Alfa-Bank cuenta cómo un equipo de escépticos llevó a producción un servicio interno de RR. HH. con GLM-5

Alfa-Bank compartió un caso en el que un equipo de escépticos del vibe coding llevó a producción un nuevo servicio de RR. HH. en pocas semanas con ayuda de GLM-5. El experimento mostró que la IA acelera de forma notable el prototipado y el desarrollo rutinario, pero no exime al equipo de la responsabilidad sobre la arquitectura, Git y el lanzamiento.

Cómo se eligió el proyecto

El piloto dentro de HR Tech se formó con tres personas que al principio no creían en la utilidad práctica del vibe coding: un tech lead, un analista de sistemas y un product manager. Tuvieron libertad para elegir la tarea y decidieron no hacer un proyecto de demostración abstracto, sino tomar una función real del plan de desarrollo de Alfa People. Así nació el servicio «Mis objetivos», en el que los empleados del banco pueden fijar objetivos y vincularles tareas dentro de la plataforma corporativa de RR. HH.

La apuesta no era solo la velocidad, sino también un riesgo razonable. Si el proyecto fracasaba, no rompería procesos críticos del negocio; si funcionaba, cubriría una necesidad real. Los plazos, además, se endurecieron rápido: la fecha límite se adelantó varias veces y para el desarrollo quedaron apenas unos días. El equipo aprovechó el discovery ya realizado, los problemas de los usuarios recopilados y las soluciones mínimas descritas, y luego encargó al modelo la preparación de un borrador de requisitos de negocio.

Cómo fue el desarrollo

En la práctica, lo más difícil no fue GLM-5, sino el trabajo conjunto de personas que nunca habían escrito aplicaciones y casi no usaban IDE ni Git. El tech lead tuvo que hacer primero un onboarding rápido, configurar el entorno y explicar las acciones básicas con ramas, pulls y pushes. Sin eso, la IA sí aceleraba tareas aisladas, pero todo el flujo se frenaba en cada conflicto, malentendido o desajuste de cambios.

Después, el proceso fue así:

• en el servicio trabajaron el tech lead, el analista de sistemas y el product manager
• la interfaz se construyó a partir de descripciones de texto y series de iteraciones rápidas
• el equipo hizo 19 versiones del prototipo antes de elegir la base del producto
• por la alta carga sobre GLM-5 durante el día, el desarrollo a menudo pasaba a las horas nocturnas
• de las 15 equipos piloto, fue precisamente este grupo el que logró llevar el servicio a producción

La IA ayudó sobre todo con el maquetado, los formularios, los validadores y las primeras versiones de las pantallas. El product manager describía cómo debía ser la interfaz, el modelo generaba HTML y lógica de UI, y el tech lead la conectaba con el backend y la dejaba funcionando.

Tras el lanzamiento, el servicio tuvo rápidamente uso real: en la primera semana registró 10 mil usuarios únicos, 9240 objetivos creados y 981 tareas vinculadas, lo que para un producto interno parecía un comienzo muy sólido.

Dónde aparecieron los límites

El caso muestra bien que el principal cuello de botella del desarrollo empresarial con IA no está en la generación de código, sino en la disciplina de ingeniería. Cuando varios participantes cambian el proyecto en paralelo, no saber Git se traduce en un trabajo manual constante para resolver conflictos.

El segundo problema fue de infraestructura: en el piloto participaban 15 equipos a la vez y durante el día GLM-5 podía tardar varios minutos en responder, con lo que la herramienta resultaba casi inútil y rompía el ritmo de trabajo. Otro momento revelador ocurrió justo antes de la demo: el modelo y los plugins dejaron de estar disponibles y los últimos errores hubo que corregirlos a mano. Eso devuelve a la realidad y disipa la ilusión de que la IA pueda sustituir por completo al ingeniero en un momento crítico.

La arquitectura, las integraciones, la seguridad, la revisión de logs y la resolución de casos límite siguieron en manos del desarrollador con experiencia. De hecho, fue precisamente el ajuste manual de última hora lo que permitió superar la presentación y el lanzamiento sin contratiempos.

«En las grandes empresas, el vibe coding no sustituye al

desarrollador, sino que es una herramienta en manos de un especialista con experiencia».

Como resultado, el equipo llegó a un modelo de uso más sobrio: la IA sirve para trabajar en paralelo en tareas rutinarias, interfaces e hipótesis preliminares, pero no elimina el liderazgo técnico. Si no se fijan los límites del lanzamiento, surge la tentación de ampliar sin fin el alcance, porque parece que el modelo «hará un poquito más». En la práctica, un marco de tareas estricto, el control manual y saber parar a tiempo las mejoras permitieron terminar el servicio.

Qué significa

La historia de Alfa-Bank importa porque muestra el vibe coding sin filtro publicitario. Dentro de una gran empresa ya puede acelerar el lanzamiento de productos internos, sobre todo en la fase de prototipos y en tareas típicas de interfaz, pero solo funciona donde hay un ingeniero con experiencia, un alcance de trabajo claro y disposición a resolver a mano todo lo crítico.

En este escenario la IA no es un piloto automático, sino un acelerador del equipo, que da resultado solo con un proceso maduro y una responsabilidad estricta sobre el resultado.