Una conversación con Pablo Gamba, Head of Technology Americas de intive, sobre por qué ser AI-native implica repensar la ingeniería de software
Como Head of Technology Americas de intive, Pablo Gamba vive en la intersección de dos mundos: la realidad cotidiana de entregar software para clientes y la mirada más amplia de alguien que forma a la próxima generación de ingenieros. Conversamos con él sobre qué significa realmente ser AI-native, dónde se están equivocando la mayoría de las empresas y por qué este es exactamente el momento de contratar desarrolladores junior.
Esta entrevista fue editada por razones de extensión y claridad.
Pablo, en el último año las herramientas de IA para programar se han vuelto prácticamente universales, pero muchas empresas están descubriendo que sus tiempos de entrega no mejoran demasiado. ¿De dónde viene esa desconexión?
No se puede aplicar IA a un proceso roto. Es como darle una pala más rápida a un trabajador: va a trabajar más rápido, pero en la dirección equivocada.
La desconexión suele estar entre producto y tecnología. Incluso con metodologías ágiles, cada lado tiene su propia forma de trabajar. Y muchas veces siguen operando con los esquemas de ayer: el mismo enfoque de estimación, los mismos tamaños de equipo, los mismos procesos. Pero con la IA, todo eso tiene que cambiar.
Pensemos en lo que está pasando con el rol del ingeniero de software. Ya no se limita a escribir código: supervisa el output de los agentes, define especificaciones, prepara pruebas, valida resultados. Eso es fusionar en uno lo que antes eran tres roles distintos. Si cambias los roles pero no el proceso ni la forma de medir, lo único que logras es llegar más rápido al siguiente cuello de botella.
Entonces, ¿qué deberían hacer de otra manera las empresas?
Empezar por lo que miden. No la velocidad de desarrollo, sino el ciclo completo, desde la idea hasta la producción.
Si mejoras la velocidad de desarrollo pero tu cuello de botella está en QA, solo has llegado más rápido a QA. Después arreglas QA y el cuello de botella se mueve a requerimientos. Todo el proceso de punta a punta tiene que transformarse en conjunto. Ese es el número que de verdad importa: ¿cuánto tarda una idea en llegar a producción?
Ese es el argumento a favor de la transformación AI-native. Pero ¿cómo se traduce eso en la práctica?
En intive empezamos con un piloto. Entramos, evaluamos dónde está el cliente, su madurez en ingeniería de software, si usa IA y cómo, y a partir de ahí definimos un plan claro con los KPIs que queremos alcanzar. Desde ese punto, hacemos formación en el día a día del equipo y aplicamos el plan de manera incremental, sprint a sprint, hasta transformar el proceso completo de punta a punta: requerimientos, desarrollo, QA y release.
Una vez que alcanzamos los KPIs, establecemos una gobernanza para que pueda escalar a toda la organización de ingeniería. Y después nos retiramos. El objetivo siempre es el mismo: entrar, hacer el trabajo y entregarlo.
El mayor cambio de mentalidad es que la IA ya no es una herramienta que la gente usa: se está convirtiendo en parte de la fuerza de trabajo. Los líderes van a gestionar equipos donde personas, agentes y sistemas automatizados trabajan codo a codo.
AI-native no es una licencia. Significa rediseñar el trabajo porque la IA cambia lo que es posible. Muchas organizaciones intentan aplicar IA a procesos viejos. Eso no es transformación. Las organizaciones AI-native parten de una pregunta distinta: si la IA hubiera existido desde el primer día, ¿cómo diseñaríamos este proceso hoy?
¿Puedes darnos un ejemplo concreto?
Tenemos un cliente, una empresa muy conocida, uno de los mayores fabricantes de golosinas del mundo, que necesitaba un motor de recomendaciones para una herramienta interna. Calculaban 9 meses y un equipo de 7 u 8 personas. Nosotros propusimos 3 personas y 3 meses.
Una reducción de más del 50% en tiempo y de más del 60% en el tamaño del equipo. Confiaron en nosotros, cumplimos, y hoy estamos ampliando nuestro trabajo con ellos.
No es magia: es aplicar el framework AI-native en serio. Y eso lo cambia todo, incluida la forma de armar propuestas para los clientes. Hoy hay que ser competitivo a ese nivel.
Otra área donde vemos mucha demanda de IA es la modernización de sistemas legacy, sobre todo en banca. ¿Es un desafío muy distinto?
Lo es, y se está convirtiendo en una de nuestras áreas más grandes. Los bancos operan sobre software que tiene décadas: sin documentación, escrito en lenguajes legacy, sin expertos que realmente sepan qué hace. Funciona, pero tocarlo es extremadamente caro y arriesgado. Entonces quedan bloqueados para lanzar nuevas funcionalidades.
Ya tenemos al menos tres casos de éxito en los que usamos IA para modernizar su arquitectura, desacoplando el core bancario, migrando a microservicios, y eliminando esa complejidad para que producto pueda volver a avanzar.
Última pregunta, y una más amplia: como profesor asociado de Ingeniería de Software, seguro tienes estudiantes que te preguntan si vale la pena aprender a programar en este momento.
Todo el tiempo, y mi respuesta siempre es sí. Este es justamente el momento en que los ingenieros de software que han profundizado en la disciplina van a tener una ventaja real.
Programar es solo una parte de la ingeniería de software. Está el análisis, la definición de especificaciones, el diseño de la solución, la arquitectura, el código, la calidad, la validación. Todo eso sigue exigiendo experiencia y criterio. Lo que hace la IA es abaratar y acelerar la parte de programar. Y eso aumenta el valor de todo lo demás.
También hay un riesgo real del que nadie habla: si las empresas solo contratan seniors ahora, ¿quién forma a la próxima generación? En cinco o seis años, los seniors van a empezar a retirarse y no va a haber nadie listo para reemplazarlos. Juniors y seniors trabajando codo a codo es la forma en que se transmite el criterio, y con la IA pueden moverse rápido, fallar rápido y aprender más rápido que nunca. Eso solo pasa si están ahí cuando las cosas salen mal.
Los juniors de hoy van a ser AI-native desde el primer día. Esa es una ventaja real.
¿Te interesa saber cómo aborda intive la transformación AI-native en ingeniería de software? Conoce más ->
.png)
.png)
.png)
.png)
.png)
.png)