{"id":26467,"date":"2026-10-05T16:34:34","date_gmt":"2026-10-05T15:34:34","guid":{"rendered":"https:\/\/telecomkh.info\/?p=26467"},"modified":"2026-10-05T16:34:34","modified_gmt":"2026-10-05T15:34:34","slug":"la-productividad-de-la-ia-se-demuestra-en-el-producto-no-en-los-benchmarks","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=26467","title":{"rendered":"La productividad de la IA se demuestra en el producto, no en los benchmarks"},"content":{"rendered":"<p><strong>La inteligencia artificial ya puede resolver en horas problemas que antes exig\u00edan meses de trabajo humano. Pero hacer algo m\u00e1s r\u00e1pido no significa necesariamente hacerlo m\u00e1s barato. Para las empresas, la cuesti\u00f3n decisiva no es cu\u00e1nto puede hacer un modelo, sino cu\u00e1nto producto \u00fatil permite obtener y a qu\u00e9 coste<\/strong><\/p>\n<p>&nbsp;<\/p>\n<p><span style=\"color: #999999;\"><em>Por Juli\u00e1n G\u00f3mez Bejarano, Chief Digital Officer de LedaMC<\/em><\/span><\/p>\n<p>\u00bfEstamos consiguiendo m\u00e1s software \u00fatil por el mismo dinero gracias a la Inteligencia Artificial? Esta deber\u00eda ser una de las preguntas centrales en plena expansi\u00f3n de los Agentes de IA. Sin embargo, el entusiasmo por sus capacidades est\u00e1 dejando en segundo plano una cuesti\u00f3n mucho m\u00e1s pr\u00e1ctica, \u00bfcu\u00e1nto cuesta realmente producir un resultado que una empresa pueda utilizar?<br \/>\nQue una m\u00e1quina sea capaz de desarrollar software resulta extraordinario. Puede generar c\u00f3digo en segundos, trabajar durante horas, explorar miles de alternativas y abordar problemas cuya resoluci\u00f3n exigir\u00eda un esfuerzo considerable a un equipo humano. Pero ninguna de esas capacidades demuestra por s\u00ed sola que estemos siendo m\u00e1s productivos.<br \/>\nPara una organizaci\u00f3n, lo importante es conocer cu\u00e1nto resultado obtiene y qu\u00e9 recursos necesita para conseguirlo. Sin esa informaci\u00f3n, elegir entre un equipo interno, un proveedor externo, agentes de IA o una combinaci\u00f3n de todos ellos termina siendo una cuesti\u00f3n de fe.<br \/>\nUn reciente caso relacionado con uno de los grandes problemas matem\u00e1ticos ofrece una paradoja interesante. Diego C\u00f3rdoba y Luis Mart\u00ednez-Zoroa fueron determinantes en el planteamiento que permiti\u00f3 avanzar sobre el problema. La fase final se complet\u00f3 mediante OpenAI tras unas 88 horas de c\u00f3mputo y con un coste estimado de alrededor de 15 millones.<br \/>\nM\u00e1s all\u00e1 de determinar qui\u00e9n realiz\u00f3 la parte m\u00e1s importante del trabajo, lo relevante es observar qu\u00e9 aport\u00f3 cada uno y cu\u00e1nto cost\u00f3 obtener el resultado.<br \/>\nLos investigadores proporcionaron la idea, el marco de trabajo y la hip\u00f3tesis que permitieron orientar la b\u00fasqueda. La m\u00e1quina realiz\u00f3 despu\u00e9s una exploraci\u00f3n intensiva hasta completar una parte del problema. Seg\u00fan los propios investigadores, sin aquella aportaci\u00f3n inicial el sistema no habr\u00eda alcanzado el resultado.<br \/>\nLa paradoja es evidente: si dos matem\u00e1ticos pueden dedicar meses a resolver la mayor parte de un problema y una m\u00e1quina extraordinariamente potente necesita millones para completar el tramo restante, el trabajo humano puede resultar, en determinadas circunstancias, sorprendentemente barato.<br \/>\nEsta es una conversaci\u00f3n bastante m\u00e1s relevante para una empresa que saber qu\u00e9 modelo ha quedado primero en el \u00faltimo benchmark.<br \/>\nLlevamos a\u00f1os midiendo el progreso de la IA mediante comparaciones entre modelos: qui\u00e9n programa mejor, qui\u00e9n razona mejor, qui\u00e9n resuelve m\u00e1s ejercicios o qui\u00e9n consigue la puntuaci\u00f3n m\u00e1s alta en una determinada prueba. Los benchmarks son \u00fatiles porque permiten comparar tecnolog\u00edas bajo condiciones relativamente controladas. El problema aparece cuando trasladamos directamente ese rendimiento al mundo empresarial.