Una cena de trabajo con directivos de ingeniería en Toronto, organizada al margen de la conferencia CTO Craft, puso sobre la mesa las preguntas que dominan la adopción de inteligencia artificial en los equipos técnicos. El tono fue de honestidad compartida: nadie tiene aún un modelo claro de retorno y la conversación ha pasado de "¿usáis IA?" a "¿qué os está dando?".
El principal obstáculo es financiero. La inversión en IA solía medirse en contrataciones, una variable controlable. Ahora depende del consumo de tokens por ingeniero, que nadie gestiona. Varios participantes equipararon la situación al inicio de la computación en la nube, cuando aún no existía FinOps: los costes son todavía una fantasía y las métricas para evaluarlos no se han inventado. Algunos equipos han respondido estandarizando herramientas en lugar de seguir con el libre uso.
En contratación, las opiniones divergen. Hay quien distingue entre el ingeniero de IA orientado a producto y el ingeniero responsable del diseño de sistemas, y quien ha rediseñado las entrevistas para evaluar revisión de código en vez de programación. Los procesos para medir pensamiento sistemático se mantienen, pero el listado de competencias y los criterios de promoción no se han actualizado al ritmo de la adopción.
En los equipos conviven perfiles muy diferentes: adoptantes entusiastas, escépticos con alta productividad asistida por IA y rezagados que viven "momentos de recalibración" al descubrir categorías de trabajo que antes tomaban días. Una encuesta anónima en una de las empresas arrojó que el 90% de sus ingenieros quería usar IA, aunque muchos desconocían cómo encajaba esa herramienta en su carrera.
Los asistentes coincidieron en un punto crítico: la IA abarata escribir código, no enviarlo ni mantenerlo. La deuda cognitiva se perfila como el nuevo desafío. Algunos proponen equipos dedicados a la salud técnica para refactorizar o eliminar código, pero obtener apoyo empresarial basado en velocidad resulta difícil. El debate concluyó con una pregunta abierta: si la IA permite a cualquiera escribir código, ¿deberían los product managers enviar pull requests a producción?