Un banco reorganiza su equipo en tiny teams: la IA escribe el 90% del código y los agentes asumen el 20% de las tareas
El equipo de Budget Tool de un banco se organizó en tiny teams: grupos de dos o tres ingenieros que llevan cada tarea desde la idea hasta producción y delegan la rutina en la IA. El primer sprint fue un fracaso: se atascaron con los diseños de Figma y con interminables correcciones tras las revisiones. Pero en medio año llegaron al 90% de código escrito por LLM, mientras que los agentes en servidores resuelven más del 20% de las tareas. La principal conclusión: todo depende del contexto y del harness del equipo, más que del modelo.
Procesado por IA desde Habr AI; editado por Hamidun News
La mayoría de los equipos ya utiliza IA, aunque principalmente como un autocompletado inteligente: el ingeniero escribe y el modelo sugiere. El equipo de Budget Tool de un banco, dedicado a la gestión de gastos, fue más allá. Reorganizó todo el proceso en torno a pequeños grupos en los que cada ingeniero responde por el resultado completo y un agente se ocupa de la rutina. Su líder técnico, Dima Vdovin, contó en Habr cómo les fue. Es un relato franco, con fracasos y efectos secundarios incómodos.
El primer sprint fue un fracaso, y eso resulta útil
El punto de partida: dos equipos multidisciplinares de desarrollo de funcionalidades con 14 personas en total, Kotlin y Spring en el backend, y TypeScript y React en el frontend. Para el piloto asignaron a dos personas, un desarrollador de backend y un especialista en QA, y reservaron dos meses. El objetivo: completar historias de usuario de principio a fin, desde el análisis hasta producción.
No consiguieron llevar la primera tarea pequeña a producción en dos semanas. Dedicaron mucho tiempo a entender los requisitos, pero el frontend fue lo que más les costó. Intentaron pasarle al agente los diseños de Figma y después corrigieron el resultado una y otra vez a partir de los comentarios de revisión. Solo el desarrollador de frontend y el diseñador tenían licencias de Figma Dev Mode y acceso al MCP correspondiente. Por eso, a veces resultaba más sencillo mostrarle al agente una captura de la pantalla terminada.
Después ganaron velocidad: el ciclo se acortaba con cada sprint. Pero los problemas persistieron, y todos tenían que ver con el contexto:
- El conocimiento está en la cabeza de las personas. Las decisiones de arquitectura se habían acumulado durante años y, mientras no formen parte del contexto del agente, este comete errores.
- La revisión frena el trabajo. A un ingeniero de producto le cuesta evaluar código de un área que no domina, y el código se escribe más rápido de lo que se revisa.
- No está claro cómo mostrar el diseño. Hace falta una vía adecuada para pasar del diseño al agente, en lugar de una colección de apaños.
El harness como producto
En este caso, el harness es el conjunto de reglas, habilidades (skills), MCP y contexto que ayudan al agente a trabajar en un proyecto concreto. El equipo decidió no reinventar la rueda y reutilizó los recursos que ya existían en el banco y en su ámbito de negocio.
La idea central es un ciclo continuo: completar una tarea con IA, analizar dónde se atascó el agente, ampliar sus habilidades y su contexto, y volver a ejecutarlo. De ello se encargan los grupos de especialidad: backend, frontend, QA y análisis de sistemas. Recogen los comentarios de todas las tiny teams, detectan carencias y comparten las mejores soluciones con el resto.
El equipo se dividió en cuatro tiny teams y un discovery hub, que reúne al responsable de producto, al diseñador y al analista de negocio. Las tiny teams no tienen analista por decisión expresa: así hay más motivación para utilizar la IA. Las tareas se clasifican por colores. Las verdes, pequeñas, se asignan a agentes autónomos. Las amarillas, grandes, se resuelven dentro del equipo, en local y con ayuda de IA. Las rojas exigen conocimientos especializados profundos y solo se resuelven uniendo fuerzas.
Agentes en el servidor y el coste de los resultados
Al principio lo hacían todo en local: así resulta más fácil corregir al agente mediante mensajes y adquirir experiencia. Pero un agente local trabaja mientras el portátil permanece abierto. El equipo quiere que el agente sea un ingeniero más: asignarle una tarea en el gestor y recibir un MR listo.
