←
Más deprisa que nunca: los fundamentos científicos del agile en la era de la IA

14 · La era de la IA6 min read

Ampliación — Manual de campo: trabajar con agentes sin traicionar los principios

La teoría dio la evidencia y las proyecciones; esta ampliación es deliberadamente práctica: cómo se traduce todo el curso a la mesa de trabajo de alguien que convive con agentes — hoy, no en la especulación. Está organizada como reglas de campo, cada una con su genealogía en el curso, para que no sean liturgia sino mecanismo (ya sabes lo que le pasa a la liturgia).

1. Reglas de campo para el flujo humano-IA

Regla del dueño (secciones 4 y 7). Cada unidad de trabajo con destino a producción tiene una persona que la firma entera — que entiende el problema, dirige a los agentes que participen, verifica el resultado y responde de él. Los agentes trabajan por tareas; las personas responden por resultados. Corolario práctico: si nadie puede explicar un cambio, el cambio no está listo, pasen los tests que pasen — el módulo de Bruno pasaba los tests.

Regla de la cola (sección 7). La capacidad de verificación gobierna el ritmo de generación, no al revés. Límite explícito a los PRs pendientes de revisión humana; cuando el límite se llena, los agentes esperan fuera. Una cola de verificación desbordada no es un problema de esfuerzo de los revisores: es una decisión de diseño pendiente.

Regla del lote (secciones 3 y 7). Los agentes tientan con el cambio grande («ya que estoy, refactorizo todo»); la verificabilidad exige lo contrario. Cambios pequeños, de propósito único, con descripción que explique el porqué. El prompt es parte del artefacto: guardarlo en la descripción del PR es documentación gratis del intento.

Regla de la frontera (sección 13, Dell'Acqua). Mantén un mapa vivo — explícito, del equipo, actualizado en retro — de dónde el agente es fiable y dónde produce «casi correcto» convincente en vuestro dominio y vuestra codebase. Las tareas en zona roja llevan verificación reforzada o se hacen a mano. El mapa caduca con cada versión de modelo: revisarlo es mantenimiento, como las dependencias.

Regla del guardarraíl (sección 8). Todo indicador de adopción de IA viaja con su contramétrica: throughput con churn temprano y duplicación; velocidad de review con tasa de escape de defectos; % de código generado con… nada, mejor no midas eso, no hay outcome del que sea proxy. Y el test del Becario Fantasma como auditoría periódica del panel.

Regla del fusible (sección 10). Presupuesto de error acordado en frío; si se supera, el ritmo de los agentes baja automáticamente. Las defensas no se suspenden bajo presión — se refuerzan; toda excepción, por escrito y con caducidad. La 1:40 de Marc no se prohíbe con carteles: se hace estructuralmente improbable.

Regla de la hipótesis (sección 3). Los agentes abaratan construir, no saber si algo debía construirse: con generación barata, la feature factory alcanza velocidades inéditas. Antes de lanzar agentes a una épica, el preregistro de siempre: qué creemos, cómo sabremos que es falso, quién evalúa. Un agente ejecutando una mala idea con brillantez es el desperdicio más pulido de la historia.

2. El bucle de aprendizaje propio: que no te lo coman

La evidencia de la sección 13 (Lee, Prather, Gerlich) señala el riesgo silencioso: la descarga cognitiva sin plan devuelve profesionales que aprueban sin poder revisar. Contramedidas individuales, todas versiones de la práctica deliberada (sección 6):

  • Horas de banco. Trabajo regular sin agente, elegido a propósito en el borde de tu capacidad. No es ludismo: es mantener calibrado el instrumento con el que verificas todo lo demás. Si no sabes qué aspecto tiene el trabajo mal hecho, no puedes reconocerlo.
  • Predicción antes de generación. Antes de pedirle algo no trivial al agente, escribe (una línea) qué esperas que haga y por dónde fallaría. Comparar tu predicción con el resultado es un ciclo de práctica deliberada gratis — y tu registro personal de dónde está la frontera.
  • Lee código en serio, cada semana. La comprensión es el 58% del oficio (Xia) y es exactamente el músculo que la generación no ejercita. El código de los agentes de tu equipo es material de lectura tan legítimo como el de tus compañeros — y revisarlo como docencia (¿qué haría yo distinto y por qué?) en lugar de como trámite es la diferencia entre atrofia y ventaja.
  • Si eres senior: tu rol docente acaba de revalorizarse. La revisión-como-enseñanza, el pairing, la pregunta socrática — todo lo que transfiere criterio — es ahora la función de mayor apalancamiento de la organización, porque el criterio es la restricción (Goldratt aplicado a personas). Y si eres junior: busca activamente las empresas que fabrican escaleras — pregunta en la entrevista cómo aprende la gente allí, qué se hace sin agentes y por qué; la respuesta te dice si en cinco años serás alguien con criterio o alguien con historial de aprobaciones.

3. La conversación con dirección: el argumento en tres actos

Tarde o temprano te tocará la reunión donde se decide «la estrategia de IA», y este curso entero es tu material. La estructura que funciona (probada por Nadia a lo largo de trece secciones):

  1. Concede lo verdadero. La IA es real, las ganancias son reales (cita Peng, Cui — con sus contextos), negarlo destruye tu credibilidad. El objetivo no es frenar: es cobrar de verdad las ganancias en lugar de contabilizarlas dos veces (una en la percepción, otra en el retrabajo).
  2. Muestra el sistema. Amdahl (qué fracción del lead time era generar), la cola de verificación con números propios, DORA 2024-25 (velocidad local contra estabilidad), y — si existe — vuestra propia telemetría de churn y retrabajo. Los datos de casa valen diez veces más que cualquier paper: consíguelos antes de la reunión.
  3. Propón el diseño, no la queja. Límites de cola, dueños de historia, guardarraíles, fusible, pipeline de juniors como inversión — cada pieza con su porqué y su métrica de éxito. La diferencia entre «esto va demasiado rápido» (queja, pierde siempre) y «así cobramos la velocidad sin pagarla dos veces» (diseño, a veces gana) es todo el juego.

4. Lo que no sabemos (lista honesta, para revisar cada año)

Cerramos como corresponde: con la ignorancia inventariada. A fecha de este curso, no hay evidencia sólida sobre: el efecto a largo plazo (>3 años) de la asistencia intensiva sobre la pericia de quien la usa; la economía real de los agentes plenamente autónomos en codebases grandes (los benchmarks están quemados y los estudios de campo, empezando); el diseño óptimo de equipos mixtos humanos-agentes (todo lo que se vende como tal es extrapolación, incluida la de este curso); y si Jevons compensará o no la recomposición del empleo. Quien te venda certeza sobre cualquiera de estos puntos te está vendiendo — repasa la sección 0.2 — un relato con formato de dato. La ventaja del método que has aprendido es que no necesita certeza: necesita hipótesis, bucles cortos y la honestidad de mirar el resultado. Con eso se navega cualquier década, incluida esta.

Para profundizar