La industria del software está viviendo un cambio profundo. Impulsado por fuerzas que avanzan con o sin nuestro consentimiento, lo que vemos hoy podría marcar el comienzo del acta de defunción de una idea que muchos defendimos desde una mirada humanista: que desarrollar software no es solo una ciencia exacta, sino también un oficio artesanal, hecho de criterio, contexto y sensibilidad.

Eso parece que quedará atrás con la incorporación de la IA en la industria y el desplazamiento de los humanos, en el mejor de los casos, a otros roles. Muchos corren a tomar postura. Hay quienes desconfían de todo y adoptan el escepticismo como escudo; otros se entregan al entusiasmo sin reservas, creyendo que la revolución de la IA ya “puso todo sobre la mesa” y todo lo anterior ha quedado obsoleto; y también están los que, desde una mirada más rebelde, rechazan esta ola como si fuera una moda corporativa más. Pero quizás el enfoque más lúcido no sea ni resistirse, ni rendirse, ni reescribirlo todo antes de entender lo que está pasando.

Lo verdaderamente responsable —y estratégico— podría ser surfear esta nueva ola con inteligencia, sin imponerle un destino, observando sus corrientes, sus promesas y sus peligros. Porque no se trata de decir que esto es el futuro; se trata de ver si es un futuro que realmente vale la pena construir y al que nos queremos o podemos subir.

Lo cierto es que la ola está arrastrando ya a una buena parte de la industria: no solo más del 90 % de los desarrolladores admiten usar herramientas de IA para escribir código, sino que las grandes consultoras lanzan estrategias AI-first. Muchas organizaciones se apresuran a morder el anzuelo de la eficiencia ($$$).

Ignorar esta ola es quedarse fuera; creer ciegamente es exponerse a riesgos que aún no comprendemos del todo; y adelantarse con radicalidad puede implicar destruir modelos que funcionan y nos han costado mucho construir.

Las visiones de un futuro que está tocando la puerta.

Nos guste o no, la figura del desarrollador humano comienza ya a rodearse —y a veces a diluirse— entre estos agentes autónomos que colaboran como si fueran un equipo. Cada uno con su rol: uno genera código, otro lo revisa, un tercero lo prueba y otro más lo despliega. Son codebots trabajando en cadena, como un escuadrón digital que opera bajo instrucciones humanas, pero cada vez con más iniciativa propia. Ojo.

Un poco más adelante se ve otra posibilidad que emerge, más inclusiva si se quiere, pero igual de “caótica”: escribir software con solo hablar. Bastaría una instrucción clara en lenguaje natural para construir una app, refactorizar un módulo o ajustar una API. Esto abre la puerta a perfiles no técnicos que podrían crear soluciones complejas sin saber programar. Pero con ello aparece un riesgo: ¿quién garantiza que esas soluciones sean seguras, escalables, sostenibles? El desarrollo podría democratizarse, sí, pero también volverse ingobernable si no se estructura con criterio. Islas de información. Ya nos ha pasado antes.

Y en el horizonte más radical y lejano (pero no por mucho), los que han liderado el pensamiento también proponen una visión aún más disruptiva: abandonar las reglas del juego actuales: ¿Y si el código como lo conocemos ya no fuera necesario? ¿Y si diseñáramos software desde cero, partiendo del potencial de la IA, en lugar de adaptarla a las arquitecturas actuales? No se trataría solo de escribir más rápido, sino de repensar qué significa crear tecnología en un mundo donde las máquinas también saben imaginar.

El futuro aún no está escrito, pero los trazos ya comenzaron. Y lo que decidamos hoy, en los experimentos y pilotos que ejecutemos, definirá las formas de poder digital que vendrán.

Lo que ya está aqui: Synthetic Teams

Los llamaremos Synthetic Teams: unidades operativas compuestas por codebots, agentes de inteligencia artificial que colaboran entre sí —y en algunos casos con humanos— para ejecutar tareas complejas de desarrollo de software de forma autónoma o semiautónoma. A diferencia de un simple asistente de código, cada agente en un synthetic team puede asumir roles específicos (como escribir, probar, revisar o desplegar código), interactuar con otros agentes, tomar decisiones locales y contribuir al objetivo común del sistema. Estos equipos no son simplemente herramientas automatizadas, sino estructuras funcionales diseñadas para imitar —y en ciertos aspectos ampliar— la dinámica de un equipo de desarrollo humano, operando con velocidad, consistencia y escalabilidad inéditas.

En este escenario, el rol del humano cambia: ya no es quien hace, sino quien orquesta, quien hace de “mentor de codebots”. Esta ya no es una visión, es la realidad que, más allá de nuestra preferencia, las grandes consultoras globales están empujando, unas con los motivos correctos, otras por novelería o simplemente en el modelo de crecimiento infinito que les obliga a buscar cómo monetizar.

Ya nos referiremos en otro post al problema profundo, de largo plazo y de múltiples aristas (incluida la social) que la visión de “un viejo sabio y mentor de codebots” involucra. Por el momento aceptamos esta realidad, pero le damos ese nombre para poder maerializarlo y luego tratarlo.

El punto común: evitar deja-vú’s

A finales de los noventa, el mundo empresarial vivió una fiebre contagiosa: todo debía tener un “.com”. Surgieron miles de empresas digitales de lo que antes era tangible, donde lo importante era el logo, no el modelo de negocio. El capital fluía, las promesas se inflaban, y muchas se desvanecieron cuando la realidad tecnológica no estuvo a la altura del entusiasmo.

