A software artifact for the rapid optimization of llms in the  software development life cycle

Vania Linette Méndez Morales; José Manuel Gómez Zea; José Ángel Jesús Magaña; Alejandro Hernández Cadena; Teresa de Jesús Javier Baeza

doi:10.61117/ipsumtec.v9i1.457

Autores/as

Vania Linette Méndez Morales Tecnológico Nacional de México https://orcid.org/0009-0003-5303-1898
José Manuel Gómez Zea Tecnológico Nacional de México https://orcid.org/0000-0001-7474-5601
José Ángel Jesús Magaña Tecnológico Nacional de México
Alejandro Hernández Cadena Tecnológico Nacional de México
Teresa de Jesús Javier Baeza Tecnológico Nacional de México

DOI:

https://doi.org/10.61117/ipsumtec.v9i1.457

Palabras clave:

Artifact, artificial intelligence, software development, prompt, programmers, tool

Resumen

Artificial Intelligence (AI) plays a key role in modern software development, significantly transforming developers’ design, writing, testing, and maintaining their code. Currently, programmers at various levels have integrated AI-based tools into different phases of the software development life cycle (SDLC), from code generation to deployment. This study analyzes the impact of these technologies on professional practice, identifies the most used tools, and proposes best practices for the responsible adoption of AI, aiming to optimize its implementation efficiently and ethically. As part of this study, a methodological artifact was developed to guide the structured formulation of prompts, functioning as a model to enhance the precision and utility of AI-generated outputs. This artifact was validated through three proof-of-concept use cases (SQL queries, backend development, and deployment in AWS), demonstrating its potential as a knowledge base for teams seeking to incorporate AI tools systematically into their workflows.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Vania Linette Méndez Morales, Tecnológico Nacional de México

Vania Linette Méndez Morales es egresada de la carrera de Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México, Campus Villahermosa (2023), y actualmente cursa una maestría en Tecnologías de la Información en la misma institución. Forma parte de la comunidad académica del Departamento de Sistemas y Computación, y sus áreas de interés incluyen bases de datos, análisis de información, programación y tecnologías emergentes.

José Manuel Gómez Zea , Tecnológico Nacional de México

José Manuel Gómez-Zea es Doctor en Desarrollo Tecnológico por la Universidad Descartes de Ciencias y Tecnología, maestro en Tecnologías de la Computación por la Universidad Mundo Maya. Actualmente se desempeña como profesor investigador en el Tecnológico Nacional de México (TecNM), Campus Villahermosa, Amante de la Ingeniería de Software, la Inteligencia Artificial y las aplicaciones de control industrial mediante el Internet de las Cosas (IoT).

José Ángel Jesús Magaña, Tecnológico Nacional de México

José Ángel Jesús-Magaña obtuvo el título de Ingeniería en Sistemas Computacionales y la Maestría en Sistemas Computacionales en el Instituto Tecnológico de Mérida; así como el Doctorado en Desarrollo Tecnológico por la Universidad Descartes de Ciencia y Tecnología. Actualmente, se desempeña como profesor en el Departamento de Sistemas y Computación y es Coordinador de Desarrollo de Software en el Centro de Cómputo del Instituto Tecnológico Nacional de México, campus Villahermosa.

Alejandro Hernández Cadena, Tecnológico Nacional de México

Alejandro Hernández Cadena es Doctor en Desarrollo Tecnológico por la Universidad Descartes de Ciencia y Tecnología (Tuxtla Gutiérrez, Chiapas, 2020), maestro en Tecnologías Informáticas por la Universidad Mundo Maya e ingeniero en Informática por el Instituto Tecnológico de Villahermosa.

Teresa de Jesús Javier Baeza , Tecnológico Nacional de México

Teresa de Jesús Javier Baeza es una académica mexicana con una sólida formación en el ámbito educativo y tecnológico. Cuenta con una licenciatura en Informática (1993), una maestría en Administración de Tecnologías de la Información (2008) y un doctorado en Educación (2012). Se desempeña como docente en el Tecnológico Nacional de México, Campus Villahermosa, en el Departamento de Sistemas y Computación.

