La pila exacta de entrega de IA que utiliza un CPO para reducir el retrabajo en un 25%
La IA puede generar código en segundos. Pero sin arquitectura, solo te ayuda a entregar lo incorrecto más rápido. En esta entrevista, un CPO y director de ingeniería comparte el sistema de IA, basado en arquitectura, que utiliza para reducir a la mitad el tiempo de prototipado, disminuir el retrabajo en un 25% y diseñar límites seguros para un ciclo de vida de desarrollo de software impulsado por IA.
Yurii Lozinskyi
El CPO y director de ingeniería en Verysell
Liderazgo en IA: La IA transforma la gestión de proyectos de la coordinación al diseño de sistemas, reduciendo tareas manuales al integrar la IA.
Rol de la arquitectura: Una arquitectura sólida previene el caos en la entrega mediante IA, alineando el trabajo generado por la IA con los estándares de calidad y los objetivos.
Eficiencia en prototipos: Una IA guiada por la arquitectura reduce costos, acelerando los prototipos de la idea al modelo funcional en días.
Valor del ingeniero: La IA incrementa el valor de los ingenieros senior al potenciar el diseño arquitectónico y reducir la codificación aleatoria.
Cambio en la gestión de proyectos: Los futuros roles de gestión de proyectos aprovecharán la IA para la coordinación, enfocándose más en el diseño, la estrategia y la gobernanza.
Yurii Lozinskyi es el CPO y Director de Ingeniería en Verysell AI, donde lidera la entrega de IA. Con 25 años de experiencia, convertir iniciativas de software e IA en resultados de negocio medibles es su especialidad.
Así que nos sentamos con él para aprender cómo lo logra. Esto es lo que nos contó.
Asegurarse de que la IA no sea solo un juguete llamativo
Soy un líder de producto e ingeniería que vive en la intersección donde los sistemas de IA, la entrega de software y la realidad empresarial colisionan. He pasado más de 15 años lanzando proyectos en banca, seguros, plataformas ITSM/MSP, comercio minorista y salud. Y de alguna manera, siempre regreso al sector de seguros porque es donde la complejidad y el impacto son mayores.
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
Actualmente, no gestiono proyectos en el sentido tradicional. Diseño cómo deberían ejecutarse los proyectos y procuro mantenerme involucrado durante la entrega. Esto significa modelos operativos, patrones de entrega potenciados por IA y hojas de ruta de validación de hipótesis en múltiples equipos y clientes.
En resumen, mi trabajo diario es asegurarme de que la IA no sea solo un juguete llamativo, sino parte de cómo se define, ejecuta y gobierna el trabajo de principio a fin.
Cómo la IA cambia la gestión de proyectos de la coordinación al diseño de sistemas
El liderazgo en la entrega está pasando de la gestión de calendarios al diseño de sistemas. Paso mucho menos tiempo en reuniones de estado o redactando manualmente artefactos que las máquinas ahora generan en segundos. Si la IA puede ayudarme a escribir la primera versión de un plan o un resumen, con gusto lo dejo en sus manos.
Muchos responsables de proyectos hoy todavía dedican entre el 40 y el 60% de su tiempo a perseguir actualizaciones, reportes manuales, identificar riesgos básicos y transferir información entre herramientas y personas. En un entorno aumentado por IA, eso baja al 10–15%, ya que los agentes integrados manejan actualizaciones, resúmenes, recordatorios y pequeñas escaladas en Jira/Linear, Slack/Teams y documentos.
La contrapartida es que mi tarea se elevó un nivel: ahora me preocupo por restricciones, criterios de aceptación, salvaguardas y bucles de retroalimentación. En otras palabras, diseño los “rieles” por los que transitan los humanos y los agentes de IA.
Tengo una inclinación hacia la arquitectura: uso el modelo C4 y la ISO/IEC 25010 como marco para los Documentos de Visión de Arquitectura, y luego los utilizo como prompts. Esa es la parte divertida: tratar la arquitectura como una API para la IA. Los documentos de arquitectura no son solo para tener en una estantería, sino combustible para un ciclo de vida de desarrollo de software (SDLC) impulsado por IA. Más sobre esto en un momento.
