Aprendizaje automático aplicado al desarrollo de software

Abstract

desarrollo de software se enfrenta a una evolución constante debido al impacto de nuevas tecnologías, entre ellas el aprendizaje automático, que ha demostrado un gran potencial para mejorar la eficiencia y precisión en diversas etapas del proceso. A medida que la industria del software continúa avanzando hacia una mayor automatización, es crucial evaluar cómo se están adoptando estas técnicas y cuáles son las principales limitaciones que conllevan. Este trabajo de investigación tiene como objetivo determinar el estado actual de la aplicación del aprendizaje automático en el desarrollo de software, sintetizando los métodos utilizados y formulando recomendaciones para investigaciones futuras, se llevó a cabo una revisión sistemática de la literatura utilizando la metodología PRISMA, la cual permitió garantizar una visión precisa del conocimiento disponible. Los principales resultados indicaron un aumento significativo en la adopción del aprendizaje automático, especialmente en la predicción de fallos, optimización de código y detección de errores, siendo las técnicas más utilizadas las Máquinas de Vectores de Soporte (SVM), Redes Neuronales Convolucionales (CNN) y algoritmos de agrupamiento no supervisado como K-means. Sin embargo, se identificaron limitaciones relacionadas con la calidad de los datos y la necesidad de recursos computacionales elevados. Se concluye que, aunque el aprendizaje automático está transformando el desarrollo de software, los desafíos técnicos y éticos, como la dependencia de datos y los recursos, deben ser abordados para maximizar su impacto. Por tanto, se recomienda continuar investigando enfoques que optimicen su implementación, garantizando la equidad y transparencia en los sistemas desarrollados.