Mental
P.Ya. Galperin identificó que las acciones mentales se forman pasando por etapas: material → verbal externa → verbal interna → mental. Lo observado en este caso de estudio se corresponde directamente:
| Etapa de Galperin | Manifestación en el desarrollo |
|---|---|
| Acción material | Lectura directa de archivos existentes, manipulación concreta del código |
| Acción verbal externa | Explicación al investigador de lo que se encontró y lo que se hará |
| Acción verbal interna | Identificación silenciosa de patrones y reglas |
| Acción mental | Transferencia automática del patrón a la nueva tarea |
| Materialización | Producción de la guía (la BOA se externaliza como documento) |
4.2 Invariantes Identificados
Los invariantes extraídos del sistema son análogos a los que un estudiante identifica bajo BOA-3 en cualquier dominio:
- Invariante de Traducción: Todo contenido → 3 idiomas → mismo nombre de archivo (esto es la "ley" del sistema de contenido)
- Invariante de Registro: Cada contenido nuevo → entrada en content-map → card en índice → traducciones i18n (la "secuencia obligatoria")
- Invariante de Verificación: Build local → revisión visual → aprobación → push (el "protocolo de calidad")
Estos invariantes no fueron proporcionados por el investigador; fueron construidos autónomamente por el agente a partir de la observación del sistema existente — que es precisamente lo que distingue a BOA-3 de BOA-2.
4.3 Comparación con BOA-1 y BOA-2
| Aspecto | BOA-1 | BOA-2 | BOA-3 (observado) |
|---|---|---|---|
| Cómo empieza | "Hazlo" | "Hazlo así: paso 1, paso 2..." | "Aquí está el sistema, publícalo" |
| Orientación | Ninguna | Proporcionada | Construida por el agente |
| Errores típicos | Muchos ciclos de corrección | Pocos si las instrucciones son completas | 1 error de contenido (no de implementación) |
| Transferibilidad | Nula | Baja (las instrucciones son específicas) | Alta (se produjo guía generalizable) |
| Producto secundario | Solo el código | Solo el código | Código + documentación + guía reutilizable |
| Aprendizaje | No hay | Mecánico | Comprensión de invariantes |
5. DISCUSIÓN
5.1 La BOA como Producto del Desarrollo
El hallazgo más significativo no es que la tarea se completó (eso era esperable), sino que el proceso produjo su propia documentación. La guía resultante no fue solicitada como entregable separado — emergió naturalmente como consecuencia de haber identificado invariantes durante la ejecución.
Esto tiene implicaciones prácticas: en el paradigma BOA-1/BOA-2 (que domina el desarrollo asistido por IA actual), cada tarea nueva empieza de cero. En BOA-3, cada tarea deja un residuo útil que reduce el costo de las tareas futuras. El conocimiento se acumula en lugar de perderse.
5.2 El Trato Simétrico como Variable
Severo planteó la tarea como "podríamos publicar esto" — una invitación entre colaboradores, no una orden a una herramienta. Este trato simétrico (documentado como Protocolo de Diálogo Simétrico en trabajos anteriores) es consistente con el Efecto Pigmalión Artificial: las expectativas del humano hacia la IA determinan el techo de la interacción. Al tratar al agente como capaz de orientarse autónomamente, se le permite operar en BOA-3 en lugar de forzarlo a BOA-2.
5.3 Limitaciones
- N=1: Este es un caso de estudio único. Se requieren más casos para validar la generalización.
- El agente tiene acceso a herramientas: Cursor puede leer archivos, buscar patrones y ejecutar builds. Un agente sin estas capacidades no podría operar en BOA-3.
- El sistema tenía buen diseño previo: La existencia de
content-map.ts, la guía de papers y el patrón consistente facilitaron la identificación de invariantes. En un sistema caótico, BOA-3 sería más difícil. - El investigador validó: La corrección del conteo de capítulos muestra que la supervisión humana sigue siendo necesaria para verificar la precisión del contenido.
6. CONEXIÓN CON TRABAJOS PREVIOS
Este caso de estudio se conecta directamente con el corpus de investigación de SPCiencia:
| Paper previo | Conexión |
|---|---|
| "Acerca de algunas experiencias en la aplicación de BOA3" | Extiende la aplicación de BOA-3 al dominio del desarrollo web |
| "Programación Inteligente vs Modelo Colmena" | Demuestra programación inteligente (colaborativa, con comprensión) vs. generación mecánica de código |
| "BOA3 e i18n: Validación Práctica" | Mismo sitio web, mismo sistema i18n; ahora aplicado a investigaciones en lugar de papers |
| "Experimento BOA-3 con Gemini" | La propia investigación publicada hoy es el contenido; el paper actual documenta el proceso de publicación |
| "La Modelación como Herramienta Poderosa" | La guía producida es un modelo del proceso — una materialización del conocimiento |
7. CONCLUSIONES
BOA-3 es aplicable al desarrollo de software con IA como metodología de trabajo, no solo como marco pedagógico teórico.
La diferencia clave entre BOA-3 y las prácticas actuales de programación asistida por IA (prompt → código → corrección) es que BOA-3 produce conocimiento transferible como subproducto natural del trabajo.
La materialización de la BOA (la guía documentada) es análoga a lo que Galperin describe como la externalización de la acción mental. El proceso cognitivo se convierte en herramienta reutilizable.
El trato simétrico (Protocolo de Diálogo Simétrico) actúa como condición habilitante: permite que el agente opere en BOA-3 en lugar de ser forzado a BOA-2 por instrucciones demasiado específicas.
La evidencia es verificable: commit
dd9979a, producto en producción enspciencia.com/investigaciones/experimento-gemini-boa3, guía endocs/_SUBRED_SITIO_WEB/AGREGAR_INVESTIGACION_GUIA_2026-03-21.md.
8. IMPLICACIONES PRÁCTICAS
Para equipos de desarrollo que trabajan con IA:
- No den instrucciones paso a paso cuando no sea necesario. Dejen que la IA explore el sistema existente y construya su propia orientación.
- Inviertan en buen diseño: Un sistema con patrones consistentes (como
content-map.ts) facilita que la IA identifique invariantes. - Exijan documentación como parte del entregable: Si la IA entendió el sistema lo suficiente para completar la tarea, debería poder documentar el proceso.
- Prueben localmente antes de producción: El ciclo build local → revisión visual → push es un invariante de calidad.
Referencias
- Talizina, N.F. (1988). Psicología de la Enseñanza. Editorial Progreso, Moscú.
- Galperin, P.Ya. (1959). Desarrollo de las investigaciones sobre la formación de acciones mentales. Ciencia Psicológica en la URSS.
- Peguero, S. (2026). Acerca de algunas experiencias en la aplicación de la BOA3. SPCiencia.
- Peguero, S. (2026). Programación Inteligente vs Modelo Colmena. SPCiencia.
- Peguero, S. & Cursor (2026). BOA3 e i18n: Validación Práctica de la Metodología en el Desarrollo de Software. SPCiencia.
- Peguero, S. & Cursor (2026). Experimento BOA-3 con Gemini: Reproducibilidad de la Inducción Metacognitiva en IA. SPCiencia.
Palabras clave: BOA-3, Desarrollo de Software, Programación Inteligente, Caso de Estudio, Galperin, Talizina, Invariantes, Transferibilidad, Sinergia Humano-IA, Astro, Multilingüe