Tinet
Volver

Le diste IA a tu equipo y el sprint no se acortó, ¿por qué?

Los asistentes de programación aceleraron la escritura de código, pero los tiempos de entrega casi no cambiaron.

Artículo

Imagínate el lunes, en la planificación del sprint. Hace unos meses tu equipo recibió asistentes de programación con IA, como Copilot, Cursor y Claude Code, con la expectativa de obtener más resultados y más rápido, y es cierto que el código que antes tomaba un día ahora aparece en minutos. Sin embargo, el equipo estima este sprint casi igual que el anterior, con dos semanas, el mismo alcance y los mismos riesgos. Si te suena familiar, no eres el único y tu equipo no está haciendo nada mal.

La paradoja, en cifras

La adopción de la IA en los equipos de software es casi universal. Según la investigación DORA de Google, que cada año encuesta a miles de profesionales de tecnología, el 90 % de los desarrolladores usa IA a diario. Pero programar más rápido no se ha traducido en entregar más rápido: en su informe de 2024, DORA encontró que a medida que subía la adopción de IA el rendimiento de las entregas bajaba cerca de un 1,5 % y su estabilidad cerca de un 7,2 %, y concluyó que mejorar el proceso de desarrollo «no mejora automáticamente la entrega de software». El informe de 2025 agregó que si se aumenta la velocidad sin invertir en calidad, los cuellos de botella simplemente se mueven a las etapas posteriores. Anthropic, la empresa detrás de Claude Code, lo resumió en su Manual de SDLC nativo de IA diciendo que el código ya no es donde se atasca el proceso sino más bien lo son los pasos a velocidad humana que lo rodean.

Cuando uno mira cómo pasan un sprint los equipos reales, el tiempo se concentra en tres áreas y ninguna es escribir código. La primera es aclarar la historia: llega con un título, unas pocas líneas y criterios de aceptación que significan cosas distintas para cada persona, así que comercial interpreta una cosa, desarrollo otra y control de calidad una tercera, y el equipo gasta horas en reuniones de refinamiento mientras las inconsistencias que quedan aparecen después, cuando el código ya está escrito. La segunda es esperar al experto, porque antes de diseñar el cambio alguien tiene que responder qué reglas de negocio aplican, de qué depende el módulo y qué se rompe si se modifica, y en la mayoría de las organizaciones esas respuestas están en la cabeza de una o dos personas, normalmente el líder técnico o un desarrollador veterano, de modo que su agenda termina siendo la fecha de entrega real. La tercera son las pruebas manuales: cuando el código está listo hay que comprobar que funciona y que no se dañó nada más, y en muchos equipos la regresión sigue siendo en gran parte manual, lenta y tediosa, y es lo primero que se recorta cuando los plazos aprietan.

Entonces, ¿dónde va el tiempo?

El tiempo no se dedica a la programación

1. Aclarar la historia

Una historia de usuario llega con un título, unas pocas líneas de descripción y criterios de aceptación que significan cosas diferentes para cada persona. El departamento comercial interpreta una cosa, el de desarrollo otra y el de control de calidad una tercera. El equipo pasa horas en reuniones de refinamiento, y las inconsistencias que persisten se manifiestan más tarde, cuando el código ya está escrito.

2. Esperando al experto

Antes de que alguien pueda diseñar el cambio, alguien tiene que responder las preguntas que solo las personas con experiencia pueden contestar: qué reglas de negocio se aplican, de qué depende este módulo, qué dejará de funcionar si lo modificamos. En la mayoría de las organizaciones, esas respuestas están en la mente de una o dos personas, por lo general el líder técnico o un desarrollador veterano. Su agenda se convierte en la verdadera fecha de entrega del equipo.

3. Pruebas manuales

Una vez que el código está listo, alguien tiene que comprobar que funciona y que no se ha dañado nada más. En muchos equipos, las pruebas de regresión siguen siendo en gran medida manuales. Son lentas, tediosas y, cuando los plazos apremian, son lo primero que se elimina.

Un asistente de programación trabaja en medio de esta cadena y acelera la escritura, pero no puede aclarar una historia sobre la que nadie se puso de acuerdo, no conoce las reglas de negocio que nunca se escribieron y no asegura que el sistema siga funcionando. Además, cuando recibe una instrucción ambigua rellena los vacíos por su cuenta, y el resultado es código que compila, parece razonable e implementa decisiones que nadie tomó.

