La inteligencia artificial y la programación asistida por IA están transformando el día a día de los departamentos IT, pero no siempre con los resultados esperados. Para entender qué está fallando —y qué están haciendo bien las organizaciones más maduras— hablamos con Carmen Vidal, Ingeniera Informática y cofundadora de Paradigma Digital y Stratio, hoy integradas en Indra.
Tras más de dos décadas liderando proyectos tecnológicos de gran escala, Vidal trabaja actualmente como asesora independiente, ayudando a empresas a rediseñar sus departamentos IT para convertir la tecnología en impacto real de negocio. En esta entrevista reflexiona sobre dos debates clave del momento: por qué la IA no genera valor sin madurez organizativa y por qué, en plena era del vibe coding, los desarrolladores senior son más necesarios que nunca.
Índice de temas
Muchas compañías están invirtiendo de forma agresiva en IA. ¿Cuál dirías que es el principal error que cometen al abordar estos proyectos?
El error principal es abordar la IA generativa como una colección de iniciativas aisladas, en lugar de tratarla como un cambio estructural que exige rediseñar procesos, decisiones y producto.
Muchas organizaciones “añaden IA” (chatbots, resúmenes, informes automáticos) y lo presentan como cambio estratégico. Es como informatizar un formulario que estaba en papel sin cambiar el proceso: queda más bonito en pantalla, pero la burocracia es la misma. Cuando la implantas bien, no solo cambia lo que hace el software, sino cómo trabaja la organización: qué tareas se automatizan, qué parte del trabajo pasa a ser revisión y supervisión, cómo se diseñan los flujos (human-in-the-loop), qué datos se comparten y cómo se miden los resultados.
Con la IA se debe evolucionar hacia una capa de gestión estratégica y no quedarse en la automatización. Automatizar es hacer lo mismo más rápido. La gestión estratégica implica delegar coordinación y criterio, proponer acciones, orquestar la ejecución entre áreas y completar contexto.
A esto se suma un fallo habitual cuando aparecen nuevas tecnologías en el mercado, intentar desarrollar estas iniciativas solo con el equipo de IT existente, sin capacidades específicas nuevas y sin apoyo externo experto. Esto provoca que las primeras implementaciones fracasen por esta falta de experiencia.
Según un informe del MIT, el 95% de las iniciativas de IA Generativa en las empresas no producen impacto real en la cuenta de resultados y muchas de ellas se quedan en fase piloto y no se llegan a poder poner en producción.
¿Crees que la presión del mercado y de los consejos de administración está llevando a implantar IA sin una reflexión estratégica previa?
Por supuesto existe una presión enorme, más de la mitad de los CEO’s piensa que podría perder su puesto de trabajo si no entrega mejoras medibles producidas por el uso de la IA y esta presión viene desde el consejo e inversores. Esto hace que nos encontremos con frecuencia con la dinámica de primero desplegar algo para poder decir que estamos usando IA y después pensar cómo cambia el modelo operativo. Se sienten presionados a usar IA aunque no sea la decisión adecuada, para justificar inversión o presentarse como un departamento a la última en innovación.
Se junta la moda y el fomo y se generan soluciones sobre-diseñadas o superficiales. Muchas iniciativas fallan por priorizar la herramienta “de moda” sobre el problema y el cambio operativo necesario.
Lo mismo pasa si lo que se busca es inversión en una empresa, dado que muchos fondos buscan “exposición a IA”. Eso sesga la atención y hace que un pitch con IA tenga más probabilidades de resultar atractivo para un inversor.
Los consejos deberían seguir presionando en torno a obtener soluciones innovadoras, pero mejor orientadas. Que el consejo exija conocer qué decisión o proceso cambia, qué métrica de negocio mueve, qué datos y controles lo hacen seguro, y qué rediseño operativo lo sostiene.
¿Qué papel debe jugar el departamento IT frente al negocio en este contexto: ejecutor, facilitador o líder del cambio?
