Tech Day República Dominicana 2026: cómo gobernar la IA dentro del desarrollo de software
Paul Mera, de Business IT, compartió experiencias sobre el uso de agentes y modelos de inteligencia artificial dentro de fábricas de software.
Durante Tech Day República Dominicana 2026, Paul Mera, Presales Leader - Digital Business de Business IT, abordó este desafío en la ponencia “Desarrollo agéntico gobernado: medición de la IA dentro del ciclo de desarrollo de software”, en la que compartió experiencias sobre el uso de agentes y modelos de inteligencia artificial dentro de fábricas de software.
Mera sostuvo que la llegada de estas herramientas no elimina la necesidad de desarrolladores, sino que cambia la manera en que se mide el rendimiento de los equipos. El reto, explicó, ya no consiste solamente en determinar cuántas personas participan en un proyecto, sino en evaluar cuánto más pueden producir con apoyo de IA bajo procesos correctamente estructurados.
Como ejemplo, indicó que Business IT ha trabajado con equipos que anteriormente requerían alrededor de 20 personas y que, mediante nuevos modelos de trabajo, han logrado operar con ocho o diez profesionales alcanzando niveles de producción superiores. Para llegar a este punto, señaló, fue necesario experimentar durante aproximadamente dos años y construir un framework que permitiera controlar la incorporación de la tecnología.
Gobernar el consumo y reducir el retrabajo
Uno de los principales riesgos señalados durante la presentación fue adoptar IA sin mecanismos para controlar su utilización. Mera relató que, en una de sus primeras experiencias, un desarrollador llegó a consumir alrededor de US$800 en tokens durante una sola semana, situación que evidenció la necesidad de establecer presupuestos, métricas y límites por proyecto.
El especialista explicó que concentrarse únicamente en desarrollar con mayor rapidez puede ocultar otros factores como el consumo de recursos, el retrabajo, la deuda técnica y los riesgos de seguridad. Una aplicación puede construirse en menos tiempo, pero múltiples iteraciones sin estándares claros pueden elevar costos y generar problemas posteriormente.
Por ello, planteó la necesidad de implementar guardrails o controles asociados a arquitectura, calidad y seguridad. Bajo este esquema, los agentes pueden revisar si el código sigue determinados estándares, mientras las personas mantienen participación en los puntos críticos y en la aprobación de decisiones.
Otro elemento central es la especificación. Mera destacó que, frente al avance de la IA, documentar nuevamente adquiere un papel estratégico, ya que los modelos necesitan información y contexto suficientemente detallados para ejecutar tareas de manera correcta. Esto implica establecer objetivos, reglas, criterios de aceptación y dividir los proyectos en tareas más pequeñas.
Medir para convertir la IA en un caso de negocio
Durante la ponencia también presentó resultados obtenidos con este enfoque. En uno de los proyectos analizados, una carga estimada de 656 horas se redujo a 395 horas, equivalente a una disminución cercana al 40% en tiempo de operación.
En términos económicos, Mera señaló que la organización logró registrar ahorros aproximados del 34%, considerando también licencias y consumo de herramientas de inteligencia artificial. Según explicó, en otros proyectos las mejoras han alcanzado rangos de entre 50% y 60%, aunque estos resultados dependen de las características y complejidad de cada implementación.
El avance de la IA también está trasladando los cuellos de botella hacia otras etapas. Si escribir código puede hacerse cada vez más rápido, las pruebas, los análisis de seguridad y la validación comienzan a requerir mayor atención, por lo que estas actividades también deben integrarse a los nuevos ciclos de desarrollo.
La recomendación final fue comenzar con proyectos acotados, establecer una línea base y evolucionar a partir de resultados medibles. Para las organizaciones, la adopción de IA deja así de ser únicamente una discusión tecnológica y se convierte en un ejercicio de gobierno, trazabilidad y retorno de inversión.
Comentarios