Victor Coimbra ha sido reconocido en la lista Forbes Under 30 Brasil por sus destacadas contribuciones a la innovación en IA. Criado en las afueras de Río de Janeiro, superó importantes barreras sociales y económicas para cofundar las operaciones latinoamericanas de Artefact, que ahora funciona como un centro tecnológico global con 200 empleados. Aporta una profunda experiencia en la ampliación de soluciones de IA y en la creación de equipos tecnológicos de alto rendimiento en mercados internacionales.
Introducción
Durante mucho tiempo, la tecnología ha intentado ser accesible más allá de los que saben codificar. Este proceso ha evolucionado lentamente, desde lenguajes de programación de bajo nivel muy difíciles de entender, como el ensamblador, hasta otros de “alto nivel” mucho más parecidos al lenguaje natural, como el Python. Ahora, estamos rompiendo la barrera para llegar quizá a un proceso completo de codificación en “lenguaje natural”. Herramientas como Cursor AI ya tienen una capitalización de mercado de $100M de dólares, y el término “codificación vibrante” se está popularizando cada vez más.
Por supuesto, esto se encuentra en el espectro extremo de la exageración, y no creo que vaya a sustituir por completo a los experimentados Software o a los Data Engineer. Pero esa no es la cuestión: no necesitamos sustituir esas funciones. A fin de cuentas, muchas necesidades empresariales no son tan complejas; a menudo, una buena hoja de cálculo Excel bien construida puede hacer el trabajo. Ahí es donde reside el valor: hemos desbloqueado la capacidad de los equipos empresariales para crear prototipos de productos con extrema rapidez, ya se trate de una nueva función en su proceso de CRM o de un formulario para capturar valor en algún punto de la cadena de suministro.
Los equipos empresariales podrán crear su propio software “hiperpersonalizado” que vaya más allá de las actuales hojas de cálculo Excel, aliviando la enorme sobrecarga de demanda de los equipos de desarrolladores informáticos y tecnológicos y aportando probablemente requisitos mucho más validados y digeridos, lo que facilitará mucho la vida de los ingenieros. ¿El reto? Desde una perspectiva empresarial, ¿cómo gobierna una empresa esta descentralización sin limitar las ganancias de estos agentes de IA y estableciendo al mismo tiempo una buena gobernanza?
La evolución de la accesibilidad tecnológica
La historia de la informática puede considerarse como una marcha constante hacia la accesibilidad. Los primeros programadores trabajaban directamente con código máquina binario, un proceso laborioso que requería profundos conocimientos técnicos y una precisión extrema. El lenguaje ensamblador proporcionó la primera capa de abstracción, seguido de lenguajes procedimentales como FORTRAN y COBOL que acercaron los conceptos de programación a los patrones de pensamiento humano.
Los lenguajes orientados a objetos como Java y Python simplificaron aún más el desarrollo al organizar el código en objetos conceptuales que reflejan entidades del mundo real. La pasada década vio el auge de las plataformas de bajo código y sin código que introdujeron interfaces de programación visual. Herramientas como Microsoft Power Apps, Bubble y Zapier permitieron a los usuarios empresariales crear aplicaciones básicas a través de interfaces gráficas sin necesidad de escribir código tradicional.
La integración de grandes modelos lingüísticos en el desarrollo representa un salto cualitativo respecto a estas plataformas. A diferencia de sus predecesores, los asistentes de codificación de IA como GitHub Copilot, Cursor AI y Claude entienden el contexto, pueden generar funcionalidades complejas a partir de descripciones en lenguaje natural y aprenden de los patrones de interacción.
“Vibe coding” capta este cambio de paradigma: la capacidad de comunicar la intención en lugar de instrucciones explícitas. Un director de marketing podría simplemente describir: “Necesito un cuadro de mandos que muestre el rendimiento de las campañas en todos los canales con la posibilidad de filtrar por intervalo de fechas y grupo demográfico objetivo”, y recibir como respuesta un código funcional.
Este enfoque tiende un puente sin precedentes entre el pensamiento empresarial y la aplicación técnica. El usuario empresarial no necesita entender variables, funciones o estructuras data - sólo el problema empresarial que intenta resolver.
El argumento comercial a favor de los agentes de IA
Romper el cuello de botella informático
Durante décadas, las empresas han luchado con el mismo reto fundamental: la demanda de tecnología supera crónicamente la capacidad de desarrollo. La investigación de McKinsey indica que más del 85% de las organizaciones tienen más solicitudes de desarrollo de software de las que pueden satisfacer, con retrasos típicos que se extienden de 6 a 12 meses para proyectos no críticos.
