Generar código con AI es fácil. Conseguir que cree verdadero impacto, no tanto.
Antes de empezar — ¿dónde está tu equipo?
Pregunta guía: ¿estamos generando outputs o creando impacto?
Con la IA, una idea pasa a código funcionando en minutos. El cuello de botella de escribir código ha desaparecido.
Cierto. Y justo por eso el problema ya no es producir. Es producir lo correcto — y demostrar que crea impacto.
La IA dispara la capacidad de Delivery: lo que tardaba semanas, ahora horas.
El nuevo límite es decidir qué merece la pena construir — filtrar la demanda, enmarcar el problema, decir que no.
La velocidad no es el problema. La desconexión estratégica sí — y la IA la amplifica.
Fuente: Demirer, Musolff & Yang · MIT Sloan, 2026 · SSRN 6843118.
El modelo lógico (Seiden) conecta el esfuerzo con el valor. La IA dispara los Outputs. El error: celebrar la velocidad de output como si fuera velocidad de impacto.
Sin Outcomes ni Impacto claros, más output solo es más ruido.
Hay dos retardos encadenados: del código a poder medir su efecto, y de ahí a contrastar que la estrategia se cumple.
Volar a ×17 sin señales de impacto es navegar a ciegas. Cuanto más rápido vas, más brújula necesitas.
Medimos lo que entregamos: features, releases, velocity.
"Hecho" = código en producción.
Velocidad sin dirección.
Medimos lo que cambia: comportamiento, retención, conversión.
"Hecho" = algo aprendido o validado.
Más lento en features, más rápido en valor.
A más autonomía, más apalancamiento — y más exigencia de validación y límites.
Exploración y prototipado rápido. El humano conduce; la IA teclea.
Riesgo: deuda técnica y comportamientos no definidos.
El humano escribe especificaciones; la IA genera código de producción.
Riesgo: exige disciplina previa; difícil de empezar, fácil de mantener.
El agente escribe, prueba, corrige y commitea. El equipo revisa y aprueba.
Riesgo: máximo apalancamiento; exige validación madura y límites claros.
Coordinar deja de ser repartir tareas: es orquestar varios agentes y varias personas sobre el mismo sistema.
Escribía el código crítico.
Revisaba los PRs línea a línea.
El valor estaba en teclear bien y rápido.
Diseña el sistema, sus límites e interfaces.
Escribe las specs que producen código de calidad.
Define la Definition of Done y se queda on the loop: la IA ejecuta, el arquitecto juzga.
El equipo pasa a ser arquitecto y supervisor del output de la IA, no operador de prompts.
Cuando construir cuesta casi nada, controlar cuánto se produce deja de tener sentido. Lo que hay que gobernar es qué se construye y qué efecto tiene.
Estimar el esfuerzo de teclear código.
La velocity como métrica de éxito.
Ciclos largos para "dar tiempo a programar".
Demos centradas en features entregadas.
Hipótesis falsables en cada iteración.
Ciclos cortos con señal real de usuario.
Validar outcomes, no outputs.
Revisiones centradas en qué hemos aprendido.
El OKR no es un artefacto de planificación. Es el filtro que evita ir muy rápido en la dirección equivocada — y el hilo que une cada commit con la estrategia.
La IA ya produce. Lo escaso es decidir bien y validar rápido.
El equipo que gana en la era de la IA no es el que más código envía. Es el que convierte ese código en impacto — y lo demuestra.
Si haces una sola cosa: antes de la próxima feature, escribe su hipótesis de impacto y cómo sabrás si funcionó.
La IA no te hace ir en la dirección correcta. Solo te hace llegar antes.
Alex Ballarín · Professional Scrum Trainer · ITNOVE