Enfoca tu estrategia IA para cruzar el abismo
Los cuellos de botella en el ciclo de desarrollo de software se han desplazado desde la generación de código a otras áreas
Llega la Semana Santa y muchos aprovechamos estos días para desconectar, viajar o simplemente disfrutar de la familia, especialmente quienes tenemos niños que no van al colegio. Para mí, sin embargo, es la oportunidad perfecta para un “descanso activo”: ponerme al día con la universidad, leer, hacer deporte y, sobre todo, profundizar en herramientas que el ritmo diario no me permite.
Esta semana mi foco está en Claude Code. Llevo tiempo usando Copilot y ha disparado mi productividad, pero Claude Code (la interfaz de agente de Anthropic para la terminal) propone un cambio de paradigma. Anthropic no fue la primera en llegar, pero con sus modelos Haiku y Sonnet, y la potencia de Opus, está liderando el camino de los agentes de programación. Pero no es una herramienta mágica. Si le “escupes” dos instrucciones, te dará algo funcional. Pero para sacarle el verdadero partido, hay que diseñar flujos de trabajo avanzados (sub agents, skills, commands, hooks, etc.) que se adapten a tus necesidades reales. Y en eso estoy. En otro artículo os hablaré de los resultados.
Cuando profundizas en el uso de agentes y en cómo están revolucionando los procesos de desarrollo de software, piensas en Eliyahu M. Goldratt y su famosa Teoría de las Restricciones. Goldratt decía que en cualquier sistema complejo siempre hay un cuello de botella que limita la capacidad total. Si optimizas cualquier otra parte que no sea esa restricción central, básicamente estás perdiendo el tiempo.
Durante la primera ola de la IA generativa, pensábamos que el cuello de botella era escribir código y que los ingenieros desaparecerían de un plumazo. Pero la realidad nos ha golpeado en la cara. Parece que escribir código nunca fue el verdadero cuello de botella. Ese problema simplemente se ha desplazado hacia arriba (especificación) y hacia abajo (verificación). Armin Ronacher, creador de Flask, lo definía hace poco en su blog como “The Final Bottleneck”: la IA acelera la creación a ritmos absurdos, pero la responsabilidad final (accountability) y la capacidad de revisión humana imponen un límite. De nada sirve que Claude Code genere una feature en segundos si luego tardas tres horas en asegurar que ese código sea seguro, eficiente y no rompa nada en producción. Es decir, no queremos enviar cosas a ciegas a producción cuando tenemos que hacernos cargo de mantenerlas.
Y hay otra restricción crítica en la que coincide el análisis de The New Stack: el contexto. El verdadero cuello de botella en 2026 es la brecha entre el conocimiento implícito que los ingenieros llevan en la cabeza (arquitectura, decisiones históricas, dependencias lógicas) y lo que el agente es capaz de asimilar. Además, el esfuerzo cognitivo cambia por completo. Revisar el código generado por IA exige realizar ingeniería inversa a partir de una interpretación de los requisitos basada en la probabilidad.
Este desplazamiento de los cuellos de botella hacia el contexto y la validación no es solo un reto técnico, sino también puramente organizativo. Existe un concepto en marketing, acuñado por Geoffrey Moore y aplicable igualmente en este caso, conocido como “Crossing the Chasm”.
Moore divide el ciclo de adopción en Innovators, Early Adopters, Early Majority, Late Majority y Laggards, advirtiendo que existe un “abismo” mortal entre los visionarios (Early Adopters) y los pragmáticos (Early Majority). Muchas iniciativas (o productos) fracasan al intentar dar ese salto sin la estrategia adecuada.
Ahora mismo, en muchas empresas, los Innovators están abrazando lo que en la industria se ha bautizado como “vibe coding”: tirar un prompt rápido, cruzar los dedos, iterar a lo loco y subir a producción la caja negra que escupe el modelo. Es rápido, sí, pero es terriblemente frágil para sistemas a gran escala.
Si intentas cruzar el abismo y venderle ese “vibe coding” a tu Early Majority (los perfiles más pragmáticos y conservadores de tu empresa), te vas a estrellar contra un muro. Ellos son quienes sufren el problema del contexto y de la responsabilidad. No quieren generar código más rápido si el precio es pasarse el fin de semana arreglando incidentes incomprensibles cuando están on-call. Necesitan ver que la IA no es un cañón sin control, sino un sistema seguro y predecible.
Por tanto, si estás liderando la adopción de IA en tu organización, tu estrategia de gritar “¡usad más los agentes!” no va a funcionar. La estrategia debe enfocarse en resolver los verdaderos problemas junto a tus Early Adopters. Y solo cuando tengas respuestas claras y documentadas a estas preguntas —cuando demuestres que la IA reduce de verdad el esfuerzo cognitivo global—, el Early Majority dará el salto. Y si haces bien ese trabajo, los rezagados acabarán entrando por pura inercia.
¡Muchas gracias por leerme!