Durante décadas, las consultoras tecnológicas crecieron con una fórmula bastante predecible: más clientes requerían más proyectos, más proyectos requerían más ingenieros y más ingenieros requerían más managers para coordinarlos. El resultado natural de esa ecuación era una pirámide cada vez más grande, donde el tamaño del equipo funcionaba como la principal medida de capacidad productiva.
La irrupción de los agentes de inteligencia artificial empieza a romper esa lógica: si un ingeniero que trabaja junto a agentes especializados puede producir varias veces más que antes, seguir organizando una empresa alrededor de la cantidad de personas deja de tener sentido.
Sin embargo, hay una segunda parte de esta historia que resulta todavía más relevante que la primera. No alcanza con incorporar herramientas de inteligencia artificial a una organización que fue diseñada para el mundo anterior. El verdadero desafío no es tecnológico, sino de diseño organizacional, y ahí es donde varias compañías del sector empezaron a apoyarse en marcos como Team Topologies, un modelo pensado originalmente para equipos de ingeniería de software, que ayuda a repensar cómo se relacionan las personas, las plataformas y los flujos de valor dentro de una empresa.
El primer cambio que propone esta mirada tiene que ver con separar funciones que suelen aparecer mezcladas en la figura de quien lidera una operación local. Habitualmente, ese rol termina haciendo de todo: vende, sostiene relaciones, arma propuestas, sigue proyectos y resuelve imprevistos operativos.
El modelo agéntico plantea otra cosa: ese liderazgo debería concentrarse en ser un asesor tecnológico de confianza para los principales referentes de sus clientes, con la capacidad de sentarse con un CEO, un CIO o un CTO a discutir qué transformación tiene sentido encarar. Su función pasa a ser decidir dónde jugar, mientras que los equipos comerciales se ocupan de jugar. Esta separación también permite pensar cada mercado como un módulo relativamente repetible, donde cambian los clientes pero se comparten las capacidades centrales de la organización.
El segundo cambio, quizás el más significativo, consiste en dejar de organizar la relación comercial únicamente alrededor de funciones de venta y empezar a pensar cada cuenta estratégica como un flujo de valor en sí mismo. Una cuenta tiene contexto, stakeholders,problemas, presupuesto y una hoja de ruta propia, y el objetivo deja de ser cerrar el próximo proyecto para pasar a acompañar esa relación desde un primer contacto hacia un vínculo tecnológico de largo plazo.
Por eso conviene distinguir dos momentos con roles distintos: en la etapa de entrada, quien combina arquitectura y preventa necesita entender qué hay detrás de un primer problema puntual, mientras que en la etapa de relación ya consolidada gana peso la gestión de éxito del cliente, con seguimiento, expansión y nuevas oportunidades. La lógica es entrar por un problema acotado y crecer desde ahí, en lugar de tratar cada venta como una transacción aislada.
Del lado de la ejecución, la vieja pirámide también empieza a dejar de tener sentido. Quienes lideran las prácticas técnicas dejan de ser dueños de clientes puntuales para convertirse en responsables de capacidades: definen estándares, forman a los equipos y permiten que el talento circule entre países y cuentas sin quedar atrapado en silos locales.
Pero el cambio más profundo ocurre un nivel más abajo, en la manera en que cada persona trabaja. La apuesta, entonces, es que todo ingeniero se convierta en lo que empieza a conocerse como un “cyborg engineer”, alguien que ya no trabaja solo sino con especificaciones, contexto y un conjunto de agentes especializados que ejecutan una parte creciente de las tareas, siempre cerca del problema real del cliente en lugar de operar bajo una lógica de tickets.
Esto cuestiona una estructura que la industria sostuvo durante años, con perfiles junior dedicados a tareas repetitivas y perfiles senior dedicados a supervisarlos. La realidad es que buena parte de ese trabajo repetitivo puede hoy realizarlo un agente supervisado por alguien con mucha más experiencia, y hay casos documentados donde procesos que bajo un esquema tradicional llevaban meses se comprimieron a semanas gracias a este tipo de esquema de trabajo.
La decisión organizacional que suele diferenciar a las empresas que avanzan en este sentido es construir una plataforma interna de inteligencia artificial —agentes reutilizables, herramientas, guías de trabajo y mecanismos de evaluación y control— en lugar de un laboratorio que experimenta al costado del negocio.
Un laboratorio investiga; una plataforma hace que toda la organización funcione de otra manera, disponible tanto para quienes desarrollan software como para quienes preparan una propuesta comercial o analizan un mercado. Y hay una métrica que empieza a ganar terreno para medir si esta transformación realmente funciona: los ingresos generados por cada ingeniero, no la cantidad de agentes creados ni de licencias adquiridas.
Si la tecnología multiplica de verdad a las personas, ese efecto debería reflejarse tarde o temprano en la capacidad económica que genera cada una de ellas.
La discusión de fondo que se viene para la industria de software probablemente no sea qué modelo de inteligencia artificial conviene usar, ni siquiera qué agente construir, sino cómo organizar una compañía cuando una parte creciente del trabajo deja de ser realizada exclusivamente por personas. Ahí el problema deja de ser tecnológico y pasa a ser organizacional, ya que hacen falta procesos, roles, incentivos y formas de tomar decisiones distintas a las que funcionaron durante los últimos veinte años.
La empresa que gane esta etapa probablemente no sea la que logre contratar más rápido, sino la que descubra antes cómo multiplicar la capacidad de cada persona sin multiplicar, al mismo ritmo, el tamaño de la organización.
(*) Gustavo Brey es Ingeniero en Sistemas de la Información (UTN), docente y con fundador de Ingenia.
Fuente: TN — Ver noticia original