Fundador de IA advierte: los gerentes de proyectos deben adoptar el software agentico
Henrik Kniberg comparte cómo los agentes de IA están transformando el desarrollo de software, desde lanzamientos automatizados hasta la gestión autónoma del backlog. Sostiene que los gerentes de proyectos que no aprendan a trabajar con IA pronto se convertirán en el cuello de botella.
Impacto de la IA: La IA está revolucionando el desarrollo de software, permitiendo a los equipos entregar trabajo de mayor calidad de manera más eficiente.
Cambio en la gestión de proyectos: Los gerentes de proyectos deben adaptarse para integrar la IA o corren el riesgo de convertirse en cuellos de botella en el proceso de desarrollo.
Prácticas ágiles: Mantener un enfoque ágil es crucial; la burocracia mínima permite una entrega más rápida de proyectos con la ayuda de la IA.
Utilización de agentes: Los agentes de IA manejan tareas como la gestión de lanzamientos y la organización del backlog, liberando a los equipos para enfocarse en problemas complejos.
Habilidades futuras: Aprender a gestionar eficazmente el contexto de IA es vital para que los gerentes de proyectos sigan siendo competitivos en un entorno cambiante.
Henrik Kniberg tiene experiencia en gestión de proyectos en Spotify, LEGO y Mojang. Actualmente, es cofundador y director científico de Abundly.ai. Además, es el autor de "Generative AI in a Nutshell".
Nos sentamos con él para hablar sobre cómo la IA está cambiando el desarrollo de software —y, por extensión, la gestión de proyectos. Dijo que los gestores de proyectos deben subirse al tren o convertirse en el cuello de botella.
De producto a startup de IA
Soy el cofundador y director científico de Abundly.ai, donde lidero el desarrollo de nuestra plataforma para agentes autónomos de IA.
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
Anteriormente trabajé como coach Agile en Spotify y LEGO, y desarrollé Minecraft en Mojang. De hecho, realicé un video llamado "Spotify Engineering Culture", al que la gente suele referirse como el "Modelo Spotify", donde describo su enfoque de desarrollo de productos.
Y soy el autor de "Generative AI in a Nutshell".
Cómo la IA permite que los equipos de software entreguen más con menos recursos
La gestión de proyectos para el desarrollo de software ahora se puede realizar mucho más rápido con la ayuda de la IA, y eso está cambiando drásticamente la entrega de proyectos.
Me permite, tanto a mí como a mi equipo, centrarnos más en arquitectura, diseño y experiencia de usuario —donde deberíamos estar invirtiendo nuestro tiempo— y dedicar menos tiempo a escribir y depurar líneas de código.
El resultado es que podemos entregar más, con mayor calidad. Y lo hacemos en menos tiempo y con un equipo más pequeño.
Con IA, podemos entregar más, con mayor calidad. Y lo hacemos en menos tiempo y con un equipo más pequeño.
Por qué los equipos deben apostar por una burocracia mínima viable
No nos estamos alejando de los métodos tradicionales de gestión de proyectos; simplemente, nunca los usamos desde el inicio.
Comenzamos usando métodos ágiles y trabajamos duro por mantener ese enfoque ágil a medida que crecemos. Tenemos una cadencia semanal, donde nos sincronizamos los viernes para revisar el progreso y las prioridades. Mantenemos un tablero Kanban sencillo, con límites de trabajo en curso y una columna de triaje que funciona como una bandeja de entrada que se vacía cada semana: cada elemento entra o sale.
Cada commit se despliega automáticamente a un entorno de pruebas compartido. Y realizamos lanzamientos a Producción unas dos veces por semana, o más si es necesario.
También hacemos una sincronización informal casi todos los días. Simplemente nos reunimos y hablamos de lo que vamos a hacer ese día.
En definitiva, intentamos mantener una burocracia mínima viable. Y la IA nos está ayudando a lograrlo.
Intentamos mantener una burocracia mínima viable. Y la IA nos está ayudando a lograrlo.
Cómo los agentes están transformando la gestión de versiones y cambios
Experimentamos con flujos de trabajo con agentes todos los días, ya que es nuestro negocio principal.
Por ejemplo, construimos un agente gestor de versiones. Cada vez que queremos lanzar a Producción, lo cual sucede unas dos veces por semana, le enviamos un mensaje a ese agente, ya sea en Slack o en nuestra app.
Cuando recibe el mensaje, el agente revisa los últimos cambios en nuestra rama de pruebas, analiza los commits y genera y publica dos versiones de las notas de lanzamiento: una para uso interno y otra para uso externo que omite los cambios que no son visibles para los clientes. Luego, analiza nuestro sitio de documentación para ver si es necesario actualizar algo y realiza una Pull Request por cualquier cambio requerido.
Constantemente estamos ajustando las instrucciones de este agente. El último ajuste fue que revisara posibles problemas de seguridad.
Otro ejemplo en el que estamos trabajando ahora es un agente que maneja solicitudes de cambio interno de producto. Cuando un responsable reporta un problema o solicita una nueva funcionalidad, el agente evalúa automáticamente la prioridad, examina el código para determinar la complejidad del cambio, y publica un análisis en Slack. Luego, decide si debe solucionar el problema de manera autónoma y crear una PR, o si tiene dudas y entonces debe consultarnos primero. También crea una tarea en nuestro backlog para hacer seguimiento del avance. Además, cuando realiza un cambio por sí solo, prueba el cambio en un navegador para evaluar el impacto en la interfaz de usuario, añade capturas de pantalla a la PR y revisa la calidad del código.
