Cómo adoptar la IA en un equipo de software

¿Tu estrategia de adopción de IA consiste en dar licencias de Copilot, Cursor o Claude y dejar que ellos descubran cómo usarlos?

En el último año me he encontrado en que esta es una estrategia extendida en empresas de software, empresas cuyos equipos se encuentran con una carga de trabajo alta, y por desconocimiento y falta de tiempo, ven la IA como una tecnología más que puede ser aprendida de forma autodidacta por cada desarrollador.

Cuando empiezo a trabajar con un cliente que ha seguido esta aproximación, lo primero que hago es medir el uso e impacto real que ha tenido la iniciativa, y lo que observo es lo siguiente:

El uso se concentra en unos pocos power users. Personas que de forma proactiva se han puesto a investigar y a aprender cómo sacarle el potencial a la IA. Normalmente es menos del 10% del equipo y son personas que le han dedicado bastante tiempo libre a aprender.

Un número significativo de desarrolladores casi no usa la IA o la usa muy poco. Aquí hay diferentes razones que van desde una prueba inicial que dió malos resultados hasta el miedo a la pérdida de control sobre el código, sobretodo cuando usan el modo agente sin criterio.
La media de casos de uso por desarrollador está entorno a 3: búsqueda de información, generación de código para nuevas funcionalidades y generación de tests. Sin embargo muchos desconocen otros casos de uso que son también muy útiles: diseñar, prototipar, documentar, depurar, refactorizar, revisar código o construir scripts y automatizaciones.
Se sigue trabajando como se trabajaba antes de la IA: misma metodología Scrum, mismas buenas prácticas (o falta de ellas), mismo product management, etc…
Algunos desarrolladores compran licencias personales de su bolsillo, sobretodo de Claude Code, y esto hace que la empresa no tenga control sobre la configuración de privacidad de los datos ni visibilidad sobre las métricas. He visto que varias empresas están compartiendo el código fuente propietario con Anthropic (sin saberlo) para entrenamiento de nuevos modelos, por este motivo.

Y todas las empresas que lo abordan así tienen una sensación agridulce acerca del impacto de la IA, pues pueden haber visto algunos casos de éxito internos, pero la sensación es que todo sigue más o menos como antes.

Por mi experiencia, lo que sí que funciona es definir una estrategia de adopción de IA a nivel de equipo de tecnología donde lo primero es transmitir al management qué pueden esperar de las capacidades actuales de la IA generativa, más allá del hype, fijando expectativas en cuanto al impacto y la inversión que van a tener que hacer.

Por un lado el impacto no es un x10 ni un x2 como muchos venden pero sí puede aspirarse a un aumento de entre un 10% y un 30% (aunque este rango no debe interpretarse como un literal, sino más bien como un orden de magnitiud de lo que se puede esperar), dependiendo mucho de la tecnología, el proyecto y las tareas, el seniority de la persona, las herramientas y su conocimiento sobre IA.

Por otro lado, la inversión mínima recomendable incluye: herramientas (Cursor o Copilot en Teams o Business, son el básico), formación y coaching técnico. Y un plan de adopción realista requiere de varios meses para alcanzar una velocidad de crucero, donde la IA ya forme parte del día a día de todos.

En los acompañamientos que hago a empresas para ayudarles en la adopción de IA suelo seguir el siguiente plan:

Empezar por evangelizar al management, fijando unas expectativas realistas y compartiendoles experiencias que les ayuden a entender las posibildiades. Al final la IA no es una tecnología más, sino que cambia nuestra forma de trabajar y este cambio requiere que el liderazgo este convencido y implicado para llevarlo a cabo. Una idea muy extendida sobre la IA es que es un acelerador, sin embargo, mirar solo la variable tiempo puede llevarnos a acabar siendo más rápidos en entregar peor calidad. Una estrategia más recomendable es ver a la IA como un potenciador de la velocidad y la calidad, calibrando las iniciativas para aumentar las dos.
Proponer formación para todos, para elevar el nível general y reducir la curva de aprendizaje que existe cuando uno es autodidacta. Si no damos formación, es casi seguro que habrá ingenieros que obtengan resultados subóptimos, y el coste a la larga lo pagaremos en productividad no realizada.
Complementar la formación con sesiones de pair programming y coaching técnico, donde cada desarrollador trabaje con un desarrollador experimentado en el uso de la IA sobre código real en una tarea o historia de usuario de su proyecto. Pues las formaciones suelen dar un buen marco teórico, pero llevarlo a la práctica no es tan trivial. Si alguien ha hecho alguna vez pair programming con un desarrollador más senior, sabrá detectar el valor que puede obtenerse de este tipo de sesiones.
Revisar y actualizar las buenas prácticas de desarrollo, porque la IA nos va a permitir ir más rápido, pero si no tenemos unas buenas prácticas sólidas acabaremos con más bugs y más deuda técnica. Gracias a la IA estamos viendo como los equipos adoptan prácticas que tenían en el backlog, y además con una inversión menor a la que se necesitaba antes.
Medir y generar informes mensuales sobre el uso de Copilot, Cursor, Claude, es la única forma de tener una imagen objetiva de cómo evoluciona el uso y la adopción.
Medir y generar informes de engineering productivity, para detectar y cuantificar el impacto de la IA en el desarrollo de software. Algunas métricas que se pueden utilizar son lead time, throughput, change failure rate.
Crear un AI Guild donde el equipo comparta aprendizajes y experiencias con IA, dentro de la empresa. Esto también permitirá que el equipo perciba que la IA es una parte fundamental del trabajo y debe estar presente en las conversaciones. Una de las iniciativas más comunes es crear un foro, canal de chat o similar dedicado al AI Guild e incentivar a cualquier miembro del equipo a publicar cómo están utilizando la IA.
Monitorizar las novedades en herramientas y modelos, y compartirlas con el equipo tan pronto aparezcan. Este es un campo que se mueve tan rápido, y donde hemos visto actualizaciones que suponen saltos cuantitativos.

Por mi experiencia con los equipos que siguen esta estrategia, la adopción de la IA por parte de los ingenieros acaba siendo mayoritaria, y el aumento en productividad se hace visible después de unos meses. Además hay una mejora clara en el proceso de desarrollo, con más y mejores buenas prácticas, lo cual ayuda a elevar la cultura del equipo de ingeniería.

Si sientes que la IA no está cumpliendo las expectativas en tu equipo, es posible que necesites revisar cómo lo estáis haciendo, si quieres hablar sobre ello puedes reservar una llamada aquí.