Empezaron por la seguridad. Cuando un análisis de AppSec detecta una biblioteca o una imagen vulnerable, el agente crea la tarea por su cuenta, introduce los cambios y prepara un MR. Por la mañana ya hay varias solicitudes listas para revisar. Ahora también le asignan pequeñas tareas de negocio de esta forma, siempre que esté claro qué hay que cambiar, cómo y dónde.
Los resultados tras medio año: un LLM escribe el 90% del código, más del 70% de las tareas de negocio se ha completado con asistencia de IA y los agentes en servidores resuelven más del 20%. Pero al principio cayó el número de tareas completadas y después aparecieron los efectos secundarios:
- aumentan la carga cognitiva y el riesgo de agotamiento profesional;
- sin conocimientos de áreas afines, no se puede ni definir la tarea ni comprobar el resultado;
- hay que replantear la revisión: examinar la arquitectura, en lugar de la sintaxis;
- el análisis y la planificación siguen en manos de la persona, que además debe tomar más decisiones.
Qué se puede aplicar de esta experiencia
Los consejos de los autores son prácticos. Empiecen por una tarea repetitiva con criterios de finalización claros. Utilicen agentes de programación ya disponibles en lugar de escribir uno propio. Primero ajusten el flujo de trabajo en local y solo después llévenlo al servidor. Encapsulen todo lo determinista en scripts que invoque una skill. Escriban la documentación de forma que tanto las personas como los agentes la entiendan igual.
La reflexión sobre las métricas de evaluación resulta especialmente valiosa: sin ellas, no se sabe si el harness ha mejorado o si simplemente se está cambiando la configuración. Por eso conviene gestionarlo como un producto y reconocerlo abiertamente como deuda técnica.
Las limitaciones también importan. Es la experiencia de un único equipo bancario con una pila tecnológica bien ajustada. Las cifras son internas y nadie las ha verificado, y por ahora no asignan a los agentes tareas analíticas complejas en las que un error tendría un coste elevado. Pero la conclusión es universal: la velocidad no vendrá de un modelo más potente, sino de lo bien que el equipo sepa explicarle al agente cómo se trabaja en su organización.
- 8 nov 2026Un bot con Chrome anonimo en Docker grabo 1.170 reuniones y entrega resumenes en 4,6 minutos
- 17 feb 2026Cohere lanza Tiny Aya, una familia de modelos multilingües abiertos
- 17 jul 2026Cursor amplía los límites de Teams y lanza un plan Premium para usuarios intensivos
- 1 jun 2026Mistral Medium 3.5: agentes en la nube y un nuevo modo Work para tareas complejas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre El primer sprint fue un fracaso, y eso resulta útil?
El punto de partida: dos equipos multidisciplinares de desarrollo de funcionalidades con 14 personas en total, Kotlin y Spring en el backend, y TypeScript y React en el frontend. Para el piloto asignaron a dos personas, un desarrollador de backend y un especialista en QA, y reservaron dos meses. El objetivo: completar historias de usuario de principio a fin, desde el análisis hasta producción. No consiguieron llevar la primera tarea pequeña a producción en dos semanas.
¿Qué se sabe sobre El harness como producto?
En este caso, el harness es el conjunto de reglas, habilidades (skills), MCP y contexto que ayudan al agente a trabajar en un proyecto concreto. El equipo decidió no reinventar la rueda y reutilizó los recursos que ya existían en el banco y en su ámbito de negocio. La idea central es un ciclo continuo: completar una tarea con IA, analizar dónde se atascó el agente, ampliar sus habilidades y su contexto, y volver a ejecutarlo.
¿Qué se sabe sobre Agentes en el servidor y el coste de los resultados?
Al principio lo hacían todo en local: así resulta más fácil corregir al agente mediante mensajes y adquirir experiencia. Pero un agente local trabaja mientras el portátil permanece abierto. El equipo quiere que el agente sea un ingeniero más: asignarle una tarea en el gestor y recibir un MR listo. Empezaron por la seguridad. Cuando un análisis de AppSec detecta una biblioteca o una imagen vulnerable, el agente crea la tarea por su cuenta, introduce los cambios y prepara un MR.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.