El propósito de ese agente es gestionar automáticamente todas las tareas más simples, para que mi equipo pueda enfocarse en los trabajos más complejos. Aunque, para ser sinceros, ¡también hacemos esas tareas complejas con la ayuda de la IA!
Otros casos de uso que manejamos incluyen investigación, preselección, auditoría de cumplimiento, gestión de documentos y más.
Por qué los humanos deben seguir participando en la ingeniería impulsada por IA
Así que, básicamente, estamos intentando hacer que la IA forme parte de todos los procesos. Por ejemplo, la IA en la gestión del backlog puede implementar algunos tickets y gestionar lanzamientos.
Básicamente, estamos intentando que la IA forme parte de cada proceso. Pero mantenemos a una persona en el ciclo siempre que sea adecuado.
Pero lo más importante es que mantenemos la intervención humana cuando corresponde.
Aunque usamos IA para el desarrollo, es más como programar en pareja que delegar el trabajo a una empresa externa. Es decir, seguimos profundamente involucrados en el código: simplemente dejamos que la IA escriba la mayor parte.
Cómo funciona una pila de ingeniería AI-first
Hablando de desarrollo, usamos Cursor con Claude Opus. Y también estamos experimentando con Claude Code.
Cursor + Claude es una combinación increíblemente potente, como programar en pareja con un colega genial y ultra rápido. Y hemos creado un conjunto bastante completo de documentos de reglas para ayudar a dar contexto al modelo de IA.
Nuestro producto está desplegado en Google Cloud Run y Vercel, con entrega continua, así que ponemos cosas en Producción simplemente haciendo una PR y fusionando a Main — o pidiéndole a un agente que lo haga. Nuestro código es Typescript, tanto en el frontend como en el backend.
Tener el mismo lenguaje en toda la pila facilita la vida tanto a nuestros agentes como a nosotros.
Tener el mismo lenguaje en toda la pila facilita la vida tanto a nosotros como a nuestros agentes.
Todo nuestro código está en un monorepo, lo que significa que proyectos, aplicaciones y librerías distintas están en el mismo repositorio. Eso también lo simplifica, ya que un solo commit puede contener cambios tanto en el frontend como en el backend. También facilita la gestión de dependencias.
En cuanto a la gestión de proyectos, utilizamos un tablero Kanban en Notion para organizar y visualizar nuestro trabajo y prioridades. Y creamos un agente para interactuar con él. Este es un escenario típico: alguien plantea un problema en Slack, y después de algunos mensajes, alguien escribe: "Hey @backlogger, por favor agrega una tarea para esto". El agente interpreta el hilo de Slack, busca tareas similares en nuestro tablero Kanban y actualiza una existente o crea una nueva, adjuntando el contexto relevante y capturas de Slack. ¡Súper útil!
Usamos este agente todos los días. Nuestras reuniones de planificación ahora son mucho más rápidas porque cada ticket tiene una descripción súper clara, captura de pantalla y enlace al hilo de Slack. En el futuro, vamos a ampliar esto para que también sugiera prioridades y solucione automáticamente problemas simples.
Cómo Claude Opus 4.5 cambió las reglas del juego
En general, me sorprende constantemente la rapidez con la que las herramientas y modelos están evolucionando y mejorando. Nos obliga a evaluar continuamente lo más reciente.
Recientemente, se lanzó Claude Opus 4.5, y es realmente bueno realizando cambios de código más complejos. Por eso, ahora es más probable que "resolvamos" un problema de una sola vez — es decir, escribir un solo prompt detallado — en lugar de trabajar en pequeños incrementos con intervención humana en cada paso.
Básicamente, le pedimos que resuelva un problema complicado mientras vamos a almorzar.
Es sorprendentemente eficaz. Todavía necesitamos revisar el código, pero la mayoría de las veces está bien.
Por qué los jefes de proyecto deben aprender a trabajar con agentes de IA
De ahora en adelante, los jefes de proyecto tendrán que acostumbrarse a tener un equipo compuesto por colegas humanos y de IA trabajando juntos. Eso significa tú.
Tú, como jefe de proyecto, necesitas acostumbrarte a trabajar con agentes de IA como colegas. Si no lo haces, serás el cuello de botella en el proceso. Todo avanzará a un ritmo que no podrás seguir.
No saber usar la IA de manera efectiva será como no saber usar internet de forma eficiente. Claro, aún podrás hacer gestión de proyectos sin usar internet. Pero estarás gravemente limitado, y tus posibilidades laborales serán muy escasas.
No saber usar la IA de manera efectiva será como no saber usar internet de forma eficiente.
Cómo una mejor gestión del contexto permite resultados más fiables de la IA
El campo sigue cambiando, así que lo más importante es experimentar.
Experimenta con diferentes herramientas de IA y casos de uso. Desarrolla tus habilidades como usuario y como "ingeniero de contexto". Observa en qué gasta el tiempo tu equipo y tú — ¿dónde puede la IA ahorrar tiempo o mejorar la calidad?
Más allá de la experimentación, la gestión del contexto — entender cómo los LLM trabajan con el contexto — es crucial. Si estudias eso, podrás elegir y utilizar herramientas de IA de manera más eficaz. La mayoría de los fracasos de la IA ocurren por una mala gestión del contexto. En otras palabras, falla porque no tiene la información que necesita.
Nadie sabe qué ocurrirá en el futuro, pero si eres bueno usando la IA generativa, estarás en mejor posición para afrontar lo que venga.
Sigue conectado
Puedes seguir a Henrik Kniberg mientras explora los límites de los agentes en la gestión de proyectos en YouTube, LinkedIn y X. Y no te pierdas su producto, Abundly.ai.
¡Pronto vendrán más entrevistas con expertos en The Digital Project Manager!