El CTO renueva el ciclo de vida de la ingeniería y su impacto en su equipo

Sergey Terentyev dirige la tecnología y la ingeniería en un entorno bancario digital autorizado. Durante el último año, ha renovado por completo el ciclo de vida de la ingeniería para integrar la IA en cada paso.

Hablamos con Sergey para saber más. Nos contó qué cambió y cómo afectó a su equipo.

La IA está cambiando mucho más que las herramientas

Soy Sergey, actualmente director de tecnología (CTO) en el sector bancario y de la tecnología financiera en los EAU. Comencé como ingeniero de software y pasé a ocupar puestos de liderazgo mediante la creación de productos, la ampliación de equipos y la resolución de problemas tecnológicos complejos.

Mi camino hacia la transformación con IA fue sencillo: los métodos tradicionales para crear y gestionar equipos tecnológicos se están volviendo demasiado lentos. Los equipos siguen dedicando demasiado tiempo al trabajo repetitivo, la coordinación, la documentación, el soporte y los procesos manuales.

Ahora me centro en la adopción práctica de la IA en las organizaciones de ingeniería y producto. No en la IA como una moda, sino como una forma de avanzar más rápido, mejorar la entrega, reducir el desperdicio y ayudar a los equipos pequeños a lograr mucho más.

Veo este momento como una oportunidad para replantearse cómo funcionan las organizaciones tecnológicas. La IA no solo está cambiando las herramientas, sino también los equipos, el liderazgo y la forma en que las empresas crean productos.

Equilibrar la innovación y la regulación

La organización en la que dirijo la tecnología y la ingeniería opera en un sector altamente regulado, por lo que el panorama tecnológico combina el desarrollo moderno de productos con requisitos de seguridad, cumplimiento normativo y operaciones de nivel empresarial.

La organización de ingeniería abarca plataformas móviles y web, servicios de backend, infraestructura en la nube, ciberseguridad, integraciones, plataformas de datos y gestión de proveedores. Trabajamos tanto con desarrollo interno como con socios externos estratégicos, mientras trasladamos gradualmente más capacidades esenciales al interior de la empresa.

Desde el punto de vista de la arquitectura, avanzamos hacia un modelo más modular y basado en API, con una mayor responsabilidad dentro de los equipos de ingeniería de producto. El entorno es bastante complejo porque operamos en sistemas bancarios, integraciones de tecnología financiera, infraestructura de pagos, aplicaciones orientadas al cliente y plataformas operativas internas.

La implementación y la entrega son altamente iterativas, con un gran énfasis en la automatización, la integración y entrega continuas (CI/CD), la infraestructura en la nube, la observabilidad y la resiliencia operativa. Una prioridad importante es reducir la dependencia de los modelos tradicionales de entrega y aumentar la velocidad de la ingeniería mediante el desarrollo asistido por IA y la automatización.

Una parte importante de mi función consiste en equilibrar la velocidad de la innovación con las exigencias de operar en un entorno financiero regulado, donde la fiabilidad, la seguridad y la gobernanza son fundamentales.

Cómo la IA obligatoria cambia los flujos de trabajo de ingeniería

Introdujimos la IA directamente en el flujo de trabajo de entrega de ingeniería, en lugar de tratarla como una herramienta individual opcional.

Antes de eso, los ingenieros dedicaban mucho tiempo a tareas repetitivas como la implementación de código repetitivo, la documentación, el análisis de código, la depuración, la preparación de pruebas, la revisión del código de proveedores y la traducción de los requisitos empresariales en tareas técnicas. La sobrecarga operativa saturaba a los ingenieros sénior y les impedía centrarse en la arquitectura y las decisiones sobre el producto.

Durante el último año, integramos sistemáticamente el desarrollo asistido por IA en los procesos diarios de ingeniería. Esto incluyó la generación de código, el apoyo en las revisiones de código, la generación de documentación, el análisis de impacto, la investigación de incidentes y la creación más rápida de prototipos.

El cambio afectó no solo a la velocidad, sino también a la forma de trabajar de los equipos. Ahora los ingenieros dedican menos tiempo a actividades repetitivas de bajo valor y más tiempo al diseño de sistemas, la visión de producto y la toma de decisiones. También redujo la dependencia de un pequeño número de personas sénior al facilitar la distribución del conocimiento entre los equipos.

El mayor cambio probablemente fue cultural. Los equipos dejaron de considerar la IA una herramienta experimental y pasó a formar parte del flujo de trabajo normal de ingeniería. Ahora esperan que la automatización sea la opción predeterminada, en lugar de asumir que todos los procesos deben ser manuales.

Sergey comparte

Introdujimos la IA directamente en el flujo de trabajo de entrega de ingeniería, en lugar de tratarla como una herramienta individual opcional.

Cómo la IA puede llegar a cada parte del ciclo de vida de la ingeniería

Veamos el recorrido desde el requisito empresarial hasta una implementación de ingeniería lista para producción.

