En proyectos reales, gran parte del trabajo consiste en mejorar código que ya existe. ChatGPT o Claude pueden acelerar estas tareas si les damos el contexto adecuado:

  1. Prepara un prompt bien armado. Incluye el lenguaje y versión, el framework, la arquitectura y las restricciones de tu proyecto Adjunta el snippet de código relevante; un modelo genérico necesita ese contexto para dar respuestas útiles.

  2. Pide un refactor guiado. En vez de generar algo desde cero, solicita que identifique problemas de diseño en tu método o servicio, proponga una versión refactorizada separando responsabilidades y sugiera los tests unitarios que deberían existir antes y después del cambi. La IA suele detectar patrones repetidos, branches complejos o nombres poco claros.

  3. Solicita casos de prueba y edge cases. Dale una función y pide que enumere pruebas unitarias (felices y de error) y al menos cinco casos borde que valga la pena contemplar. Muchas veces recordará escenarios que pasaste por alto.

  4. Valida en tu pipeline. Las sugerencias de la IA son un borrador. Ajusta el código a tus convenciones y pasa linters, type‑checkers y las baterías de tests antes de mergear.
    Otro desarrollador debe revisar el pull request; la IA no sustituye el code review.

  5. Protege información sensible. No envíes secrets ni datos privados; anonimiza nombres y claves

Estoy trabajando en un servicio de TypeScript 5 con NestJS (arquitectura hexagonal).
El método `procesarPedido` maneja demasiadas tareas.

1. Señala problemas de diseño.
2. Propón una versión refactorizada separando responsabilidades.
3. Sugiere tests unitarios (Jest) para cubrir casos felices y edge cases.
4. Indica si hay patrones repetibles que podría abstraer.

Código:
... aquí pega tu método ...

 

Este tipo de petición convierte a la IA en un asistente de refactor y QA, no en un generador genérico. Ajusta sus sugerencias a tu realidad y deja que tu pipeline y tu criterio hagan el resto.