La IA hace que sea increíblemente fácil ir rápido, así que mi función es asegurarme de que vayamos rápido en la dirección correcta. Entonces, en vez de preguntar, “¿Quién hace qué esta semana?”, pregunto, “¿Nuestro sistema dificulta enviar rápido lo que no corresponde?”
La IA hace que sea increíblemente fácil ir rápido, así que mi función es asegurarme de que vayamos rápido en la dirección correcta.
Por qué la arquitectura previene el caos en la entrega inducido por IA
Me gustan el C4, la ISO 25010 y los Documentos de Visión de Arquitectura porque forman la columna vertebral para integrar la IA en la entrega. Sin esa columna vertebral, la IA puede convertirse rápidamente en otra fuente de caos en la entrega.
Concretamente:
- C4 le da a la IA un mapa del sistema. En lugar de “Simplemente escribe algo de código”, podemos decir: "Dentro de este contexto y contenedor, contra estas interfaces, implementa este cambio". Esto mantiene el trabajo generado por IA dentro de límites arquitectónicos claros.
- ISO 25010 define qué es "bueno" más allá de "compila". Traducimos sus atributos de calidad a escenarios concretos —desempeño, seguridad, mantenibilidad, confiabilidad— e incorporamos estos en prompts y criterios de aceptación. Así, la IA genera PoCs y pruebas que se alinean con expectativas explícitas de calidad, no solo con la funcionalidad.
- Los Documentos de Visión de Arquitectura integran todo. Conectan metas de negocio, vistas C4 y escenarios de calidad estilo ISO en una narrativa única tanto para humanos como para IA. Para los humanos, sirven como artefacto de alineamiento. Para la IA, proporcionan la fuente primaria de contexto para generar código, pruebas y documentación.
Juntos, transforman la IA de un superpoder aleatorio a un componente controlado de un SDLC impulsado por IA, con límites claros, trazabilidad y un entendimiento compartido de lo que buscamos construir.
Cómo reducir drásticamente el costo de equivocarse con prototipos de IA guiados por la arquitectura
Aquí tienes un ejemplo. Teníamos una funcionalidad de coincidencia por IA que, en el “mundo antiguo”, habría tardado aproximadamente dos semanas en ir de la idea a un prototipo clickable.
En vez de empezar con tickets de Jira y prompts improvisados, primero escribimos un breve Documento de Visión de Arquitectura. Dibujamos diagramas al estilo C4: contexto del sistema, contenedores implicados, componentes clave, además de una serie de escenarios de calidad inspirados en ISO-25010 (por ejemplo, latencia, auditabilidad, manejo de errores).
Luego, tratamos esa arquitectura como una API para la IA:
- Alimentamos al asistente de codificación con el Documento de Visión y fragmentos de C4 como única fuente de verdad para los prompts.
- Le pedimos que generara el andamiaje, la lógica principal de flujo y las primeras pruebas dentro de los contenedores e interfaces especificados.
No le pides a la IA que “escriba código”, sino que “implemente esta interacción específica con estas restricciones y estos atributos de calidad”. Es un juego muy distinto. Y produjo un PoC coherente en un par de días, en vez de estar picando código todo desde cero.
Los ingenieros igual revisaron y arreglaron cosas, pero:
- El tiempo desde “deberíamos probar esto” hasta que “los stakeholders pueden navegar por un prototipo funcional” bajó de unos diez días hábiles a tres o cuatro. Casi parece injusto lo rápido que puedes lograr un prototipo creíble cuando la arquitectura guía tus prompts en lugar de deseos vagos.
- Vimos un 20–25% menos ciclos de retrabajo, porque el código generado por IA ya respetaba los límites y patrones incorporados en la arquitectura.
- Los ingenieros reportaron pasar un 20% menos de tiempo en código base y código de conexión, eliminando de hecho el rol separado de “ingeniero de integración”.
