La mayoría de las organizaciones están adoptando la IA, pero pocas pueden demostrar que funciona bien. Así se separa la teoría de la práctica.
La mayoría de las organizaciones ya han experimentado el entusiasmo inicial de las herramientas de asistencia por IA. Los desarrolladores escriben código más rápido. La productividad parece haber aumentado. Pero pasa algo raro: las métricas generales de entrega apenas varían. O, en algunos casos, la estabilidad empeora.
Esta tensión fue el tema central de un webinar reciente entre Adaptavist y GitLab, en el que nuestros expertos analizaron qué se necesita para obtener un valor significativo y cuantificable de la IA autónoma en la entrega de software. Y se relaciona con algo que hemos estado investigando: la brecha entre la adopción de la IA y su impacto no es solo un problema técnico. También es un problema humano.
Los números no cuadran
Merece la pena analizar las estadísticas del webinar. Según el informe de 2026 “
Atlassian State of Teams”, el 89% de los ejecutivos afirma que la IA ha acelerado el ritmo de trabajo. Sin embargo, solo el 6% se siente seguro de poder señalar un retorno de la inversión en toda la organización. Se estima que la implementación no estratégica de la IA está costando a las empresas de la lista Fortune 500 unos 161.000 millones de dólares al año, en lo que el informe denomina "impuesto a la fragmentación".
Nuestra propia investigación muestra una situación similar desde la perspectiva de los trabajadores.
El coste humano de la transformación IA
Hemos encuestado a los trabajadores cualificados para comprender cómo se está implementando la IA en los entornos laborales. Los resultados revelan una brecha entre la adopción y el compromiso que la mayoría de las organizaciones no tienen en cuenta.
El 36% de los profesionales cualificados no entiende por qué deben usar la IA en su puesto de trabajo. La adopción existe, pero no es lo mismo que el compromiso. Una cosa no garantiza la otra. Para muchos trabajadores, la IA no ha reducido tanto la carga de trabajo, sino que la ha redistribuido: los profesionales pasan menos tiempo ejecutando tareas, pero más tiempo verificando y revisando los resultados de herramientas para las que no han recibido la formación adecuada.
Cuando las organizaciones tratan la IA como un problema de implementación en lugar de una transformación, esto es lo que ocurre a gran escala.
La paradoja de la IA es real
El problema no es la tecnología, sino dónde la aplican las organizaciones. Cuando la IA se utiliza únicamente como una forma más rápida de escribir código, se acorta una fase del proceso de entrega. Pero todo lo que viene después sigue igual. Las revisiones, los controles de seguridad, las pruebas y la coordinación de la implementación bloquean entonces el proceso.
Eso es lo que pasa cuando se ve a la IA como una nueva función de autocompletado, sin reconocer su potencial en el resto del proceso
Matthias Ewald
Partner Solution Architect de GitLab
Generar código más rápido sin modificar todo el proceso no acelera la entrega. Simplemente desplaza los problemas.
La IA amplifica lo que ya está pasando
La investigación de DORA citada en el webinar lo refuerza. Un aumento del 25% en la adopción de la IA se asoció con una disminución del 1,5% en el rendimiento de las entregas y del 7,2% en su estabilidad. La IA tiende a aumentar la productividad en las organizaciones que ya rinden bien, pero en las que tienen más dificultades operativas magnifica las disfunciones. Si tus procesos, tu gobernanza y la coordinación de tu equipo no son sólidos, la IA sacará a la luz y acelerará esas deficiencias en lugar de disimularlas.
El enfoque está cambiando
El sector se ha centrado en la última década en el enfoque denominado "shift left" (“cambio hacia la izquierda” en inglés). Este enfoque consiste en detectar los problemas de seguridad y calidad en fases más tempranas del proceso, donde su solución es más barata. El principio sigue vigente, pero la IA agéntica introduce un nuevo eje. Matthias Ewald lo definió como "shift up" (“cambio hacia arriba" en inglés): situar a los equipos por encima del ciclo de entrega para que sean ellos quienes definan las reglas, establezcan las políticas y dejen que los agentes ejecuten las tareas en todas las etapas. El ciclo de vida no desaparece. Las fases no desaparecen. Lo que cambia son la espera, los traspasos manuales y la transición entre etapas, que pueden automatizarse cada vez más.
Gobernar esa nueva capa del ciclo de vida del desarrollo de software se está convirtiendo rápidamente en uno de los desafíos más importantes en la entrega de software empresarial. ¿Qué agentes pueden ejecutarse? ¿Con qué datos? ¿En qué entornos? ¿Quién es responsable cuando algo sale mal? Preguntas necesarias para saber si tu inversión en IA va a escalar.
Tres cosas que necesitas para que tus agentes operen a escala
A lo largo de la sesión surgieron algunas cuestiones no negociables para las organizaciones que quieren ir más allá de la experimentación:
Una sólida base de DevSecOps. La IA agéntica no sustituye la necesidad de controles CI/CD, de políticas como código, de gestión de identidades y accesos, ni de huellas de auditoría inmutables. Las hace más importantes. Los agentes deben operar dentro del proceso, no alrededor de él.
Análisis del radio de impacto. Antes de permitir que cualquier agente actúe de forma autónoma, necesitas entender qué puede influir, qué puede romper y si puede crear bucles descontrolados que agoten tu presupuesto de tokens. Minimizar el alcance no es una restricción para la IA, sino una gestión de riesgos básica.
Responsabilidad humana en cada paso. Cada acción que realiza un agente debe asociarse a una persona. En industrias reguladas es obligatorio, y dentro del sector, es recomendable.
¿Cómo sabes que está funcionando?
En la sesión de preguntas y respuestas se preguntó sobre la capacidad de ROI de la IA. La respuesta es más práctica de lo que la mayoría de las organizaciones cree. Mides el impacto de la IA de la misma forma que medirías cualquier cambio en tu proceso de entrega: con métricas DORA. Frecuencia de despliegue, tiempo de los cambios, tasa de fallos en los cambios, tiempo de restauración. Si ya estás usando GitLab, gran parte de esos datos ya están allí. El mapeo de la cadena de valor añade otra dimensión: DORA te indica cuánto han mejorado las cosas y cómo los agentes realmente están marcando la diferencia. Usados en conjunto, te ofrecen una base creíble y cuantificable para demostrar el retorno de la inversión de la empresa.
Qué esperar sobre la implementación
Las ganancias individuales pueden verse rápido, pero la mejora a nivel organizacional se mide en meses o trimestres, no en días. La adopción sigue una curva. Los primeros en adoptar demuestran el valor internamente, la capacitación continua y los últimos en adoptar necesitan apoyo adicional. La implantación técnica es solo una parte del panorama. La gestión del cambio, una comunicación clara sobre por qué se introduce la inteligencia artificial y el apoyo a los equipos durante la transición son tan importantes como las decisiones sobre la plataforma.
Intentar acortar cualquiera de estos aspectos suele fragmentar y descoordinar la IA.
Recupera la sesión
El webinar profundiza en los requisitos de la plataforma para la IA agéntica, en el enfoque de GitLab para la gestión del contexto y la gobernanza, y en marcos prácticos para priorizar dónde la inversión en IA tendrá mayor impacto.
Superando la paradoja de la IA: mira el webinar completo:
Jan Rockemann y Matthias Ewald analizan los requisitos de la plataforma, los marcos de gobernanza y los enfoques de medición que distinguen a los programas de IA exitosos de los experimentos caros.