Citas

J. M. Martínez Gómez, M. E. Higuera Marín, Y E. Aguilar Díaz, «Enfoque Metodológico Para El Diseño De Interfaces Durante El Ciclo De Vida De Desarrollo De Software», Gti, Vol. 12, N.º 34, Pp. 59–73, Feb. 2014

S, Shylesh, A Study of Software Development Life Cycle Process Models (June 10, 2017). Available at SSRN: https://ssrn.com/abstract=2988291 or http://dx.doi.org/10.2139/ssrn.2988291

Treude C, Storey MA. Generative AI and Empirical Software Engineering: A Paradigm Shift. 2025 Feb 12 [cited 2025 Oct 18]; Available from: https://arxiv.org/pdf/2502.08108

P. Maddigan and T. Susnjak, "Chat2VIS: Generating Data Visu-alizations via Natural Language Using ChatGPT, Codex and GPT-3 Large Language Models," in IEEE Access, vol. 11, pp. 45181-45193, 2023, doi: 10.1109/ACCESS.2023.3274199.

J. M. Martínez Gómez, M. E. Higuera Marín, Y E. Aguilar Díaz, «Enfoque Metodológico Para El Diseño De Interfaces Durante El Ciclo De Vida De Desarrollo De Software», Gti, Vol. 12, N.º 34, Pp. 59–73, Feb. 2014

S, Shylesh, A Study of Software Development Life Cycle Process Models (June 10, 2017). Available at SSRN: https://ssrn.com/abstract=2988291 or http://dx.doi.org/10.2139/ssrn.2988291 DOI: https://doi.org/10.2139/ssrn.2988291

Treude C, Storey MA. Generative AI and Empirical Software Engineering: A Paradigm Shift. 2025 Feb 12 [cited 2025 Oct 18]; Available from: https://arxiv.org/pdf/2502.08108

P. Maddigan and T. Susnjak, "Chat2VIS: Generating Data Visu-alizations via Natural Language Using ChatGPT, Codex and GPT-3 Large Language Models," in IEEE Access, vol. 11, pp. 45181-45193, 2023, doi: 10.1109/ACCESS.2023.3274199. DOI: https://doi.org/10.1109/ACCESS.2023.3274199

Y. Luo, N. Tang, G. Li, J. Tang, C. Chai and X. Qin, "Natural Language to Visualization by Neural Machine Translation," in IEEE Transactions on Visualization and Computer Graphics, vol. 28, no. 1, pp. 217-226, Jan. 2022, doi: 10.1109/TVCG.2021.3114848. DOI: https://doi.org/10.1109/TVCG.2021.3114848

Alenezi M, Akour M. AI-Driven Innovations in Software Engi-neering: A Review of Current Practices and Future Directions. Applied Sciences 2025, Vol 15, Page 1344 [Internet]. 2025 Jan 28 [cited 2025 Oct 18];15(3):1344. Available from: https://www.mdpi.com/2076-3417/15/3/1344/htm DOI: https://doi.org/10.3390/app15031344

Bejarano MH, Baquero-Rey LE, Bejarano MH, Baquero-Rey LE. AI-Driven Software Development: A Paradigm Shift in Software Engineering. 2025 May 27 [cited 2025 Oct 18]; Available from: https://www.intechopen.com/chapters/1206853

Marar HW. Advancements in software engineering using AI. Computer Software and Media Applications [Internet]. 2024 Feb 1 [cited 2025 Oct 18];6(1):3906. Available from: https://systems.enpress-publisher.com/index.php/CSMA/article/view/3906 DOI: https://doi.org/10.24294/csma.v6i1.3906

Chen, M., Tworek, J., Jun, H., Yuan, Q., De Oliveira Pinto, H. P., Kaplan, J., Edwards, H., Burda, Y., Joseph, N., Brockman, G., Ray, A., Puri, R., Krueger, G., Petrov, M., Khlaaf, H., Sastry, G., Mishkin, P., Chan, B., Gray, S., . . . Zaremba, W. (2021, 7 julio). Evaluating Large Language Models Trained on Code. arXiv.org. https://arxiv.org/abs/2107.03374

Zhang, B., Liang, P., Zhou, X., Ahmad, A., & Waseem, M. (2023). Practices and Challenges of Using GitHub Copilot: An Empirical Study. Proceedings/Proceedings Of The . . . International Con-ference On Software Engineering And Knowledge Engineering, 2023, 124-129. https://doi.org/10.18293/seke2023-077 DOI: https://doi.org/10.18293/SEKE2023-077

Song, D., Zhou, Z., Wang, Z., Huang, Y., Chen, S., Kou, B., ... & Zhang, T. (2023). An empirical study of code generation errors made by large language models. In 7th Annual Symposium on Machine Programming.

