02 · trabajo · ia en la entrega
IA en la entrega: un laboratorio, un flujo de trabajo y tres proyectos
Probé la entrega con IA en un laboratorio de cuatro semanas y luego lideré los cambios de dotación y de flujo de trabajo en tres proyectos de clientes. Los tres entregaron el alcance completo dentro de las fechas comprometidas y del margen financiero proyectado, con un ingeniero trabajando con agentes en lugar de cuatro desarrolladores.
Rol: VP de ingeniería, Teravision
El laboratorio
Empecé los laboratorios yo. El personal sin proyecto asignado tenía tiempo libre entre una colocación y otra, y lo aproveché. Partí de un documento que planteaba mis hipótesis y cómo íbamos a medirlas, con el enfoque de gestión basada en evidencia de mi formación PAL-EBM. Después definí un proyecto, elegí tres equipos según lo que sabía de sus tecnologías, preparé espacios para que colaboraran y les di cuatro semanas.
Los tres equipos construyeron la misma herramienta, para poder comparar los resultados y la calidad del código. Uno usó Flutter y Node, otro Next.js full stack y otro .NET con React. Las tecnologías iban de conocidas a nuevas a propósito.
Los tres terminaron. El mejor resultado vino del equipo con los ingenieros más sénior. Le dieron margen a la IA para construir y luego revisaron lo producido contra los requisitos. Los otros equipos fueron llevando a la IA paso a paso. Algunos ingenieros no confiaban en lo que salía y revisaban cada movimiento, y eso costó velocidad. Donde conocían poco la tecnología, la cautela extra no mejoró la calidad.
Fue un solo experimento, con tres equipos y cuatro semanas. La seniority y la tecnología variaban entre los equipos, así que leí el resultado como una señal y lo probé después en proyectos reales.
El flujo de trabajo
Usé lo aprendido en el laboratorio para cambiar la dotación e introducir herramientas de IA en proyectos de clientes, y después comprobé si la nueva forma de trabajar se estaba usando de verdad. Las primeras iteraciones se quedaron cortas. La capacitación y las conversaciones ayudaron, y aun así algunos ingenieros rehacían a mano lo que la IA ya había producido. El tiempo de desarrollo casi no se movió. Lo descubrí preguntando cómo se había construido cada incremento. Seguí la adopción con una lista de verificación corta y la traté como algo que se mide.
Los equipos evolucionaron hacia un flujo totalmente agéntico, en el que un ingeniero lleva todo el proceso: planificación, premortem, pruebas automatizadas, revisión independiente de código y de seguridad, y aprobación humana antes del lanzamiento.
El resultado
Tres proyectos de clientes pasaron de equipos de cuatro desarrolladores a un ingeniero trabajando con agentes. Los tres entregaron el alcance completo dentro de las fechas comprometidas y del margen financiero proyectado. El alcance y la complejidad fueron los mismos que habían manejado los equipos anteriores de cuatro personas. Los defectos durante el ciclo de desarrollo bajaron cerca de un 40 %, mejoró la calidad en la aceptación de usuarios y la misma configuración pasó al mantenimiento. Las cifras cubren alcance, fechas, margen y defectos. No incluyen el tiempo dedicado a la revisión y la supervisión.
Los ingenieros entregaron el trabajo. Mi parte fue la decisión de dotación y el diseño del flujo de trabajo.
Del laboratorio a un framework
Lo aprendido en los laboratorios fue el punto de partida del Cognitive Leader Framework, que nuestro CEO plasmó en un libro. Yo afiné los conceptos para su implementación y construí la plataforma que lo organiza: los contenidos y las actividades, el seguimiento del progreso entre sesiones y un módulo de PMO para seguir la implementación de cada cliente. También coimparto con nuestro CTO talleres ejecutivos semanales, unas veinte sesiones en dos compromisos a lo largo de doce semanas, uno con un cliente que paga y otro con una organización aliada.