Una semana diferente

Para este sprint diseñamos Suite Loica, y el video al inicio de este artículo lo sigue de lunes a viernes. Es la misma semana paso a paso, con la persona que aprueba cada etapa. Primero, GenDEV convierte una necesidad de negocio en una historia de usuario con criterios de aceptación claros y revisa si ya existe algo parecido en el código, y el propietario del producto la aprueba. Después, GenDEV responde las preguntas que hoy dependen del experto, como reglas de negocio, dependencias e impacto, y con esas respuestas GenDEV entrega el diseño técnico, que aprueba el líder técnico.

Luego el desarrollador lo construye con el asistente que ya usa, que implementa y no decide. Al final GenQA hace las pruebas a partir de la misma historia, con evidencia para cada caso. Todo se apoya en el KDB, la memoria de la empresa, que mantiene actualizados el código, las reglas y las decisiones de cada sistema y vive solamente en la infraestructura del propio cliente.

El asistente implementa, no decide

Hay una idea en este flujo que importa más que cualquier herramienta. Cuando un desarrollador le da una instrucción vaga al asistente, este decide: elige el enfoque, adivina los casos extremos y asume cómo se comportará el resto del sistema, y esas decisiones quedan invisibles hasta que algo falla en producción. Cuando le da un diseño aprobado, el asistente implementa, porque las decisiones ya las tomaron las personas adecuadas en el momento adecuado y quedaron documentadas, y entonces su velocidad deja de ser un riesgo y pasa a ser simplemente velocidad. La misma lógica cierra el ciclo, ya que GenQA prueba a partir de la misma historia que GenDEV especificó, así que lo que se especificó es lo que se certifica y no aparece una tercera interpretación en el medio.

Lo que sucedió en equipos reales

En los equipos donde hemos aplicado el flujo completo, las historias se entregan en aproximadamente la mitad del tiempo. El cambio más grande se ve en las pruebas: en un proyecto con una empresa de distribución de energía, una regresión completa de 186 casos pasó de 264 horas a 22, es decir, de unos 85 minutos por caso a unos 7, alrededor de 12 veces más rápido y con más de un 90 % menos de tiempo dedicado a comprobar que nada fallara. Nada de esto exigió cambiar de herramientas, porque el equipo mantuvo sus repositorios, su sistema de seguimiento de proyectos y sus asistentes de programación, y lo que cambió fue lo que pasa antes y después del código.

Te sugiero hacerte tres preguntas esta semana:

  1. Una es en qué se fue realmente tu último sprint: toma tres historias recientes y reparte el tiempo entre aclarar dudas, esperar respuestas, programar y probar, y si programar resulta ser la parte más pequeña, un asistente más rápido no va a cambiar mucho.
  2. Otra es a quién está esperando tu equipo, porque si siempre son las mismas una o dos personas las que responden sobre reglas y dependencias, su agenda es tu fecha de entrega.
  3. La última es qué parte de tu regresión sigue siendo manual y, cuando el plazo está ajustado, qué parte de ella se omite.

Ya es viernes y el sprint terminó, y lo que se especificó es lo que se certificó. La IA ya abarató escribir código, y los equipos que van a entregar más rápido son los que resuelvan el resto de la semana, con historias claras, respuestas que no dependan del calendario de una sola persona y pruebas que demuestren lo que se prometió. En Tinet desarrollamos Suite Loica sobre un principio, que la IA produce y tu equipo decide.

No te pedimos que nos creas a pies juntillas. Pruébalo con un equipo y un caso real, y decide con tus propios datos. Para partir te ofrecemos una sesión de 45 minutos con nuestro equipo, sobre tu código real y sin presentaciones de diapositivas, y la primera conversación es un diagnóstico, no una demostración.

Fuente: DORA, “Accelerate State of DevOps Report 2024” y “State of AI-assisted Software Development 2025” (Google Cloud); Anthropic, “The AI-Native SDLC Playbook” (2026).

Leer el siguiente

Las vulnerabilidades de PHP, son solo el comienzo Artículo

Las vulnerabilidades de PHP, son solo el comienzo

Las vulnerabilidades críticas de PHP de esta semana fueron detectadas por inteligencia artificial en código con más de una década de antigüedad. Las próximas podrían estar en cualquier tecnología que utilices. La pregunta es si conoces tus propios sistemas lo suficientemente bien como para detectarlas.