Pese a la facilidad de uso incial, llevar la IA a escala es más difícil de lo que parecía: lo que funciona en pruebas controladas o pilotos a menudo se complica al integrarlo en el día a día.
Para que la IA funcione a escala necesitamos que IT o el CIO no debe limitarse a ejecutar tecnología, sino influir en la estrategia y alinear a toda la organización.
Tras la IA generativa “asistencial” (que redacta, resume o responde), viene la IA agéntica, sistemas que persiguen objetivos, toman decisiones dentro de límites y ejecutan acciones en herramientas y flujos con cierta supervisión humana. Un agente no solo produce texto: planifica, consulta contexto, actúa en sistemas (CRM, ERP, tickets, compras, reporting) y verifica resultados.
Esto cambia el juego porque permite pasar de automatizar tareas sueltas a coordinar trabajo entre áreas. La implicación para IT es directa: debe tratar a los agentes como “empleados digitales”, con controles de acceso, gestión de riesgos y trazabilidad.
Por eso el liderazgo tecnológico debe influir en la estrategia, alinear a las áreas, y construir los fundamentos (datos, integración, seguridad, gobierno, observabilidad) que convierten pilotos en resultados.
Si una empresa tuviera que empezar por un solo paso antes de escalar IA, ¿cuál debería ser?
Incorporar inteligencia artificial implica introducir una nueva tecnología junto con un ejercicio de cultura y liderazgo. El punto de partida no está en elegir el modelo más innovador, ni en incorporar únicamente los chatbots, sino en incorporarlos a la cadena de valor. Se debe comenzar identificando dónde la IA puede generar impacto real y medible.
Además, para escalar con sentido, la gobernanza debe exisitir desde el primer día. No como un freno, sino como una estructura habilitadora que combine control técnico y responsabilidad ética. Esto implica asegurar la trazabilidad y transparencia de los datos, y mecanismos que permitan que las decisiones de la IA sean explicables. Esta gobernanza, debe romper silos dentro de la empresa y facilitar el acceso responsable a la información.
Dado que la responsabilidad final de las decisiones y acciones sigue siendo de la empresa y por tanto de las personas, es fundamental la intervención humana, donde las personas conserven la autoridad moral y estratégica, y la inteligencia artificial se encarga de la ejecución a gran escala.
En los últimos meses se habla mucho de Vibe Coding y del impacto de la IA generativa en el desarrollo de software. ¿Qué está cambiando realmente en la forma de programar?
La llegada de la IA generativa está provocando el cambio más profundo en el desarrollo de software desde la transición del lenguaje ensamblador a los lenguajes de alto nivel. Este cambio no se trata solo de escribir código más rápido, sino de una transformación fundamental en la mentalidad y las metodologías de trabajo.
La forma de interactuar con el código está cambiando hacia flujos de trabajo de iteraciones cortas e incrementales. En lugar de grandes bloques de desarrollo, se trabaja en ciclos muy cortos donde cada fragmento de código generado por la IA se debe tratar como código generado por un «colaborador dudoso» que es muy productivo, pero en quien no se puede confiar.
La verificación humana y las pruebas se vuelven más cruciales que nunca para asegurar la calidad, dado que la IA puede generar código innecesariamente complejo para tareas sencillas, erróneo, que no sigue la arquitectura del sistema o los patrones de diseño o incluso puede modificar trozos de código que no queríamos que tocara.
Pasas de escribir el código a especificar funcionalmente lo que debe hacer, luego generar el código con la IA, verificarlo y refinarlo en iteraciones cortas. La gran diferencia radica en que el ingeniero humano sigue teniendo el control absoluto: es responsable de la arquitectura, revisa y comprende cada línea de código generada por la IA y se asegura de que el producto final sea seguro, escalable y mantenible. El incremento en la velocidad de desarrollo es el resultado de reforzar un proceso sólido, no de abandonarlo.