- La cobertura de pruebas para esa parte resultó mayor en el primer intento, ya que el asistente utilizó los escenarios de calidad documentados para sugerir pruebas de casos extremos que probablemente no habríamos escrito tan pronto.
En otras palabras, una vez que hicimos explícita y estructurada la arquitectura, la IA dejó de comportarse como un autocompletado inteligente y comenzó a actuar más bien como un ingeniero junior que realmente entiende el mapa del sistema, escribe gran documentación y nunca duerme.
Y lo más importante, redujo drásticamente el costo de equivocarse, que es exactamente lo que deseas en dominios desordenados.
Por qué la IA hace a los ingenieros senior más valiosos, no menos
A pesar de lo que puedas pensar, la IA hace a los ingenieros senior más valiosos, no menos.
Si conectas IA a una arquitectura débil y criterio débil, solo obtendrás desorden más rápido. Ponla bajo la guía de un buen arquitecto y, de repente, un senior puede explorar cinco diseños antes del almuerzo y aún tener tiempo para hablar con los stakeholders.
La IA cierra algunas brechas de habilidades, pero amplifica la diferencia entre escribir código al azar y diseñar con intención.
Si conectas IA a una arquitectura débil y criterio débil, solo obtendrás desorden más rápido. Ponla bajo la guía de un buen arquitecto y, de repente, un senior puede explorar cinco diseños antes del almuerzo y aún tener tiempo para hablar con los stakeholders.
Adiós, analista de negocios; bienvenido, experto en la materia.
Qué tareas de entrega deberían automatizarse primero con IA
En este momento, las partes del trabajo de entrega que están más listas para la automatización son las actividades “cargadas de contexto, ricas en patrones y con poco ego”:
- Como se mencionó, generar código PoC y pruebas a partir de Documentos de Visión de Arquitectura y especificaciones C4/ISO 25010
- Redactar registros de decisiones, opciones de diseño y listas de riesgos
- Convertir hilos caóticos de Slack en algo que tu yo del futuro pueda leer sin llorar
La IA es excelente sugiriendo; es pésima asumiendo la responsabilidad. Aquí es donde los humanos todavía dominan absolutamente el espacio:
- Definir el problema
- Equilibrar el riesgo frente a la velocidad
- Manejar límites regulatorios y éticos
- Decidir cuándo "técnicamente correcto" sigue siendo lo incorrecto para lanzar
El punto óptimo ahora mismo es comprimir los bucles iniciales de descubrimiento y diseño. Los agentes son buenos convirtiendo una especificación coherente en caminos plausibles. Todavía no comprenden cuándo un camino es incorrecto política, ética o estratégicamente, así que los humanos siguen teniendo el mando.
Por qué los PM deben priorizar los bucles de retroalimentación sobre la ceremonia
La gestión tradicional de proyectos suele contener mucho ritual sin un propósito claro. Yo estoy alejándome de eso y acercándome a sistemas que priorizan la retroalimentación sobre la ceremonia.
En la práctica, eso significa:
- Menos planes monolíticos; más hipótesis pequeñas y comprobables
- Menos reuniones largas de estatus; más actualizaciones asíncronas resumidas automáticamente por IA
- Menos documentos de requisitos largos; más Documentos de Visión de Arquitectura vivos que tanto humanos como IA puedan usar
Seguimos preocupándonos por fechas, presupuestos y riesgos. Pero dejamos que la IA se encargue de la gestión para que los humanos puedan centrarse en el diseño, las decisiones y la realidad de los interesados.
La ironía es que cuando eliminas la mitad del ritual, la gente respeta más la estructura que queda.
La ironía es que cuando eliminas la mitad del ritual, la gente respeta más la estructura que queda.
Cómo las integraciones de IA agilizan la entrega de proyectos en GitHub y CI/CD
Desde una perspectiva técnica, “volverse ligero” significó conectar la IA directamente al repositorio y a los entornos, no solo añadir otro panel de control.