Papers, O. D. (22 de 02 de 2022). OECD Framework for the Classification of AI systems. Recuperado el 02 de 05 de 2025, de https://www.oecd.org/en/publications/oecd-framework-for-the-classification-of-ai-systems_cb6d9eca-en.html

Soni, Arpita and Kumar, Anoop and Arora, Rajeev and Garine, Ramakrishna, Integrating AI into the Software Development Life Cycle: Best Practices, Tools, and Impact Analysis (June 10, 2023). Available at SSRN: https://ssrn.com/abstract=4918992 or http://dx.doi.org/10.2139/ssrn.4918992 DOI: https://doi.org/10.2139/ssrn.4918992

Marcillo, F., Castillo Anzules, M. S., & Begnini, L. (2024). Heu-rística aplicada en inteligencia artificial, una revisión sistemáti-ca. Revista Científica Kosmos, 3(2), 81–94. https://doi.org/10.62943/rck.v3n2.2024.100 DOI: https://doi.org/10.62943/rck.v3n2.2024.100

N. A. Sajja, N. D. Thakur, y N. A. Mehra, «Integrating Generative AI into the Software Development Lifecycle: Impacts on Code Quality and Maintenance», International Journal Of Science And Research Archive, vol. 13, n.o 1, pp. 1952-1960, oct. 2024, doi: 10.30574/ijsra.2024.13.1.1837. DOI: https://doi.org/10.30574/ijsra.2024.13.1.1837

Villasís-Keever, M. Á., & Miranda-Novales, M. G. (2016). El protocolo de investigación IV: las variables de estudio. Deleted Journal, 63(3), 303-310. https://doi.org/10.29262/ram.v63i3.199 DOI: https://doi.org/10.29262/ram.v63i3.199

Oyola-García, Alfredo Enrique. (2021). La variable. Revista del Cuerpo Médico Hospital Nacional Almanzor Aguinaga Asen-jo, 14(1), 90-93. https://doi.org/10.35434/rcmhnaaa.2021.141.905 DOI: https://doi.org/10.35434/rcmhnaaa.2021.141.905

Hernandez Mendoza, S., & Duana Avila, D. (2020). Técnicas e instrumentos de recolección de datos. Boletín Científico De Las Ciencias Económico Administrativas Del ICEA, 9(17), 51–53. https://doi.org/10.29057/icea.v9i17.6019 DOI: https://doi.org/10.29057/icea.v9i17.6019

Hamed Taherdoost. Data Collection Methods and Tools for Re-search; A Step-by-Step Guide to Choose Data Collection Technique for Academic and Business Research Projects. International Journal of Academic Research in Management (IJARM), 2021, 10 (1), pp.10-38. ⟨hal-03741847⟩

A. Borgobello, M. P. Pierella, and M.-I. Pozzo, “Ús de qüestionaris en recerca sobre la universitat: anàlisi d’experiències amb una perspectiva situada”, REIRE, vol. 12, no. 2, pp. 1–16, Jul. 2019.

Tom Kwiatkowski, Jennimaria Palomaki, Olivia Redfield, Michael Collins, Ankur Parikh, Chris Alberti, Danielle Epstein, Illia Po-losukhin, Jacob Devlin, Kenton Lee, Kristina Toutanova, Llion Jones, Matthew Kelcey, Ming-Wei Chang, Andrew M. Dai, Jakob Uszkoreit, Quoc Le, Slav Petrov; Natural Questions: A Benchmark for Question Answering Research. Transactions of the Association for Computational Linguistics 2019; 7 453–466. doi: https://doi.org/10.1162/tacl_a_00276 DOI: https://doi.org/10.1162/tacl_a_00276

Murat, P. (2020). Analysis of Multiple-choice versus Open-ended Questions in Language Tests According to Different Cognitive Domain Levels. Novitas - Journal Research on Youth and Lan-guage, 14(2), 76-96.

Fullstory. (03 de December de 2021). What is quantitative data? How to collect, understand, and analyze it. Obtenido de Fullstory BLOG: https://www.fullstory.com/blog/quantitative-data

Leyva López, Hermelinda Patricia, Pérez Vera, Monserrat Gabriela, & Pérez Vera, Sandra Mercedes. (2018). Google Forms en la evaluación diagnóstica como apoyo en las actividades docentes. Caso con estudiantes de la Licenciatura en Turismo. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educati-vo, 9(17), 84-111. https://doi.org/10.23913/ride.v9i17.374 DOI: https://doi.org/10.23913/ride.v9i17.374

