Nordic Semiconductor sumó asistencia por inteligencia artificial al desarrollo sobre sus microcontroladores inalámbricos para IoT, con flujos que cubren el ciclo de vida completo, desde el primer prototipo hasta la gestión de una flota desplegada.
¿Qué diferencia hay con copiar y pegar de ChatGPT?
Muchos desarrolladores ya hacen copy/paste desde LLMs entrenados con datos genéricos, con resultados desiguales. La propuesta de Nordic es entrenar el agente específicamente sobre la documentación del nRF Connect SDK y los datos operativos de nRF Cloud, e integrarlo con el IDE habitual del desarrollador. La compañía también promete un costo de tokens significativamente menor al de un LLM general, gracias al modelo especializado.
La integración funciona con Claude Code, Cursor, GitHub Copilot o cualquier otro asistente LLM compatible, sin necesidad de cambiar de herramienta.
¿Cómo funciona la integración con MCP?
El backend está basado en una implementación del Model Context Protocol (MCP), el estándar abierto que Anthropic propuso para conectar LLMs con fuentes de datos validadas. Los servidores MCP de Nordic exponen al agente acceso a:
- Documentación del nRF Connect SDK
- Referencias de la API
- Configuraciones de dispositivo
- Datos de campo del cliente cargados a nRF Cloud
Los puntos clave de la propuesta, según la propia Nordic:
- Conectado a la documentación del nRF Connect SDK y a los datos de nRF Cloud
- Compatible con asistentes IA como Claude Code, Cursor o GitHub Copilot
- Diseñado para asistir, no para reemplazar, al desarrollador
- Cubre el ciclo completo, desde el prototipado hasta la gestión de flota
¿En qué tareas concretas ayuda?
Nordic enumera varios escenarios: migrar entre versiones del SDK, hacer board bring-up de placas custom y diagnosticar caídas en dispositivos desplegados. El agente también ayuda a automatizar tareas tediosas, acelerar el prototipado y simplificar el debugging.
La compañía publicó varios videos demostrativos: migración asistida por IA, identificación de dispositivos defectuosos en la flota, control del costo de IA, troubleshooting de errores reportados por usuarios, generación de archivos DeviceTree y Kconfig, validación previa a un release y agregado de comandos de shell.
Cuidado: no es vibe coding
El detalle clave: hay que ser específico y revisar el código que genera el agente. En el video oficial sobre DeviceTree, por ejemplo, el agente agregó periféricos aleatorios (un botón y LEDs extra) que tuvieron que corregirse manualmente.
Eso deja claro que estas herramientas siguen siendo para ingenieros: el prompt debe ser preciso y técnico. No se puede "vibe codear" un board bring-up completo. El agente IA funciona como un becario, o como un senior alcoholizado: en cualquiera de los dos casos, no se le puede dejar trabajar solo y necesita supervisión.
El argumento de fondo es relevante porque la IA suele presentarse como una amenaza para los puestos de software, pero la evidencia reciente muestra que es sobre todo una herramienta. Algunas empresas despidieron ingenieros por IA y luego tuvieron que recontratarlos por el costo prohibitivo del modelo. Hay quienes sostienen, incluso, que el número de ingenieros podría subir antes que bajar: si el desarrollo de firmware se abarata, la demanda total crece.
Quien quiera probarlo puede revisar los ejemplos y el material de inicio en el sitio web de Nordic.