Este cuello de botella crea múltiples problemas empresariales:
- Oportunidades perdidas: Las condiciones del mercado cambian mientras los proyectos esperan en la cola
- TI en la sombra: Los departamentos frustrados despliegan soluciones no autorizadas
- Soluciones ineficaces: Los empleados crean procesos manuales para compensar
- Una ventaja estratégica desperdiciada: Los conocimientos impulsados por el Data siguen sin aprovecharse
Los agentes de IA abordan estos retos permitiendo a los equipos empresariales resolver muchas de sus propias necesidades tecnológicas. En lugar de unirse a la cola de TI, un equipo de ventas podría crear su propia herramienta de visualización de pipeline o un equipo de marketing podría construir un rastreador de rendimiento de campaña.
La economía del desarrollo democratizado
El argumento financiero a favor de los agentes de IA es convincente. El desarrollo tradicional de software empresarial sigue un patrón predecible que suele durar meses y costar de miles a millones de dólares, dependiendo de la complejidad. El coste más insidioso es la desalineación: el producto final no suele satisfacer la necesidad real de la empresa porque los requisitos se perdieron en la traducción.
Los agentes de IA comprimen este ciclo drásticamente. Los equipos empresariales pueden iterar rápidamente, probando soluciones en cuestión de horas en lugar de meses. Este enfoque:
- Reduce los costes de desarrollo 70-90% para aplicaciones sencillas
- Reduce el tiempo de despliegue de meses a días u horas
- Mejora la alineación entre las necesidades empresariales y las soluciones técnicas
- Permite una rápida iteración basada en las reacciones del mundo real
Automatización y supervisión: Capacidades clave de los agentes de IA
Un aspecto crítico de los agentes de IA en los entornos empresariales es su doble capacidad de automatización y la necesidad de una supervisión adecuada. Estos dos elementos definen la forma en que los agentes de IA operan dentro de los contextos organizativos.
Automatización inteligente
Los agentes de IA destacan en la automatización de tareas repetitivas y flujos de trabajo que antes requerían la intervención humana. A diferencia de las herramientas de automatización tradicionales que siguen reglas rígidas, los agentes de IA pueden:
- Adaptarse a las variaciones de la entrada data y del contexto
- Tomar decisiones basadas en la comprensión probabilística de los escenarios
- Aprender de las interacciones pasadas para mejorar el rendimiento
- Maneje entradas de lenguaje natural sin necesidad de una sintaxis precisa
Esta capacidad de automatización inteligente significa que los usuarios empresariales pueden delegar tareas cada vez más complejas en los agentes de IA. Por ejemplo, un agente podría automatizar no sólo la recopilación de data sino también el análisis inicial, la detección de anomalías y la toma de decisiones rutinarias, liberando a los humanos para que se centren en las excepciones y las consideraciones estratégicas.
Requisitos de supervisión
A pesar de sus capacidades, los agentes de IA requieren una supervisión humana adecuada, una consideración crítica para la implementación empresarial. Los modelos de supervisión eficaces incluyen:
- Humanos en el bucle: Para procesos críticos en los que cada salida de la IA requiere una verificación humana antes de su ejecución
- Humano en el bucle: Para procesos rutinarios en los que la IA funciona de forma autónoma pero los humanos supervisan el rendimiento y pueden intervenir.
- Humano sobre el bucle: Para procesos de bajo riesgo en los que los humanos revisan periódicamente el rendimiento agregado
El modelo de supervisión adecuado depende de la tolerancia al riesgo, los requisitos reglamentarios y la madurez del sistema de IA. Las organizaciones deben sopesar cuidadosamente los beneficios de la automatización frente a la necesidad de supervisión para evitar errores, sesgos o desajustes con los objetivos empresariales.
Aplicaciones prácticas e hiperpersonalización
El software empresarial ha seguido tradicionalmente un enfoque de talla única. Los principales sistemas como las plataformas CRM, ERP y HRIS ofrecen opciones de configuración pero, en última instancia, imponen flujos de trabajo estandarizados en diversas funciones empresariales. Esta estandarización crea eficiencia a costa de procesos óptimos para contextos específicos.
La hiperpersonalización invierte este paradigma. En lugar de obligar a los procesos empresariales a ajustarse a las limitaciones del software, las aplicaciones hiperpersonalizadas se adaptan a los requisitos únicos de departamentos, funciones o incluso individuos concretos.
