La inteligencia artificial ya puede resolver en horas problemas que antes exigían meses de trabajo humano. Pero hacer algo más rápido no significa necesariamente hacerlo más barato. Para las empresas, la cuestión decisiva no es cuánto puede hacer un modelo, sino cuánto producto útil permite obtener y a qué coste
Por Julián Gómez Bejarano, Chief Digital Officer de LedaMC
¿Estamos consiguiendo más software útil por el mismo dinero gracias a la Inteligencia Artificial? Esta debería ser una de las preguntas centrales en plena expansión de los Agentes de IA. Sin embargo, el entusiasmo por sus capacidades está dejando en segundo plano una cuestión mucho más práctica, ¿cuánto cuesta realmente producir un resultado que una empresa pueda utilizar?
Que una máquina sea capaz de desarrollar software resulta extraordinario. Puede generar código en segundos, trabajar durante horas, explorar miles de alternativas y abordar problemas cuya resolución exigiría un esfuerzo considerable a un equipo humano. Pero ninguna de esas capacidades demuestra por sí sola que estemos siendo más productivos.
Para una organización, lo importante es conocer cuánto resultado obtiene y qué recursos necesita para conseguirlo. Sin esa información, elegir entre un equipo interno, un proveedor externo, agentes de IA o una combinación de todos ellos termina siendo una cuestión de fe.
Un reciente caso relacionado con uno de los grandes problemas matemáticos ofrece una paradoja interesante. Diego Córdoba y Luis Martínez-Zoroa fueron determinantes en el planteamiento que permitió avanzar sobre el problema. La fase final se completó mediante OpenAI tras unas 88 horas de cómputo y con un coste estimado de alrededor de 15 millones.
Más allá de determinar quién realizó la parte más importante del trabajo, lo relevante es observar qué aportó cada uno y cuánto costó obtener el resultado.
Los investigadores proporcionaron la idea, el marco de trabajo y la hipótesis que permitieron orientar la búsqueda. La máquina realizó después una exploración intensiva hasta completar una parte del problema. Según los propios investigadores, sin aquella aportación inicial el sistema no habría alcanzado el resultado.
La paradoja es evidente: si dos matemáticos pueden dedicar meses a resolver la mayor parte de un problema y una máquina extraordinariamente potente necesita millones para completar el tramo restante, el trabajo humano puede resultar, en determinadas circunstancias, sorprendentemente barato.
Esta es una conversación bastante más relevante para una empresa que saber qué modelo ha quedado primero en el último benchmark.
Llevamos años midiendo el progreso de la IA mediante comparaciones entre modelos: quién programa mejor, quién razona mejor, quién resuelve más ejercicios o quién consigue la puntuación más alta en una determinada prueba. Los benchmarks son útiles porque permiten comparar tecnologías bajo condiciones relativamente controladas. El problema aparece cuando trasladamos directamente ese rendimiento al mundo empresarial.
A una compañía debería importarle menos que un modelo supere a otro por unos puntos en una clasificación que cuánto producto consigue generar con los recursos destinados a ello. En desarrollo de software, esta diferencia es fundamental.
Tampoco resulta especialmente relevante cuántas líneas de código genera un agente, cuántas tareas completa un desarrollador o cuántas personas asigna un proveedor. Lo que finalmente necesita la empresa es producto software que funcione, aporte valor y pueda mantenerse.
Y aquí aparece una transformación importante. Hasta ahora, cuando una organización necesitaba desarrollar software, la decisión consistía principalmente en elegir entre un equipo interno y un proveedor externo. Los Agentes de IA incorporan una tercera alternativa. Y probablemente aparezca con frecuencia una cuarta: equipos híbridos en los que personas y agentes trabajen conjuntamente.
La tentación es pensar que la IA tiene que ser necesariamente más barata. Un agente no cobra salario, no tiene vacaciones, puede trabajar continuamente y genera código a una velocidad imposible para una persona. Pero código no es producto.
Un sistema puede producir enormes cantidades de código y exigir después un esfuerzo considerable de revisión, integración, pruebas, corrección y mantenimiento. Del mismo modo, un equipo humano puede escribir relativamente poco código y entregar una funcionalidad de gran valor. Es por eso por lo que tampoco tiene sentido limitarse a comparar horas de cómputo con horas de trabajo humano. Lo que debemos comparar son los resultados.
Si un equipo humano entrega una determinada cantidad de software útil por un coste concreto y un conjunto de agentes consigue producir más por ese mismo coste, tendremos una respuesta. Si sucede lo contrario, también. Y si un equipo de personas apoyado por agentes consigue multiplicar el resultado de ambos trabajando por separado, estaremos ante otra alternativa que podremos medir.
El producto software se convierte así en el verdadero experimento. La llegada de los Agentes de IA puede ofrecernos, paradójicamente, una oportunidad para hacer algo que durante años no hemos hecho suficientemente bien, medir de verdad la productividad del desarrollo de software.
Podemos observar cuánto producto genera nuestro equipo interno, cuánto consigue un proveedor, cuánto producen los agentes por sí solos y qué sucede cuando incorporamos IA al trabajo de los desarrolladores. Después podemos relacionar cada resultado con el coste necesario para obtenerlo.
La discusión deja entonces de ser filosófica. Ya no necesitamos adivinar si la IA sustituirá a los programadores, si desaparecerán los proveedores o si el futuro pertenecerá a los agentes. Podemos experimentar y observar los datos.
Incluso podríamos descubrir algo parecido a lo ocurrido con los matemáticos: que una máquina extraordinariamente potente resulte económicamente ineficiente para determinados problemas y que el ser humano siga siendo, en ciertas circunstancias, sorprendentemente barato, pero también podríamos descubrir exactamente lo contrario.
La IA está transformando el desarrollo de software y probablemente lo hará mucho más durante los próximos años. Pero sería un error sustituir nuestra antigua obsesión por medir desarrolladores mediante horas o líneas de código por otra basada en prompts, número de agentes desplegados o tokens consumidos. Serían simplemente versiones diferentes del mismo error.
El producto sigue siendo lo que importa. Por eso, cada vez que incorporemos IA al desarrollo deberíamos hacernos dos preguntas sencillas, ¿estamos obteniendo más software útil que antes y cuánto nos está costando producirlo?
Solo entonces podremos saber si necesitamos cinco desarrolladores, cinco agentes o dos desarrolladores acompañados por veinte agentes.
Quizá descubramos que la IA permite sustituir equipos completos, tal vez que convierte a los buenos equipos en organizaciones mucho más productivas, y quizá comprobemos que, para determinados trabajos, los humanos siguen siendo sorprendentemente baratos.
No necesitamos adivinar cuál será el futuro. Necesitamos medirlo.
Porque la revolución no consiste en tener más Inteligencia Artificial, sino en conseguir más producto con los mismos recursos. Hasta que podamos demostrar que eso está ocurriendo, por espectacular que resulte una demostración, seguirá siendo simplemente una demo con una factura detrás.
Arriba, en la foto, Julián Gómez Bejarano, Chief Digital Officer de LedaMC