Específicamente, integramos un asistente de codificación llamado Codex en nuestros repositorios de GitHub y la canalización de CI/CD. Los ingenieros trabajan en su entorno habitual de desarrollo, pero el asistente puede ver la estructura del repositorio y hacer todo lo mencionado antes a partir de diagramas de arquitectura estilo C4 y un Documento de Visión de Arquitectura. Por aproximadamente $20 USD por ingeniero al mes, esto es más barato que casi cualquier otra palanca de productividad que puedas utilizar.
Además, usamos automatización sencilla de despliegue (canalizaciones basadas en GitHub) para poder desplegar cambios asistidos por IA en un entorno de prototipo dedicado con un solo clic.
Incluso la generación de prompts está parcialmente automatizada: Un modelo moderno de clase GPT (GPT-5.2) puede generar prompts estructurados para herramientas como Eraser a partir de nuestros Documentos de Visión de Arquitectura.
La clave es que todo esto se encuentra dentro de límites estándar: los ingenieros siguen revisando cada pull request, CI/CD sigue en funcionamiento y nada llega a producción sin la aprobación humana. La IA acelera las partes aburridas; los humanos mantienen la responsabilidad sobre el diseño, el riesgo y la decisión final.
Por qué los prototipos de IA redefinen los rituales de entrega
Todo esto ha tenido un gran impacto en nuestros rituales de entrega.
Definir el alcance solía ser: “Hablemos durante horas y luego escribamos un documento que todos ignoraremos”. Ahora es: “Lleguemos rápido a un prototipo y discutamos sobre algo interactivo”.
Comenzamos con un resultado de alto nivel, lo capturamos en un Documento de Visión de Arquitectura, esquematizamos vistas C4 y luego usamos IA para generar un PoC o al menos un prototipo realista. De repente, todos tienen una opinión, porque hay algo tangible con lo que reaccionar.
En otras palabras, logramos alineación en torno al comportamiento, no en listas de puntos.
Validamos usando una combinación de pruebas generadas por IA (ideales para cobertura y regresión) y escenarios diseñados por humanos (geniales para el juicio y casos límite extraños).
Y desplazamos la gestión de la ejecución de “asignar tareas” a “diseñar flujos”: ¿Quién o qué debería ver este trabajo a continuación, y con qué contexto?
Cómo es un stack sencillo para la entrega con IA
Mi stack es subjetivo pero sencillo.
Para la arquitectura y la alineación, utilizo diagramas tipo C4 y Documentos de Visión de Arquitectura, hechos en herramientas como Eraser. Esto permite iterar fácilmente frente a personas y luego alimentar esa información a la IA.
Para las especificaciones, prefiero documentos orientados primero al texto que describen la intención, las restricciones y los atributos de calidad de una forma comprensible para un LLM.
En el lado de ingeniería, uso IDE modernos con fuerte asistencia de IA y herramientas como Claude Code y Codex para generar implementaciones de prueba de concepto y pruebas directamente a partir de los artefactos arquitectónicos. Deliberadamente no he externalizado funcionalidades productivas completas a la IA. Esta sugiere, arma andamios y propone. Los ingenieros —los reales— todavía deciden qué entra en producción.
Lo importante es que cada una de estas herramientas ha dejado de ser una isla. Ahora están conectadas en un ciclo de vida del software impulsado por IA: requisitos, arquitectura, codificación, pruebas, e incluso gobernanza cuentan con una capa de asistencia.
En la práctica, espero que este cambio desbloquee alrededor de un 18-25% de mejora en productividad en la entrega. Pero para ser claros, ese número depende mucho del punto de partida de la organización: madurez, procesos existentes y disciplina arquitectónica.
Cómo la adopción selectiva de herramientas potencia la entrega con IA
Durante el último año, comenzamos a cambiar y probar herramientas de forma deliberada, en lugar de tratar de “habilitar IA” en todo a la vez.