Considere estos escenarios comunes en los que los agentes de IA permiten la hiperpersonalización:
- Un analista de la cadena de suministro que crea una herramienta dinámica de previsión de inventarios que integra el tiempo data, las ventas históricas y los plazos de entrega de los proveedores
- Un equipo de atención al cliente que crea un repositorio de conocimientos con capacidades de búsqueda semántica para acelerar la resolución de problemas
- Profesionales de RRHH que desarrollan una aplicación de incorporación de empleados que personaliza la formación en función de la función y la experiencia
- Representantes de ventas que elaboran paneles de visualización personalizados para realizar un seguimiento de sus métricas de rendimiento específicas
Estos ejemplos comparten un hilo común: son valiosas herramientas empresariales que no justifican una priorización formal de TI pero que mejoran significativamente la eficiencia departamental. Como dijo un CIO: “No estamos sustituyendo nuestro sistema ERP por código generado por IA, sino que estamos capacitando a nuestros usuarios empresariales para resolver los problemas de última milla que siempre caen al final de nuestra lista de prioridades.”
El valor de este enfoque radica en que las soluciones son construidas por las personas que comprenden más íntimamente los problemas empresariales. El software empresarial tradicional tiene dificultades con este nivel de personalización porque los costes de desarrollo escalan linealmente con la complejidad de la personalización. Los agentes de IA cambian fundamentalmente esta ecuación haciendo que el software personalizado sea económicamente viable.
Retos de la aplicación y gobernanza
El reto central para las empresas es equilibrar la democratización con los controles adecuados. Los marcos demasiado restrictivos harán que los usuarios vuelvan a la TI en la sombra, mientras que los enfoques demasiado permisivos corren el riesgo de crear un caos organizativo.
Las organizaciones de éxito suelen implantar modelos de gobernanza por niveles con controles graduados en función de las características de las aplicaciones:
Nivel 1 - Entorno Sandbox: Aplicaciones de bajo riesgo con acceso data y alcance de usuario limitados. Podrían incluir herramientas de productividad personal, cuadros de mando sencillos que utilicen fuentes data preaprobadas o aplicaciones prototipo para la validación de conceptos.
Nivel 2 - Soluciones departamentales: Aplicaciones que sirven a funciones empresariales específicas con una sensibilidad data moderada. La gobernanza incluye la revisión por pares, la evaluación simplificada de la seguridad y los requisitos básicos de documentación.
Nivel 3 - Aplicaciones empresariales: Soluciones críticas para el negocio con data sensible o amplio impacto organizativo. Estas aplicaciones requieren una revisión formal de la seguridad, pruebas de rendimiento, documentación y planificación de la transición para un soporte a largo plazo.
Este enfoque escalonado proporciona una supervisión adecuada al tiempo que preserva la velocidad y la flexibilidad que hacen valioso el desarrollo asistido por IA.
Al seleccionar plataformas para el desarrollo asistido por IA, las organizaciones deben tener cuidado con la dependencia de un proveedor. Muchas plataformas ofrecen entornos propietarios que pueden dificultar la migración de aplicaciones o la integración con otros sistemas. Las organizaciones deben dar prioridad a las soluciones que utilicen estándares abiertos, ofrezcan portabilidad data y proporcionen vías de salida claras. El mercado de estas herramientas evoluciona rápidamente y mantener la flexibilidad para adaptarse a las nuevas opciones es crucial para el éxito a largo plazo.
El futuro del trabajo: Nuevas divisiones técnicas y desarrollo profesional
La nueva división del trabajo técnico
A medida que madura el desarrollo asistido por IA, estamos asistiendo a una remodelación fundamental de los roles tecnológicos empresariales. En lugar de una división binaria entre personal “técnico” y “no técnico”, las organizaciones están desarrollando un espectro de capacidades de creación de tecnología:
Creadores de empresas: Expertos en dominios que utilizan la ayuda de la IA para construir soluciones que respondan a necesidades empresariales específicas. Estas personas entienden profundamente sus procesos empresariales pero pueden tener una formación técnica limitada. Con la asistencia de la IA, pueden crear cuadros de mando, flujos de trabajo automatizados y aplicaciones básicas que antes requerían la participación de desarrolladores.
Ciudadanos desarrolladores: Usuarios empresariales con un interés técnico más profundo que sirven de puente entre los departamentos y TI. Estas personas suelen desarrollar una mayor comprensión de los principios de diseño de software y pueden crear soluciones más complejas. A menudo se convierten en campeones y mentores internos, ayudando a sus colegas a aprovechar las herramientas de IA de forma eficaz.