Por lo general, todo comienza con una solicitud de producto o negocio redactada en un lenguaje de alto nivel. La IA ayuda a traducirla en requisitos técnicos estructurados, identifica dependencias, sugiere contratos de API y señala posibles casos límite o riesgos de integración en una etapa temprana del proceso.

A partir de ahí, los ingenieros utilizan herramientas de desarrollo asistido por IA durante la implementación para crear la estructura inicial de servicios, generar patrones de código repetitivos, crear casos de prueba y agilizar la documentación. El objetivo no es programar de forma totalmente autónoma, sino reducir el trabajo manual de poco valor para que los ingenieros puedan centrarse en la arquitectura y la lógica.

Durante el desarrollo, la IA también ayuda con las revisiones de código, explica partes desconocidas de la base de código, identifica posibles vulnerabilidades y valida los enfoques de implementación. En el caso de sistemas propensos a incidentes, los ingenieros utilizan la IA para analizar registros y resumir comportamientos anómalos mucho más rápido que mediante una investigación manual tradicional.

Una vez que los cambios pasan a los canales de implementación, la automatización se encarga de las pruebas, la validación y la observabilidad. La IA vuelve a ser útil después de la implementación al ayudar a los equipos a interpretar alertas, correlacionar incidentes y reducir el tiempo de investigación durante los problemas operativos.

Como puede ver, la IA ahora está integrada en todo el ciclo de vida de la ingeniería, en lugar de limitarse a ser un chatbot aislado o un asistente de programación. Se convirtió en parte del flujo de trabajo diario, desde la planificación hasta las operaciones.

Por qué los CTO deben mejorar la legibilidad para las máquinas

Hemos estado reduciendo la dependencia del conocimiento centralizado y de la coordinación manual. En lugar de que la información crítica resida únicamente en personas o equipos específicos, introdujimos flujos de trabajo en los que la IA ayudaba a los ingenieros a orientarse en los sistemas, comprender la arquitectura, analizar incidentes y acelerar la incorporación de nuevos miembros de forma independiente.

Esto me lleva a otro cambio importante que hemos realizado: diseñar sistemas para que sean legibles por las máquinas, no solo por las personas.

Las API limpias, la documentación estructurada, la observabilidad, los servicios modulares y las interfaces bien definidas mejoran drásticamente tanto la productividad humana como la eficacia de la IA.

Por qué la IA no puede encargarse del criterio en una industria regulada

La IA acelera especialmente la entrega y reduce el trabajo repetitivo de ingeniería. Por ejemplo, durante la respuesta a incidentes, la IA ayuda a los ingenieros a analizar registros, identificar posibles causas raíz, resumir hallazgos y agilizar la investigación.

Al mismo tiempo, algunas áreas siguen estando explícitamente dirigidas por personas. Las decisiones finales de arquitectura, la gobernanza de la seguridad, la aceptación del riesgo, la priorización y la responsabilidad sobre la producción siguen requiriendo que personas con experiencia tomen decisiones basadas en su criterio.

En pocas palabras, la IA destaca en la aceleración y el reconocimiento de patrones, pero las decisiones de liderazgo en sistemas complejos siguen dependiendo del contexto, las concesiones, las prioridades empresariales, la regulación y la visión a largo plazo. Especialmente en los servicios financieros, no se puede automatizar por completo la responsabilidad.

Cómo la IA puede afectar negativamente a los equipos de ingeniería

El mayor resultado positivo ha sido la velocidad de la ingeniería. Las tareas que antes llevaban días ahora a veces se completan en horas. La fricción operativa también se ha reducido, lo que mejora el flujo general de entrega y permite que las personas sénior se centren más en la arquitectura y la toma de decisiones, en lugar de estar constantemente apagando incendios.

También observamos una incorporación más rápida, porque la asistencia de la IA ayuda a los ingenieros a comprender mucho más rápido los sistemas desconocidos.

Sin embargo, también ha habido un aspecto negativo:

• Aprendimos que la IA puede crear una falsa sensación de confianza. El código generado suele parecer correcto incluso cuando las suposiciones subyacentes son erróneas. Sin fundamentos sólidos de ingeniería y procesos de revisión, los equipos pueden avanzar más rápido en la dirección equivocada.
• Observamos que los ingenieros menos experimentados a veces se vuelven demasiado dependientes de las herramientas de IA sin comprender plenamente los sistemas que construyen. Por eso, un desafío inesperado fue garantizar que la IA aumente las capacidades en lugar de reducir la profundidad técnica.
• La gobernanza y la seguridad se han convertido en un desafío mayor. En entornos regulados, es necesario establecer límites claros sobre a qué datos pueden acceder los sistemas externos de IA, cómo revisar el código generado y cómo garantizar que las decisiones sigan siendo auditables.

