El nuevo juego del área de tecnología con IA

Lunes por la mañana, el board del equipo tiene 340 ítems abiertos: bug, pedido de feature pequeña, ítem de deuda técnica que nadie priorizó nunca. Eso siempre fue así, y siempre va a seguir llegando más rápido de lo que cualquier equipo logra cerrar. Antes, ese volumen se manejaba a machetazos: los diez ítems más ruidosos de la semana, el resto esperando un milagro de capacidad. Hoy la IA lee el board entero, agrupa duplicados, sugiere severidad y ya propone el primer borrador de corrección para un tercio de los ítems simples. El board que parecía una montaña se convierte en una lista que se puede atacar. La pregunta que decide si esto se vuelve ganancia o se vuelve problema ya no es "¿hay tiempo de mirar todo?": es "¿quién revisa lo que la IA decidió sola antes de que eso se convierta en producción?".

El área legal pide una lista de todas las librerías de código abierto usadas en el producto, con la licencia de cada una, porque un inversor va a auditar eso en la due diligence de mañana. Antes, esto era un día cruzando archivo de dependencias con sitio de licencia uno por uno. Hoy la IA lee el archivo de dependencias del proyecto entero y devuelve la lista con la licencia de cada librería en minutos. La lista parece completa y lista para adjuntar al informe. Solo que clasificó como "MIT, sin restricción" una librería que en realidad está bajo una licencia con cláusula de copyleft que puede obligar a abrir parte de tu propio código si se redistribuye de la forma en que ustedes lo hacen. Confirmar la licencia real antes de que entre al informe del inversor sigue siendo del equipo técnico revisando junto con el área legal.

Necesitas contratar a dos ingenieros sénior para el equipo de plataforma antes de que termine el trimestre, y el volumen de currículums se triplicó desde que la vacante quedó remota. Antes, esto era una semana leyendo currículum por currículum. Hoy la IA lee los 400 currículums, señala los quince más afines al perfil técnico y ya sugiere preguntas de entrevista específicas para cada uno. El triage que era imposible se convierte en una lista corta. Pero la IA valoró años de experiencia con un stack específico del que tu equipo ya se está alejando, una señal que solo quien conoce el roadmap técnico logra ver. Decidir quién entra a la entrevista final sigue siendo del gerente que sabe hacia dónde va la arquitectura.

El trimestre cierra y necesitas decidir cuáles de las veinte ideas del roadmap entran al próximo ciclo, con el CPO esperando la priorización para el jueves. Antes, esto eran días cruzando datos de uso, tickets de soporte y opinión de stakeholder a mano. Hoy la IA lee todo eso y devuelve un ranking con puntaje de impacto por iniciativa. El ranking parece objetivo y listo para convertirse en decisión. Solo que la IA puntuó alto una feature cuyo "impacto" vino de un pedido de un único cliente grande, sin notar que el equipo de ingeniería ya avisó que la base de código ahí está demasiado frágil para tocar sin romper otra cosa. Decidir qué entra al ciclo, sopesando viabilidad técnica real, sigue siendo tuyo.

Un prospecto grande pregunta, en la llamada de mañana, si tu plataforma soporta integración vía webhook en tiempo real, y el vendedor te llama a último momento para confirmar. Antes, esto era abrir el repositorio y leer la documentación técnica a las apuradas. Hoy la IA lee el código y responde, segura, "sí, el endpoint de webhook ya soporta eso". Ella leyó un endpoint que existe, pero está marcado como deprecated hace dos meses y va a salir de circulación en el próximo release. Si el vendedor repite esa respuesta al cliente sin verificar con el equipo técnico, la venta cierra sobre una promesa que ya no existe. Confirmar lo que la plataforma realmente soporta, hoy, sigue siendo del equipo que mantiene el código.

Recibiste una alerta de que el proceso de facturación automática falló para 40 clientes esta madrugada, y necesitas una corrección antes del horario comercial. Antes, esto era despertar a alguien del equipo y esperar que esa persona recordara dónde está ese script viejo. Hoy la IA lee el log de error, propone un parche y ya tendría el pull request listo para revisión en minutos. La corrección parece lista para subir directo. Solo que el parche de la IA resuelve el síntoma (el error que apareció en el log) sin tocar la causa real, un límite de conexión simultánea en la base de datos que solo vuelve a estallar en la próxima madrugada de pico. Aplicar la corrección correcta, no solo la que calla la alerta, sigue siendo del equipo que entiende el sistema.

La auditoría de LGPD del trimestre exige probar que ningún log de producción guarda CPF de cliente en texto plano, y el auditor llega mañana. Antes, esto era un día escaneando repositorio y configuración de logging a mano. Hoy la IA escanea el código y los archivos de configuración de logging en minutos, y señala tres servicios como conformes. Solo que ella no tuvo acceso a los logs que ya están almacenados hace dos años en el sistema de observabilidad, solo al código que los genera hoy, así que el pasivo real (dato sensible ya guardado) sigue ahí, invisible para su escaneo. Confirmar lo que efectivamente está guardado, y no solo lo que el código actual generaría, sigue siendo del equipo técnico junto con compliance.

El equipo de diseño pregunta si se puede saber, hoy mismo, en qué etapa del checkout los usuarios más abandonan después del último deploy, porque la reunión de prioridad es mañana temprano. Antes, esto era un día cruzando eventos de analytics con log de error a mano. Hoy la IA cruza los dos y señala, en minutos, que el abandono se concentra en la pantalla de pago. El diagnóstico parece listo para convertirse en prioridad de sprint. Solo que la IA cruzó los datos sin notar que la mitad de ese abandono ocurrió en una ventana de treinta minutos en la que el gateway de pago externo se cayó, un problema puntual y ya resuelto, no un problema de flujo. Decidir si esto se convierte en prioridad de rediseño o si ya quedó atrás sigue siendo del equipo que conoce el historial del sistema.

El directorio pregunta si la plataforma aguanta duplicar de tamaño en doce meses sin reescribir nada, y tienes hasta el viernes para responder. Antes, esa respuesta venía de una semana de reunión entre arquitectos tratando de estimar el límite de capacidad. Hoy la IA lee métricas de uso, señala los tres servicios más cerca del límite y devuelve una respuesta confiada: "la plataforma aguanta, con ajuste puntual". Ella nunca vio el contrato del proveedor de infraestructura que vence en seis meses, ni el cuello de botella de base de datos que solo aparece en el Black Friday. La decisión estratégica de invertir o no en una reescritura, que el directorio va a respaldar con presupuesto real, sigue siendo del CTO, no del informe bonito.