El Gerente Principal de Ingeniería afirma que los líderes de entrega deben adoptar sistemas en tiempo real basados en señales
Un Gerente Principal de Ingeniería de Microsoft comparte cómo la IA está transformando la entrega de proyectos, pasando de la coordinación manual a la orquestación inteligente, y los sistemas orientados a señales que sus equipos utilizan para mantenerse a la vanguardia.
Chandrasekar Srinivasan
Principal Engineering Manager
Claridad técnica: Chandrasekar Srinivasan enfatiza la necesidad de una dirección arquitectónica clara en la entrega de proyectos.
Transformación por IA: La IA convierte la gestión de proyectos de coordinación a orquestación, mejorando la eficiencia sin eliminar los roles humanos.
Gestión de dependencias: La síntesis asistida por IA mejora la visibilidad y la toma de decisiones al consolidar el estado del proyecto y sus dependencias.
Flujos de trabajo agentivos: Explorar flujos de trabajo agentivos mejora la detección de riesgos y el seguimiento de proyectos entre varios equipos, fortaleciendo la colaboración.
Confianza en la IA: Establecer confianza en los resultados de la IA es crucial para su adopción; los equipos deben priorizar la fiabilidad y la transparencia.
Chandrasekar Srinivasan es Gerente Principal de Ingeniería en Microsoft. Con más de 15 años de experiencia en sistemas distribuidos, la nube e IA, ha liderado iniciativas de plataforma tanto en etapas tempranas como a hiperescala.
Nos sentamos con él para obtener una visión interna sobre cómo está replanteando la entrega de proyectos en un entorno nativo de IA. Esto es lo que nos contó.
Claridad técnica y alineación en la ejecución
Soy Chandrasekar Srinivasan y soy Gerente Principal de Ingeniería en Microsoft. Lidero grandes equipos que construyen plataformas cloud de gran escala de Nivel-0 y tengo más de 15 años de experiencia en sistemas distribuidos, la nube e inteligencia artificial. A lo largo de mi carrera, he liderado iniciativas de plataforma desde el punto cero hasta la hiperescala, tanto en sistemas de plano de control como de plano de datos, centrando mis esfuerzos en la confiabilidad, escalabilidad, seguridad, cumplimiento y la ejecución transversal entre organizaciones.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
En la entrega de proyectos, genero claridad técnica y alineación en la ejecución. Esto incluye definir la dirección arquitectónica, resolver ambigüedades, destrabar a los equipos, impulsar la alineación entre organizaciones asociadas, escalar riesgos de manera temprana, respaldar los compromisos con los clientes y construir el equipo (contratar/desarrollar talento) para lograr una entrega exitosa.
Por qué la IA transforma la entrega de proyectos, de la coordinación a la orquestación
La IA se está integrando en casi todos los aspectos de la entrega de proyectos. No reemplaza el liderazgo ni el juicio de la ingeniería, pero reduce considerablemente el trabajo tedioso de la ejecución. Está produciendo un cambio fundamental en la gestión de proyectos: de la coordinación a la orquestación.
La IA está produciendo un cambio fundamental en la gestión de proyectos: de la coordinación a la orquestación.
Mis equipos están utilizando la codificación asistida por IA y la revisión de código asistida para acelerar el desarrollo, chatbots semánticos para reducir la carga de soporte y la síntesis asistida por IA para resumir comunicaciones entre reuniones, hilos y documentos. También utilizamos la IA para acelerar la documentación técnica y mejorar la visibilidad a través de paneles automatizados que destacan los retrasos y los riesgos en la ejecución.
Como resultado, ahora dedico menos tiempo a la síntesis manual, documentación repetitiva y coordinación rutinaria. Paso más tiempo en tareas de mayor valor: tomar decisiones arquitectónicas, gestionar dependencias entre equipos, manejar la ambigüedad, mejorar la priorización y ayudar a los equipos a enfocarse en los riesgos de entrega más críticos.
Cómo los enfoques impulsados por IA gestionan las dependencias entre equipos
En nuestro entorno, las dependencias abarcan docenas de equipos y las actualizaciones se distribuyen naturalmente en los sistemas de proyectos, hilos de comunicación y flujos de trabajo de ingeniería. Tradicionalmente, unir toda esta información requería un esfuerzo manual significativo, y muchas veces identificábamos los riesgos más tarde de lo deseado.