En qué aspectos la IA no está cumpliendo las expectativas

La IA aún no ha cumplido la promesa de una ingeniería de software autónoma. Existe entusiasmo en torno a la idea de sistemas generados completamente por IA o de reemplazar a los equipos de ingeniería, pero en la práctica todavía estamos lejos de eso en entornos empresariales complejos.

La IA acelera, crea prototipos y asiste muy bien a los ingenieros experimentados. Sin embargo, cuando los sistemas se vuelven grandes, interconectados, regulados y críticos desde el punto de vista operativo, las limitaciones se hacen evidentes. El manejo del contexto, la coherencia a largo plazo, las decisiones arquitectónicas y la comprensión profunda de los sistemas siguen siendo débiles en comparación con las capacidades de los profesionales experimentados.

La fiabilidad de los resultados aptos para producción también me decepcionó. El código generado por IA suele parecer impresionante al principio, pero su calidad puede degradarse rápidamente en casos extremos, problemas de escalabilidad, requisitos de seguridad o necesidades de mantenimiento. El último 20 por ciento del trabajo de ingeniería sigue siendo muy humano.

Sergey comparte

La IA acelera, crea prototipos y asiste muy bien a los ingenieros experimentados. Sin embargo, cuando los sistemas se vuelven grandes, interconectados, regulados y críticos desde el punto de vista operativo, las limitaciones se hacen evidentes.

Cómo la IA cuestiona las suposiciones sobre los equipos y la arquitectura

La escala de la ingeniería ya no depende principalmente de añadir más personas.

Los equipos más pequeños y altamente técnicos, equipados con herramientas de IA sólidas, pueden avanzar mucho más rápido que organizaciones mucho más grandes con una pesada carga de procesos. En algunos casos, la coordinación en sí se convirtió en un cuello de botella mayor que el trabajo real de ingeniería.

Por eso pasamos a trabajar con equipos de ingeniería más pequeños y orientados al producto, con una mayor responsabilidad y más automatización en la entrega, las operaciones y la documentación.

La IA también cambió mi forma de pensar sobre la experiencia profesional. Antes, el acceso a la información y la experiencia generaban fuertes cuellos de botella en torno a unos pocos ingenieros o arquitectos sénior. La IA reduce parte de esa asimetría porque el conocimiento, la documentación y la exploración técnica se vuelven mucho más accesibles en toda la organización.

Además, desde el punto de vista arquitectónico, me impulsó hacia sistemas más sencillos y modulares. La IA funciona mucho mejor cuando los sistemas están bien estructurados, son observables y están claramente separados. Los entornos complejos y sin documentación generan fricción tanto para las personas como para los sistemas de IA.

Por qué las personas requieren más atención que las herramientas al adoptar la IA

Subestimé el aspecto humano de la adopción.

Al principio, nos centramos principalmente en las herramientas y las capacidades. Dimos por hecho que, una vez que los ingenieros tuvieran acceso a sistemas de IA sólidos, la adopción ocurriría de forma natural. Los equipos reaccionaron de maneras muy diferentes. Algunos ingenieros se volvieron inmediatamente mucho más productivos, mientras que otros apenas cambiaron sus flujos de trabajo.

Si pudiera repetir parte del proceso de implementación, dedicaría menos tiempo a evaluar docenas de herramientas de IA y más tiempo a rediseñar los flujos de trabajo, formar a los equipos y definir patrones operativos claros sobre cómo debería utilizarse la IA en el ámbito de la ingeniería.

Por qué los CTO deben considerar esto un cambio en el modelo operativo

Mi consejo para los CTO es que consideren la IA como un cambio del modelo operativo, no solo como una actualización de herramientas.

Muchas empresas todavía abordan la IA del mismo modo que abordaron las anteriores oleadas de software: compran plataformas, ejecutan proyectos piloto y añaden casos de uso aislados. Esto deja de lado el cambio más importante. La IA transforma la forma en que trabajan los equipos de ingeniería, cómo se crean los productos y cómo escalan las organizaciones.

En segundo lugar, hay que mantener un enfoque pragmático. Ahora mismo existe una enorme expectación y muchas empresas intentan aplicar la IA a problemas en los que aporta poco valor. Por lo general, los mejores resultados se obtienen mejorando primero los flujos de trabajo existentes, en lugar de perseguir ideas futuristas.

En tercer lugar, hay que invertir decididamente en los fundamentos de la ingeniería en lugar de asumir que la IA los reemplaza. Una arquitectura sólida, una buena cultura de ingeniería, una asignación clara de responsabilidades, disciplina operativa y profesionales con experiencia son aún más importantes en un entorno impulsado por la IA.

Y, por último, los CTO deberían utilizar personalmente estos sistemas de forma directa, no a través de informes o demostraciones de proveedores, sino de manera práctica. El ritmo del cambio es demasiado rápido como para gestionar este tema únicamente desde una perspectiva estratégica sin conocer directamente la propia tecnología.

Mantente al día

Puedes seguir el trabajo de Sergey Terentyev en LinkedIn.

Próximamente habrá más entrevistas con expertos en The CTO Club.