Instagram Direct rediseñó la interfaz de Android con una arquitectura nativa para IA sobre Jetpack Compose
Public- 01 Oct, 2026

Instagram Direct es una de las superficies más importantes de Instagram: por ella pasan miles de millones de mensajes cada día. Durante muchos años, el equipo estuvo extrayendo microoptimizaciones del sistema heredado de Android View, hasta que se topó con un problema: mantener y ampliar una superficie heredada muy optimizada resultaba cada vez más caro, ya que aumentaban la deuda técnica y la carga de ingeniería, sobre todo en un contexto en el que la interfaz declarativa y los asistentes de IA para escribir código se habían vuelto la norma. En lugar de tratar la adopción de Compose como una modernización más de la interfaz, Meta se fijó un objetivo más ambicioso: rediseñar la base de código y su arquitectura para que fuera nativa para IA desde el origen, multiplicando así el impacto de la IA mucho más de lo que habría logrado una simple adaptación del código existente.
Los resultados se midieron con precisión. Jetpack Compose permitió a Instagram Direct reducir el volumen total de código de UI en un 50 %, acelerar la ejecución de tareas por parte de los agentes de IA en un 35 %, disminuir en un 32 % el número de intercambios entre ingeniero y agente y bajar en un 33 % el coste de tokens por sesión de agente. La naturaleza declarativa de Compose es clave en esto: el código se vuelve conciso, predecible y estructuralmente más fácil de interpretar para los modelos de IA, con menos efectos secundarios, menos estado implícito y límites más claros entre componentes. Son precisamente esas propiedades las que permiten a la IA producir resultados de mayor calidad, y generar menos código se asocia directamente con un menor coste de tokens por tarea.
El equipo aprendió lecciones duras sobre lo que ocurre cuando se apunta la IA a código mixto. En una base de código con mucho RecyclerView, el atajo tentador es incrustar componentes de Compose dentro de la jerarquía de View existente. Como paso de migración a corto plazo es válido, pero a largo plazo las herramientas de IA toman el camino de menor resistencia: cuando el código declarativo y el imperativo se mezclan, la IA tiende a fusionarlos de forma incorrecta, e introduce errores sutiles, deuda técnica y regresiones de rendimiento. Algunos ejemplos concretos: un feature flag que se lee en código imperativo y luego se captura dentro de una lambda de Compose; o un campo mutable que vive en la clase del elemento en lugar de en su estado de UI, de modo que sobrevive al rebinding y al reciclaje de RecyclerView entre filas y provoca errores muy penosos de reproducir. Las barreras de seguridad y las skills ayudan, pero no bastan, porque la IA, al topar con fricción, buscará la manera de esquivarlas.

La solución es un par de reglas prácticas. Un elemento de lista puede conservar su propia abstracción, pero todo el código de Compose debe residir en el constructor como content, con los argumentos del constructor como única fuente de datos y sin acceso a miembros de la clase ni a estado mutable. Así el elemento resulta equivalente a una función @Composable normal y sigue ajustándose a la arquitectura existente. La migración se organizó en dos pasos por pantalla: primero identificar patrones comunes y casos límite, y después aplicarlos de forma sistemática, de modo que un ingeniero definiera de antemano la arquitectura y los casos complicados mientras los demás se ocupaban de dejarlo todo listo para producción. Varios ingenieros ejecutaron sus propios agentes de IA sobre una base de conocimiento compartida de skills y convenciones reutilizables, lo que mantuvo sincronizados los flujos de trabajo y las buenas prácticas en todo el equipo y redujo drásticamente el redescubrimiento de decisiones ya tomadas.
La escala era enorme. Cada componente de UI puede renderizarse en más de 160 combinaciones distintas de estado, y una sola pantalla de conversación gestiona más de 200 tipos de mensaje diferentes. El equipo migró gradualmente a Compose varios cientos de elementos de lista dentro de la arquitectura RecyclerView existente, y los desplegó en grupos pequeños e independientes mediante pruebas A/B, sin ninguna alteración visible de la experiencia de mensajería. El rendimiento siguió siendo el objetivo número uno: las métricas se registraban en tiempo de ejecución en producción, lo que permitía al equipo realizar pruebas A/B que comparaban la UI migrada a Compose con la UI heredada.

Un análisis interno comparó sesiones de agentes de IA que trabajaban en UI de Compose con las mismas tareas realizadas con Android Views, mediante una puntuación de riesgo que evalúa la calidad del código y la probabilidad de que un cambio cause incidentes en producción. Cuando la puntuación de riesgo acumulada de un archivo se duplica, Android Views reducía la eficiencia de recursos del agente (medida como consumo de tokens, tiempo de ejecución e interacciones entre ingeniero y agente) en un 30 % por carácter integrado, mientras que con Compose la caída era de solo un 9 %. Como siguiente paso natural, el equipo está sustituyendo el núcleo basado en RecyclerView por LazyColumn, manteniendo los componentes de Compose abstraídos del framework que los contiene y conmutables en tiempo de ejecución mediante feature flags, para conservar las pruebas A/B y un árbol de composición ininterrumpido.