Introdujimos una V1 ligera que reunió un conjunto focalizado de señales provenientes de estos sistemas — datos de seguimiento de proyectos, actualizaciones de equipos y artefactos de comunicación — y usamos la síntesis asistida por IA para generar una vista consolidada del estado del proyecto y las dependencias. Comenzamos a ver esto como un avance hacia un modelo de entrega enfocado en señales, donde las señales en constante evolución dirigen las decisiones en lugar de los informes de estado periódicos.
Nos estamos moviendo hacia un modelo de entrega basado en señales, donde señales en constante evolución impulsan las decisiones en lugar de informes de estado periódicos.
Este enfoque ya ha hecho que el equipo pase de dedicar tiempo a recopilar actualizaciones a actuar sobre ellas. Más importante aún, ahora estamos en camino de convertir esta capacidad en un producto — integrándola de manera más profunda con nuestros sistemas de entrega para que se convierta en una parte estándar de cómo gestionamos la visibilidad de los proyectos y el seguimiento de la ejecución, en lugar de un flujo de trabajo paralelo. La lección clave para nosotros ha sido que el valor no está en automatizar completamente la entrega, sino en crear un sistema que mejore continuamente la visibilidad y la toma de decisiones a gran escala.
Cómo la IA apoya la automatización y dónde todavía prevalece el juicio humano
Las áreas más preparadas para el soporte de la IA son la síntesis de estados, seguimiento de dependencias, identificación de riesgos, documentación, comunicación rutinaria, diseño, codificación y revisión de código. La IA puede ayudar extrayendo información a través de sistemas, resumiendo lo que ha cambiado, identificando posibles bloqueadores, resaltando brechas en la ejecución y sugiriendo acciones de seguimiento.
Dicho esto, ninguna de estas áreas es realmente “totalmente automatizable” en un entorno de entrega significativo. El juicio humano sigue siendo esencial para la priorización, las decisiones de compensación, la alineación organizacional, la resolución de conflictos, la dirección arquitectónica y el liderazgo de personas. El mejor uso de la IA hoy no consiste en eliminar a los humanos del proceso, sino en reducir la carga operativa para que los ingenieros y líderes puedan centrarse en las decisiones de mayor valor.
El mejor uso de la IA no es eliminar a los humanos del proceso, sino reducir la carga operativa para que los líderes puedan centrarse en las decisiones de mayor valor.
Los cambios en nuestro stack nos han llevado de artefactos de estado estáticos y mantenidos manualmente a flujos de trabajo asistidos por IA, impulsados por consultas, que generan insights más rápido y reducen el trabajo manual.
El panorama de herramientas cambia sorprendentemente rápido. Lo que hoy parece avanzado puede convertirse muy pronto en algo básico. Nuestra stack incorpora cada vez más herramientas de IA como:
- GitHub Copilot — Lo usamos para acelerar la codificación, sugerencias de código, seguimiento de proyectos y mejora de la productividad de los desarrolladores durante la implementación. El soporte automatizado de revisión de código ha sido especialmente valioso y, en muchos casos, aún poco valorado. Ayuda a los ingenieros a detectar problemas antes, mejorar la calidad del código y avanzar más rápido sin requerir el mismo nivel de revisión manual para cada cambio rutinario.
El mayor impacto ha sido una velocidad de iteración más rápida y menos carga en las revisiones, permitiendo que los humanos se enfoquen en las cuestiones de diseño profundo y corrección. - Azure Copilot / Asistentes de IA — Los usamos para documentación técnica, resumen, recuperación de información y flujos de soporte.
- Herramientas de reporte basadas en consultas — Las usamos para monitorear el estado del proyecto, retrasos en la ejecución y estado de las dependencias.
Cómo los flujos de trabajo agénticos mejoran el seguimiento de proyectos y la detección de riesgos
Estamos explorando flujos de trabajo agénticos para el seguimiento de proyectos, la gestión de dependencias y la detección de riesgos en la ejecución. Estas son áreas de alto valor porque implican gran cantidad de información fragmentada y seguimiento manual, especialmente al coordinar con muchos equipos.
Algunos de los casos de uso incluyen la detección automática de retrasos de proyectos, identificación de brechas de dependencias y el seguimiento de si todos los equipos requeridos han reconocido acciones o compromisos. En entornos grandes con más de 100 equipos, esto cobra un valor enorme.
Cómo los sistemas livianos reemplazan los tableros de proyecto obsoletos
La mayoría de los tableros de proyectos actuales ya están obsoletos — simplemente no han sido reemplazados todavía. Nos estamos alejando de sistemas de gestión de proyectos pesados, dependientes de interfaces gráficas y con curación manual, hacia flujos de trabajo más ligeros y orientados a consultas.
La mayoría de los tableros de proyectos actuales ya están obsoletos — simplemente no han sido reemplazados todavía.