Lo vimos también con las mal llamadas transformaciones digitales: ambiciosas en su narrativa, tímidas en su ejecución. Mucho maquillaje, poca cirugía real. Interacciones con clientes que se digitalizaron, sí, pero que dejaron intactos procesos internos ineficientes, silos de información y tecnologías obsoletas. Se pintó de “digital” lo que seguía oliendo a papel.

Hoy vivimos un fenómeno similar, con otro nombre: inteligencia artificial generativa. Los titulares anuncian una revolución que cambiará la forma de trabajar, y en parte es cierto. Pero si miramos con atención, el patrón se repite.

Lo mismo puede ocurrir ahora: que la IA prometa eficiencia sin transformar verdaderamente la forma de entregar valor. Y eso tiene consecuencias.

El reto al mindset sigue vigente: productividad ≠ entrega de valor

La adopción es masiva: 95 % de los desarrolladores ya usa asistentes de código, según Thoughtworks. Bosch Digital dice que no lo pidieron: lo rogaron. GitHub Copilot, por ejemplo, suma más de un millón de suscripciones pagadas y 50 mil empresas clientes.

Pero cuidado: esa aceleración en la escritura de código podría estar desplazando los cuellos de botella, no eliminándolos. Si tu pipeline de pruebas y despliegue sigue siendo lento, todo ese nuevo código solo genera más congestión y más riesgo. El lead time (tiempo que toma poner productiva una idea) no baja; a veces incluso sube.

Y el impacto en la calidad es real: los refactorings generados por IA son correctos solo un 37 % de las veces. Más grave aún, quienes trabajan con IA tienden a creer que su código es más seguro… cuando en realidad es más vulnerable.

Así, muchas organizaciones creen estar avanzando más rápido, cuando en realidad están acelerando hacia el lugar equivocado.

¿Probarlo? Ok, pero con disclaimer. ¿Pilotos? Bueno, pero “inteligentemente”.

Adoptar sin estrategia no solo es ineficiente, es riesgoso. Ya hay demandas en curso por violación de derechos de autor debido al entrenamiento de modelos generativos. Las prácticas de testeo automatizado no siempre están integradas. Las decisiones se toman en base a “sugerencias” que nadie valida. Y en paralelo, se incrementa la deuda técnica en nombre de una velocidad mal entendida.

Esto no es un argumento contra la IA. Al contrario: es una invitación a tomarla en serio. La clave no es lanzarse, es probar con criterio. No basta con hacer “pruebas de concepto”. Hay que diseñar pilotos controlados, con hipótesis claras, equipos acotados, métricas de flujo, y aprendizaje continuo. ¿Qué medir?

• ¿Disminuye el lead time real, de principio a fin?
• ¿La calidad del código mejora o se erosiona?
• ¿El cliente recibe más valor o solo más funciones?

Un piloto bien diseñado no busca solo eficiencia: busca evidencia de valor. Porque la IA en desarrollo de software no es una herramienta más. Es una ola de cambio que requiere rediseñar prácticas, roles y métricas.

¿Surfear la ola? Ok, pero bien acompañado

Y aquí es donde muchas organizaciones se equivocan y se han equivocado constantemente. Intentan adoptar estas tecnologías: 1) solos, y, 2) con el mismo mindset con el que integraron otras modas corporativas. Con suerte, confían en consultores generalistas. O se apoyan en figuras como el “agile coach” clásico — muchas veces un scrum master glorificado, bien intencionado, pero muchas veces atrapado en un marco mecánico y con una visión muy corta, midiendo el WIP como si fuera el centro del universo, incluso cuando el equipo entrega bien sin usarlo.

Lo que hace falta no es más metodología. Lo que hace falta es más criterio. Y eso es precisamente lo que representa el rol del Agile Strategist: alguien con capacidad técnica, visión de negocio y experiencia en agilidad aplicada. Una figura que entiende el flujo de valor, que sabe cuándo un proceso aporta y cuándo es ruido, que conoce los marcos pero no se esclaviza a ellos.

El Agile Strategist no viene a evangelizar ni a vender humo. Viene a ayudarte a pensar estratégicamente cómo adoptar la IA sin perder el control del producto, del equipo ni del negocio. Porque no se trata solo de hacer más rápido, sino de decidir mejor. De gobernar el cambio, no de surfearlo a ciegas.

Si vas a hacerlo, hazlo bien

La IA generativa ya es parte del presente en el desarrollo de software. Los que todavía no lo ven, necesitan subir una marcha y simplemente aceptarlo. Les ayudamos: aceptarlo no es estar de acuerdo. Es reconocer que ese mundo ya cambió, nos guste o no. Debemos disponernos a abordarlo, ya sea para apoyarlo o para denunciarlo. Probablemente lo más inteligente este entre esas dos opciones.

Pero sí, encontrarle una ventaja competitiva dependerá de cada uno. Pero solo si sabes cómo integrarla sin multiplicar tus riesgos operativos, reputacionales y técnicos.

En Itera nunca no nos enamoramos del hype. Al ser realidades innegables, y al ser nosotros Consultores Agiles, los observamos, los desarmamos, los ponemos a prueba, porque eso es lo que esta viviendo nuestro cliente, más allá de nuestras preferencias. Y luego, lo traducimos en estrategias reales, accionables y seguras para ellos.

¿Estás listo para surfear esta ola de forma inteligente? Hablemos. Podemos ayudarte a construir tu propio estrategia frente al paradigma AI-First Software Delivery.

Sin humo. Sin recetas. Con criterio, con experiencia. Con estrategia. Pero más que nada, con mentalidad ágil.