Paradójicamente, cuanto más se automatiza el código, más valor parecen aportar los perfiles senior. ¿Por qué?
Existe la tentación de pensar que con perfiles junior apoyados en asistentes de IA podemos obtener software empresarial robusto. Nada más lejos de la realidad: La IA acelera la escritura de código, pero no sustituye el criterio técnico, ni la necesidad de definir una buena arquitectura, ni la experiencia de un desarrollador sénior que valide y revise lo que genera la máquina si queremos código de calidad.
Igual que la IA “alucina” cuando responde a ciertas preguntas, también se equivoca generando código: puede introducir errores sutiles, modificar partes que no deberían tocarse, ignorar patrones de arquitectura que le habías dado como contexto y con todo esto producir soluciones difíciles de mantener y con fallos. Y todo eso, en entornos empresariales, se paga caro.
En sí generar código con IA no es un problema y acelera los tiempos de desarrollo, pero si no tenemos los perfiles adecuados se puede convertir en ello. No podemos apoyarnos en gente con poca experiencia para desarrollar con IA generativa, sino en desarrolladores de calidad que sepan cómo apoyarse en la IA sin perder el control y la calidad del código.
HIGHLIGHTS
La IA no es una herramienta aislada, es un cambio estructural
Automatizar no es transformar: la clave está en rediseñar decisiones y procesos
El 95% de las iniciativas de IA generativa no impactan en resultados reales
IT debe liderar la estrategia, no solo ejecutar tecnología
La IA agéntica transforma tareas en coordinación entre áreas
Más IA implica más valor para perfiles senior, no menos
¿Qué riesgos ves en organizaciones que confían el desarrollo a perfiles junior apoyados casi exclusivamente en herramientas de IA?
El riesgo principal es confundir velocidad con solidez y calidad. Con IA, perfiles junior pueden generar mucho código muy rápido, pero en software empresarial lo crítico es que sea correcto, coherente y mantenible. Sin criterio técnico, es fácil aceptar soluciones que “funcionan” en superficie pero esconden errores sutiles, malas decisiones de diseño y deuda técnica que dispara el coste de cada cambio más adelante.
Además, si nadie con experiencia revisa el código generado con IA, se pueden colar vulnerabilidades, mala gestión de datos mostrando información que no debería ser visible y malas prácticas que en producción cuestan reputación, dinero y sustos legales.
Por último, está el riesgo organizativo: pérdida de aprendizaje y dilución de responsabilidad. Si el junior delega demasiado en la IA, no entiende el código generado y se vuelve dependiente; deja de tener el ownership del código. La forma correcta de aprovechar IA es justo la contraria: que amplifique un proceso sólido, con arquitectura y revisión senior, tests y guardrails, para convertir velocidad en calidad, no en problemas acelerados.
¿Cómo deberían adaptarse los departamentos IT para atraer y retener este tipo de talento en un contexto tan cambiante?
Las empresas deben reconocer la complejidad real que implica construir software de calidad: código seguro, mantenible y capaz de evolucionar sin convertirse en un lastre. Por eso, es importante asumir que un perfil junior, incluso apoyado en herramientas de IA, difícilmente podrá garantizar por sí solo ese nivel de rigor en entornos exigentes.
El foco debería estar en formar y atraer equipos de ingeniería sólidos, capaces de apoyarse en la IA como palanca de productividad sin ceder el control. En última instancia, la responsabilidad sobre la arquitectura, las decisiones críticas y la calidad final del producto debe seguir recayendo en ingenieros con criterio y experiencia.
Y, además, hay un aspecto en la motivación de las personas que no cambia: a todos nos gusta trabajar en entornos donde la empresa y sus líderes valoran y respetan nuestro trabajo, donde se nos da autonomía para tomar decisiones y se confía en nosotros para responder por el resultado. Ese equilibrio entre excelencia técnica y confianza es, precisamente, lo que atrae y retiene al mejor talento.