El cambio actual trata los datos del proyecto como algo con lo que los equipos pueden consultar e interactuar de manera dinámica — más parecido a un modelo basado en la línea de comandos o por indicaciones. En lugar de navegar entre múltiples tableros o mantener documentos de estado estáticos, los equipos pueden realizar preguntas específicas como:
- “¿Cuáles son las principales dependencias retrasadas de esta semana?”
- “¿Qué equipos no han reconocido acciones críticas?”
- “¿Dónde corremos el riesgo de no cumplir los hitos?”
La combinación de esa capa predecible de datos estructurados del proyecto y una capa probabilística de IA generativa permite este cambio, interpretando esas señales en contexto—conectando actualizaciones entre sistemas, identificando patrones y resaltando perspectivas que no son obvias desde ninguna fuente individual.
Por qué los datos de gestión de proyectos deben desacoplarse de los datos principales del proyecto a medida que evolucionan los sistemas de IA
A medida que los sistemas evolucionan, también debemos desacoplar los datos de gestión de proyectos (como estado, prioridad, etc.) de los datos principales del proyecto, con directrices claras para la información sensible. Esto garantiza que la capa predecible siga siendo confiable y segura, mientras que la capa probabilística puede operar con seguridad en el nivel adecuado de abstracción sin exponer detalles sensibles. Desacoplar los datos de gestión de proyectos de los datos principales permite que la IA sea utilizable en entornos empresariales.
A medida que evolucionan los sistemas, debemos desacoplar los datos de gestión de proyectos de los datos principales para que la IA sea utilizable en entornos empresariales.
A medida que mejora la calidad de la distribución de probabilidades, esta capa filtra el ruido de manera más eficaz y reduce las alucinaciones, lo cual es fundamental para generar confianza en estos sistemas. La diferencia entre ruido y perspectiva es la calidad de las probabilidades. En la práctica, esto reduce la necesidad de curar manualmente el estado y traslada el esfuerzo hacia la toma de decisiones. Los equipos dedican menos tiempo a actualizar interfaces gráficas y más tiempo interactuando con datos en tiempo real mediante consultas o indicaciones.
El resultado es una menor carga de informes, una mayor rapidez para identificar riesgos de ejecución y una forma más dinámica de gestionar la entrega, donde el sistema refleja continuamente la realidad en lugar de depender de instantáneas actualizadas periódicamente.
Cómo el soporte de IA permite a los ingenieros junior asumir tareas más complejas antes
Con soporte de IA, puedo asignar tareas más complejas a ingenieros junior antes en sus carreras. La combinación de la guía asistida por IA y la validación estructurada les permite operar en un mayor alcance, manteniendo al mismo tiempo la calidad. Esto no solo acelera la ejecución, sino que también mejora significativamente la velocidad de aprendizaje y el crecimiento del equipo. La IA está comprimiendo la curva de experiencia: los ingenieros pueden asumir responsabilidades del mañana, hoy.
Con el apoyo de la IA, los ingenieros junior pueden asumir tareas más complejas antes, acortando la curva de experiencia.
La alineación del equipo mejora cuando la IA puede resumir discusiones y resaltar decisiones no resueltas. La validación se vuelve más eficiente cuando la IA ayuda con la revisión de código, la revisión de documentación y la trazabilidad. Dicho esto, los fundamentos siguen importando. El alcance aún necesita una asignación clara de responsabilidades. La alineación aún requiere toma de decisiones real. La validación todavía necesita rigor ingenieril.
Por qué adoptar la IA implica establecer confianza y equilibrar tensiones
Adoptar la IA a veces implica que exista una tensión entre la personalización y la estandarización. Los equipos quieren flujos de trabajo adaptados a sus necesidades, pero a gran escala, el liderazgo también necesita consistencia al medir y actuar sobre las señales de entrega. Equilibrar esos dos aspectos ha sido una de mis lecciones más interesantes.
Además de poder equilibrar tensiones, un equipo que desee adoptar la IA debe trabajar en establecer confianza. La falta de confianza es la principal barrera para la adopción de la IA. Los equipos solo usarán la IA si los resultados son lo suficientemente precisos, explicables e integrados en su flujo de trabajo para ahorrar tiempo en lugar de crear más trabajo de verificación.
Los ganadores a largo plazo serán los equipos que traten la IA no solo como una herramienta de productividad, sino como un sistema que debe ganarse la confianza a través de la fiabilidad, la transparencia y un valor consistente.
¿Quieres más ideas como estas? Regístrate gratis en DPM para conocer la opinión de más expertos como estos.
