Los agentes de IA cambian el ciclo de desarrollo: dónde se comprime Scrum y dónde sigue haciendo falta una persona

Los agentes de IA comprimen de verdad el ciclo de desarrollo habitual, pero no lo eliminan por completo. Algunas etapas casi desaparecen, otras se convierten en puntos de control reforzado, y todo depende del tipo de producto con el que trabaje el equipo.

Dónde se ha colapsado el ciclo

Hace poco, el camino de la idea al código funcional llevaba días o semanas: había que describir la tarea, dividirla en subtareas, pasarla a un desarrollador, esperar a una primera implementación y solo entonces recoger comentarios. Con los agentes, esa ruta es claramente más corta. El código borrador, los esqueletos de pruebas, las migraciones, las estructuras de interfaz e incluso la documentación básica aparecen de una sola vez, y no tras varias iteraciones entre personas.

• Una hipótesis se convierte en prototipo más rápido
• La implementación borrador aparece casi justo después de plantear la tarea
• La preparación de datos de prueba y fixtures deja de ser rutina manual
• La documentación y las notas técnicas ya no esperan al final del sprint

Por eso no cambia solo la velocidad, sino la propia lógica de gestión del trabajo. El equipo dedica menos tiempo a transmitir contexto y más a comprobar qué ha generado exactamente el agente. El cuello de botella ya no es escribir código, sino confirmar que es apto para su uso: observabilidad, trazas, métricas de producto, comportamiento en escenarios reales. Así que no se trata de que el proceso haya desaparecido, sino de que se ha desplazado hacia el momento del lanzamiento y la operación.

Greenfield frente a legacy

En los proyectos greenfield, donde el producto se crea desde cero, el margen de aceleración es máximo. Hay menos restricciones históricas, es más fácil acordar la estructura del código y adoptar un enfoque en el que el agente genera la mayor parte de la implementación inicial. En ese entorno, algunos controles clásicos sí se debilitan: en lugar de una revisión de código exhaustiva, el equipo mira más a menudo la observabilidad, los logs, las alertas y cómo se comporta el sistema bajo carga real.

En un entorno brownfield el panorama es distinto. El código antiguo casi siempre contiene dependencias ocultas, acuerdos implícitos y lógica de negocio difícil de leer de forma aislada. Un agente puede escribir rápido un parche o una refactorización, pero aquí el riesgo de error es mayor que en un servicio nuevo. Por eso la persona no sale del ciclo: valida los cambios, comprueba los invariantes, contrasta lo generado con la historia del sistema y decide si una mejora local romperá otras partes del producto.

Dónde choca la velocidad

Los límites de la aceleración se ven con más claridad donde hay mucha regulación, aprobaciones y responsabilidad frente a terceros. En fintech, medicina, plataformas enterprise y sistemas internos de grandes empresas, el agente ahorra tiempo de verdad en borradores, análisis de requisitos y generación de código y pruebas. Pero no puede asumir la responsabilidad legal, superar una auditoría en lugar del equipo ni garantizar que una solución cumpla las políticas internas y las normas del sector.

De ahí la principal conclusión sobre los roles. No desaparecen ni los testers, ni los analistas, ni los líderes de equipo: cambia el objeto de su trabajo. QA dedica cada vez menos tiempo a comprobaciones manuales repetibles y más a los escenarios de riesgo. El analista formaliza mejor los requisitos para que el agente no se invente nada donde hay ambigüedad. El líder de equipo y el arquitecto se encargan de los límites del uso de IA, las reglas de validación y los momentos en que el control humano es obligatorio.

Qué significa esto

Los agentes de IA no han acabado con Scrum, QA y la revisión de código de un plumazo, como gustan de contar los influencers. Simplemente han comprimido el ciclo de desarrollo de forma desigual: en productos nuevos la aceleración es casi explosiva, en sistemas legacy la utilidad depende de la calidad de la validación, y en entornos regulados la ganancia llega sin aliviar la responsabilidad. Ganan los equipos que saben no solo generar más rápido, sino también verificar con más criterio.