Asesores técnicos: Profesionales de TI que pasan de escribir todo el código a permitir y guiar el desarrollo dirigido por el negocio. Establecen marcos de gobernanza, crean componentes reutilizables y asesoran sobre arquitectura y seguridad. En lugar de ser cuellos de botella, se convierten en multiplicadores que amplían la capacidad de desarrollo de la organización.
Ingenieros profesionales: Desarrolladores especializados que se centran en sistemas complejos, infraestructuras y aplicaciones críticas para la empresa. En lugar de dedicar tiempo a aplicaciones departamentales más sencillas, abordan problemas técnicamente difíciles que requieren profundos conocimientos.
Esta evolución refleja lo ocurrido con el análisis data. Hace veinte años, los analistas especializados realizaban la mayor parte de los análisis data; hoy en día, el análisis data es una habilidad común en todas las funciones empresariales, y los especialistas se centran en los retos analíticos más complejos.
El futuro del desarrollo profesional
En contra de algunas predicciones, es poco probable que el desarrollo asistido por IA reduzca la demanda de ingenieros de software profesionales. Por el contrario, desplazará su atención hacia actividades de mayor valor:
Ingeniería de plataformas: Construir y mantener la infraestructura que permite el desarrollo asistido por IA. Esto incluye la creación de conectores data seguros, el establecimiento de sistemas de supervisión y el desarrollo de marcos de pruebas que apoyen a los usuarios empresariales.
Desarrollo de sistemas complejos: Centrado en aplicaciones de misión crítica que requieren profundos conocimientos técnicos, alto rendimiento o una arquitectura sofisticada. Estos sistemas constituyen la base sobre la que pueden construirse las aplicaciones creadas por las empresas.
Orientación técnica: Actuar como asesores que ayudan a los equipos empresariales con las decisiones arquitectónicas, los retos de integración y las consideraciones de seguridad. Esta función de asesoramiento aprovecha los conocimientos de ingeniería al tiempo que capacita a los usuarios empresariales para ejecutar sus propias soluciones.
Elevación de la aplicación: Identificar las aplicaciones departamentales de éxito que deberían “promocionarse” a la categoría de empresa y, a continuación, mejorarlas para que cumplan las normas de la organización en materia de seguridad, escalabilidad y mantenimiento.
Esta transformación crea oportunidades tanto para los profesionales empresariales como para los técnicos. Los equipos de negocio adquieren autonomía para resolver sus propios problemas, mientras que los equipos técnicos se centran en retos dignos de sus habilidades especializadas. El resultado es una asignación más eficiente del talento y una entrega global más rápida del valor empresarial.
Para los profesionales individuales, este cambio requiere adaptación. Los usuarios empresariales tendrán que desarrollar un pensamiento básico sobre el diseño de software, la alfabetización data y la concienciación sobre la seguridad. Los profesionales técnicos necesitarán reforzar sus capacidades de consulta, enseñanza y arquitectura. Las organizaciones que inviertan en estas capacidades desarrollarán ventajas competitivas significativas en agilidad e innovación.
Conclusiones: Navegar por el futuro asistido por la IA
La democratización del desarrollo de software a través de agentes de IA representa uno de los cambios más significativos en la tecnología empresarial de la última década. Las organizaciones que adopten este cambio de forma reflexiva podrán obtener enormes ventajas en agilidad, personalización e innovación.
Navegar con éxito por esta transición requiere equilibrar imperativos aparentemente contradictorios: capacitar a los usuarios empresariales manteniendo al mismo tiempo una gobernanza adecuada, fomentar la innovación garantizando al mismo tiempo la seguridad y apoyar la descentralización evitando al mismo tiempo la fragmentación.
Para los líderes empresariales, el mensaje es claro: el desarrollo asistido por IA no consiste en sustituir a su equipo tecnológico, sino en ampliar quién participa en la creación de tecnología. Mediante la aplicación meditada de estas capacidades, las empresas pueden alcanzar el objetivo largamente perseguido de un software verdaderamente personalizado que se adapte a sus necesidades únicas en lugar de forzar la adaptación en la dirección opuesta.
El futuro del software empresarial no son los sistemas de talla única, ni siquiera las plataformas altamente configurables: es un ecosistema de aplicaciones creadas a medida y generadas por IA, creadas por las propias personas que las utilizan. Las organizaciones que adopten este futuro se encontrarán con una nueva y poderosa herramienta para la innovación, la eficiencia y la ventaja competitiva.