En el lado de la entrega, introdujimos Miro para talleres y planificación de roadmap ligeros y de arquitectura, pero solo como piloto en algunos proyectos pequeños. Buscamos evaluar hasta qué punto los tableros de Miro, combinados con resúmenes generados por IA, podían sustituir las largas presentaciones de diapositivas y los documentos de alineación manual. Las señales tempranas son buenas, pero aún necesitamos finalizar y escalar el enfoque antes de convertirlo en estándar.
Para documentación y especificaciones, mantenemos una herramienta de documentación orientada primero al texto para los Documentos de Visión de Arquitectura. Añadimos asistencia de IA encima con GPTs personalizados muy ligeros, retirando silenciosamente los grandes documentos estáticos de especificación que no manteníamos y que no se traducían bien en prompts.
Ya lo mencioné antes, pero en ingeniería, añadimos Codex como asistente de codificación IA, integrado con nuestro repositorio Git y el pipeline de CI para la generación de andamios de pruebas de concepto y testeo, manteniendo nuestros IDEs y herramientas de despliegue existentes. Es decir, todavía no hemos desmontado todo el stack. Añadimos IA encima, donde realmente ahorra tiempo, primero en pilotos controlados antes de desplegar cualquier cosa a toda la empresa.
Todavía no hemos desmontado todo el stack. Añadimos IA encima, donde realmente ahorra tiempo, primero en pilotos controlados antes de desplegar cualquier cosa a toda la empresa.
Hacia dónde va la gestión de proyectos en los próximos cinco años
Dentro de cinco años, el rol de “gestor de proyectos” como función meramente de coordinación habrá desaparecido en gran parte del sector tecnológico. El trabajo seguirá existiendo, pero agentes de IA integrados serán los encargados de la mayoría de la coordinación, seguimiento e informes en tus herramientas.
Las personas que antes eran PM pasarán a diseñar ciclos de vida del software y modelos de gobernanza impulsados por IA o se moverán lateralmente hacia papeles vinculados a producto y estrategia.
Los paneles de control de desempeño para PM dejarán de centrarse en “a tiempo / en presupuesto” y se enfocarán en un pequeño conjunto de métricas del sistema que realmente moldean: tiempo de entrega de cambios, tasa de defectos liberados, latencia de decisiones, ritmo de experimentación y puntuaciones de confianza de los actores involucrados. La IA hará la mayor parte del conteo. Los PM serán responsables de que esas cifras evolucionen en la dirección correcta — no porque persigan más tareas, sino porque diseñan mejores formas de trabajar.
Los PM que se mantengan en la “gestión de estatus” serán discretamente sustituidos por bots que lo hacen 24/7 y pueden actualizar seis paneles a la vez sin problema.
Por qué los PMs deberían tratar la IA como un compañero de equipo, no como un tema a aprender
Mi consejo: Deja de intentar “aprender IA” como si fuera un nuevo framework y trátala como un nuevo tipo de compañero de equipo con fortalezas y puntos ciegos específicos. En broma, llamamos a la nuestra "gptBuddy".
Elige un flujo de trabajo, un equipo y una métrica que importe, y haz un experimento sin concesiones. Si no ves una mejora significativa, cambia la configuración o detente.
El verdadero valor de la IA parece aburrido desde fuera. No es lo de ciencia ficción que la gente espera. Son las victorias poco glamorosas pero acumulativas: generación de pruebas, limpieza de documentación, estructuración, exploración de variantes, y así sucesivamente.
Al mismo tiempo, levanta la vista de las herramientas y haz un esquema de cómo sería un ciclo de desarrollo de software (SDLC) potenciado con IA para tu organización. Si no lo haces tú, lo hará otra persona — y sus equipos avanzarán más rápido, con menos reuniones y menos drama.
Deja de intentar «aprender IA» como si fuera un nuevo framework y trátala como un nuevo tipo de compañero de equipo con fortalezas y puntos ciegos específicos.
Sigue el hilo
Puedes seguir a Yurii Lozinskyi en LinkedIn y Dev.to mientras comparte su conocimiento técnico sobre IA, ingeniería, producto y entrega. Y no olvides visitar Verysell AI.
¡Pronto más entrevistas con expertos en The Digital Project Manager!
