Raiffeisenbank implementó agentes de IA para 500 ingenieros, pero la velocidad no aumentó. ¿Por qué?

Raiffeisenbank concluyó la segunda parte de un experimento sobre la implementación de IA en una organización de ingeniería de 500 especialistas: la aceleración local de roles individuales a través de agentes de codificación no cambió las métricas clave como Lead Time, Throughput y Defect Rate.

Por qué los copilots no aceleraron el equipo

Distribuir agentes de codificación a los ingenieros por sí solo no cambia la velocidad del sistema — esta es la conclusión de la primera parte del experimento que Raiffeisenbank compartió en un blog en Habr. Según los autores, puede aumentar MAU LLM (usuarios activos mensuales del modelo de lenguaje), luego aumentar MAU API (número de llamadas a la API), distribuir agentes de codificación a las personas — y aún así no ver cambios en tres métricas de ingeniería: Lead Time (tiempo de idea a resultado), Throughput (rendimiento del proceso de desarrollo), y Defect Rate (proporción de defectos en el código lanzado). Estas tres métricas son un indicador estándar de la salud de un proceso de ingeniería, y su falta de cambio después de la implementación masiva de IA es lo que los autores del blog llaman la conclusión principal de la primera parte del experimento.

• El experimento abarca una organización de ingeniería de 500 especialistas de Raiffeisenbank
• Métricas que no cambiaron después de la implementación de IA: Lead Time, Throughput, Defect Rate
• La aceleración local se encuentra con requisitos, revisión, pruebas, aprobaciones, equipos vecinos y expertos empresariales
• El próximo paso de la empresa es la transición a Ingeniería Agentic

Dónde se pierde realmente la velocidad

Acelerar a una persona o un rol no acelera todo el sistema — la tarea todavía pasa por todas las etapas restantes del proceso, explican los autores del blog de Raiffeisenbank. Un empleado puede comenzar a hacer su parte más rápido, pero el resultado aún espera en la cola para revisión, pruebas, aprobación o decisión de un equipo vecino. Los autores describen esto como un problema de optimización local: acelerar un eslabón en la cadena de montaje no cambia el rendimiento general si el cuello de botella se encuentra en otro lugar del proceso — con revisores, probadores o departamentos de aprobación.

"Una persona o un rol pueden comenzar a hacer su parte más rápido, pero la tarea aún espera requisitos, revisión, pruebas, aprobaciones, equipos vecinos o un experto empresarial", — afirma el blog de

Raiffeisenbank en Habr.

Qué sigue: Ingeniería Agentic

Raiffeisenbank no se detuvo en distribuir herramientas a ingenieros individuales y decidió ir más allá — en la dirección que la empresa llama Ingeniería Agentic. En la industria, este término típicamente describe la transición de asistentes de IA puntuales para un desarrollador a agentes integrados en el proceso a nivel de equipos y etapas, no solo en lugares de trabajo individuales. Lo que exactamente Raiffeisenbank entiende por este concepto y cómo resolverá el problema de aprobaciones y colas entre roles, la empresa promete revelar en la continuación de la serie de artículos en Habr — el material se llama directamente la segunda parte de la historia sobre la implementación de IA en 500 ingenieros.

Qué significa esto

El caso de Raiffeisenbank muestra: distribuir herramientas de IA a los ingenieros uno por uno no acelera el desarrollo si los cuellos de botella permanecen en las interfaces entre roles y equipos — el efecto real aparece solo cuando la aceleración afecta el proceso completo, no el trabajo de una persona.