Pillajo Sotalín, Adriana Jovita (2019) Guía Digital Del Uso Del Formulario De Google Forms Para La Evaluación En Básica Su-perior Quito Uisrael, Maestría En Educación Mención: Gestión Del Aprendizaje Por Tic Quito: Universidad Israel 2019, 127p. PhD. PhD. RENÉ CORTIJO UIS-RAEL-EC-MASTER-EDU-378-242-2019-012

Mora Naranjo, B. M., Aroca Izurieta, C. E., Tiban Leica, L. R., ánchez Morrillo, C. F., & Jiménez Salazar, A. (2023). Ética y Responsabilidad en la Implementación de la Inteligencia Artificial en la Educación. Ciencia Latina. Revista Multidisciplinar, 7(6), 2054 - 2076. doi:https://doi.org/10.37811/cl_rcm.v7i6.8833 DOI: https://doi.org/10.37811/cl_rcm.v7i6.8833

Owusu, P., Raef, A., & Sharaf, E. (2025). Carbonate Seismic Facies Analysis in Reservoir Characterization: A Machine Learning Ap-proach with Integration of Reservoir Mineralogy and Porosi-ty. Geosciences, 15(7), 257. https://doi.org/10.3390/geosciences15070257 DOI: https://doi.org/10.3390/geosciences15070257

Barney, N. (26 de August de 2024). What is language modeling? Obtenido de TechTarget: https://www.techtarget.com/searchenterpriseai/definition/language-modeling

Menzinsky, A. L., Palacio, J., & Sobrino, M. A. (Agosto de 2022). Historias de Usuario, Ingeniería de Requisitos Ágil. (S. Manager, Ed.) Recuperado el 25 de 04 de 2025, de SafeCreative: https://www.safecreative.org/work/2009135322450?0

J. M. Gómez-Zea, J. Ángel Jesús-Magaña, J. de la Cruz-Alvarez, E. Morales-Romero, y E. Sosa-Silva, «Optimización de la docu-mentación en proyectos de software ágiles: Buenas prácticas y ar-tefactos en el marco de trabajo SCRUM», ProgMat, vol. 15, n.º 3, pp. 51–64, nov. 2023. DOI: https://doi.org/10.30973/progmat/2023.15.3/5

K. K. Ruiz Mendoza, «El uso de ChatGPT 4.0 para la elaboración de exámenes: crear el prompt adecuado: The Use of ChatGPT 4.0 for Test Development: Creating the Right Prompt », LATAM, vol. 4, n.º 2, pp. 6142–6157, ago. 2023. DOI: https://doi.org/10.56712/latam.v4i2.1040

Islam Sakib, M. S. (February de 2023). What is ChatGPT? Obte-nido de researchGate: https://www.researchgate.net/publication/367794587_What_is_ChatGPT

Ortiz, P., & Ortiz, P. (2025, 22 mayo). Chat GPT: qué es, para qué sirve y su aplicación en la economía [explicado por Chat GPT]. EDEM Escuela de Empresa-rios. https://edem.eu/chat-gpt-que-es-para-que-sirve-y-su-aplicacion-en-la-economia-explicado-por-chat-gpt/

M. E. Chávez Solís, E. Labrada Martínez, E. Carbajal Degante, E. Pineda Godoy, y Y. Alatristre Martínez, «Inteligencia artificial ge-nerativa para fortalecer la educación superior: Generative artificial intelligence to boost higher education», LATAM, vol. 4, n.º 3, pp. 767–784, sep. 2023. DOI: https://doi.org/10.56712/latam.v4i3.1113

Belcic, I., & Stryker, C. (2025, 22 mayo). ChatGPT. IBM. https://www.ibm.com/mx-es/think/topics/chatgpt

Bonteanu, A.M.; Tudose, C. Performance Analysis and Im-provement for CRUD Operations in Relational Databases from Java Programs Using JPA, Hibernate, Spring Data JPA. Appl. Sci. 2024, 14, 2743. https://doi.org/10.3390/app14072743 DOI: https://doi.org/10.3390/app14072743

Méndez Morales, V. L.; Gómez Zea, J. M.; Jesús Magaña, J. Á.; Javier Baeza, T. D. J.; Hernández Cadena, A.; de la Cruz Álvarez, J. Model for the Adoption of AI Tools in the Software Devel-opment Life Cycle: A Framework for Prompt Optimization in LLMs. Preprints 2025, 2025091036. https://doi.org/10.20944/preprints202509.1036.v1 DOI: https://doi.org/10.20944/preprints202509.1036.v1