El reto
Una gran parte del equipo de tecnología de nuestro cliente participa en el ciclo de vida del desarrollo de software (SDLC). Como reconocieron enseguida el potencial de la inteligencia artificial generativa (GenAI), decidieron centralizar las funcionalidades de IA desarrollando su propia plataforma de GenAI. Sin embargo, los resultados iniciales no cumplieron con las expectativas. Aunque la plataforma se centraba en casos de uso genéricos, ya demostraba que tenía potencial para los equipos de producto por su capacidad de interpretación del contexto, trazabilidad de los procesos y personalización. A pesar de que la inversión en la plataforma fue considerable, la adopción por parte de desarrolladores senior fue baja, ya que no les aportaba suficiente valor práctico en entornos críticos. La implementación también se vio frenada por restricciones técnicas, una calidad de datos desigual y unos conocimientos limitados sobre GenAI.
Por lo tanto, el reto era doble: abordar un justificado escepticismo entre los profesionales de TI y garantizar que las herramientas de IA aportaran un valor práctico y medible en el trabajo diario. El cliente quería pasar de la experimentación a la integración de la IA en los flujos de trabajo diarios de miles de desarrolladores.
El enfoque
En vez de implementar la IA generativa de forma rígida y descendente, optamos por una estrategia general que incluía un modelo de coaching, además del desarrollo continuo de la propia herramienta. Nuestro objetivo principal era conseguir que los equipos y los roles clave adquirieran las competencias y la confianza necesarias para que utilizaran la IA de forma eficaz en su trabajo diario, además de traducir el feedback de los usuarios en prioridades claras para mejorar las herramientas con IA. Estos son los cuatro pilares en los que basamos nuestra metodología con el objetivo de integrar la IA en los flujos de trabajo diarios:
- Red de habilitación. Apoyamos el desarrollo de las estructuras de habilitación con las que ya contaba nuestro cliente, reforzando los formatos de aprendizaje entre pares y expandiendo los conceptos de formación prácticos. Esto ayudó a distribuir el conocimiento por la organización y a capacitar a los equipos para que puedan resolver dificultades relacionadas con la IA a nivel local, además de permitir el intercambio de aprendizajes entre unidades.
- Mejoras basadas en el feedback de los usuarios. La recogida sistemática de feedback de los usuarios nos ayudó a priorizar mejoras que aumentaran la utilidad práctica de las herramientas con IA. Esto garantizó que el desarrollo posterior se centrase en las necesidades reales de los flujos de trabajo, en vez de en experimentos aislados. Gracias a ello, mejoramos las funcionalidades de contexto de la plataforma, garantizando que las herramientas de IA tuvieran acceso a las fuentes de datos adecuadas sin saturarse con el ruido. La incorporación del MCP permitió a los usuarios acceder a flujos de trabajo agénticos directamente desde sus aplicaciones de IA y conectarlas con sistemas externos.
- Asesoramiento neutral sobre qué herramienta utilizar. Una vez reconocido que una única plataforma no podía resolver todos los problemas, asesoramos al cliente con total transparencia sobre cuándo usar la plataforma de IA interna y cuándo optar por herramientas especializadas de terceros. Esto generó la suficiente confianza en los equipos técnicos del cliente. Colaboramos con usuarios avanzados para identificar casos de uso de IA y centrar el desarrollo técnico en los generadores de valor más importantes.
- Implementación de IA agéntica. Pasamos de prompts estáticos para LLM a un autoservicio con agentes. Esto permitió a los equipos orquestar múltiples agentes en sus flujos de trabajo. Estructurando tareas complejas en pasos coordinados, los equipos pudieron reducir el esfuerzo manual en documentación, análisis e intercambio de conocimiento, manteniendo la supervisión humana donde era necesario.
"La plataforma superó los mil usuarios, gracias al apoyo de un programa más amplio que incluía sesiones de trabajo específicas, reuniones y otros formatos de intercambio de conocimiento".
Los resultados
La iniciativa contribuyó a que los equipos de TI adoptaran la IA de forma más amplia y coherente. Se definieron e implementaron decenas de funciones de gran impacto, con el respaldo de un proceso de desarrollo estructurado que facilita la innovación continua. En un plazo de seis meses, ayudamos a capacitar a un grupo creciente de embajadores de IA, lo que contribuyó a la habilitación en toda la organización. La plataforma superó los mil usuarios, gracias al apoyo de un programa más amplio que incluía sesiones de trabajo específicas, reuniones y otros formatos de intercambio de conocimiento. Se implementaron varios casos de uso en los flujos de trabajo diarios de los equipos, lo que ahorró muchos costes.
En general, la organización pasó de hacer experimentos aislados a usar la IA de forma más descentralizada y sostenible. Se capacitó a los equipos para que pudieran adaptar sus propios procesos, y la IA dejó de utilizarse como un recurso puntual para mejorar la productividad a integrarse más en el trabajo diario. Además de los resultados técnicos, esta estrategia de habilitación ascendente contribuyó a que se produjese un cambio cultural hacia un uso de la IA más transparente, colaborativo y responsable, así como a reducir la utilización de herramientas de IA no autorizadas.
La «AI Office» pasó de ser proveedora de una plataforma centralizada a facilitar el intercambio de conocimientos y promover prácticas recomendadas. Este cambio aumentó la confianza de los stakeholders y aceleró una adopción sostenible en toda la organización.
Sobre el cliente
Nuestro cliente es el proveedor internacional de servicios de TI, responsable de toda la infraestructura de TI y de la transformación digital de una de las corporaciones más grandes del mundo. Esta iniciativa representa nuestro firme compromiso con la integración de la IA en su desarrollo de software y sus operaciones de TI.