<br \/>\nA una compa\u00f1\u00eda deber\u00eda importarle menos que un modelo supere a otro por unos puntos en una clasificaci\u00f3n que cu\u00e1nto producto consigue generar con los recursos destinados a ello. En desarrollo de software, esta diferencia es fundamental.<br \/>\nTampoco resulta especialmente relevante cu\u00e1ntas l\u00edneas de c\u00f3digo genera un agente, cu\u00e1ntas tareas completa un desarrollador o cu\u00e1ntas personas asigna un proveedor. Lo que finalmente necesita la empresa es producto software que funcione, aporte valor y pueda mantenerse.<br \/>\nY aqu\u00ed aparece una transformaci\u00f3n importante. Hasta ahora, cuando una organizaci\u00f3n necesitaba desarrollar software, la decisi\u00f3n consist\u00eda 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 h\u00edbridos en los que personas y agentes trabajen conjuntamente.<br \/>\nLa tentaci\u00f3n es pensar que la IA tiene que ser necesariamente m\u00e1s barata. Un agente no cobra salario, no tiene vacaciones, puede trabajar continuamente y genera c\u00f3digo a una velocidad imposible para una persona. Pero c\u00f3digo no es producto.<br \/>\nUn sistema puede producir enormes cantidades de c\u00f3digo y exigir despu\u00e9s un esfuerzo considerable de revisi\u00f3n, integraci\u00f3n, pruebas, correcci\u00f3n y mantenimiento. Del mismo modo, un equipo humano puede escribir relativamente poco c\u00f3digo y entregar una funcionalidad de gran valor. Es por eso por lo que tampoco tiene sentido limitarse a comparar horas de c\u00f3mputo con horas de trabajo humano. Lo que debemos comparar son los resultados.<br \/>\nSi un equipo humano entrega una determinada cantidad de software \u00fatil por un coste concreto y un conjunto de agentes consigue producir m\u00e1s por ese mismo coste, tendremos una respuesta. Si sucede lo contrario, tambi\u00e9n. 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.<br \/>\nEl producto software se convierte as\u00ed en el verdadero experimento. La llegada de los Agentes de IA puede ofrecernos, parad\u00f3jicamente, una oportunidad para hacer algo que durante a\u00f1os no hemos hecho suficientemente bien, medir de verdad la productividad del desarrollo de software.<br \/>\nPodemos observar cu\u00e1nto producto genera nuestro equipo interno, cu\u00e1nto consigue un proveedor, cu\u00e1nto producen los agentes por s\u00ed solos y qu\u00e9 sucede cuando incorporamos IA al trabajo de los desarrolladores. Despu\u00e9s podemos relacionar cada resultado con el coste necesario para obtenerlo.<br \/>\nLa discusi\u00f3n deja entonces de ser filos\u00f3fica. Ya no necesitamos adivinar si la IA sustituir\u00e1 a los programadores, si desaparecer\u00e1n los proveedores o si el futuro pertenecer\u00e1 a los agentes. Podemos experimentar y observar los datos.<br \/>\nIncluso podr\u00edamos descubrir algo parecido a lo ocurrido con los matem\u00e1ticos: que una m\u00e1quina extraordinariamente potente resulte econ\u00f3micamente ineficiente para determinados problemas y que el ser humano siga siendo, en ciertas circunstancias, sorprendentemente barato, pero tambi\u00e9n podr\u00edamos descubrir exactamente lo contrario.<br \/>\nLa IA est\u00e1 transformando el desarrollo de software y probablemente lo har\u00e1 mucho m\u00e1s durante los pr\u00f3ximos a\u00f1os. Pero ser\u00eda un error sustituir nuestra antigua obsesi\u00f3n por medir desarrolladores mediante horas o l\u00edneas de c\u00f3digo por otra basada en prompts, n\u00famero de agentes desplegados o tokens consumidos. Ser\u00edan simplemente versiones diferentes del mismo error.<br \/>\nEl producto sigue siendo lo que importa. Por eso, cada vez que incorporemos IA al desarrollo deber\u00edamos hacernos dos preguntas sencillas, \u00bfestamos obteniendo m\u00e1s software \u00fatil que antes y cu\u00e1nto nos est\u00e1 costando producirlo?<br \/>\nSolo entonces podremos saber si necesitamos cinco desarrolladores, cinco agentes o dos desarrolladores acompa\u00f1ados por veinte agentes.<br \/>\nQuiz\u00e1 descubramos que la IA permite sustituir equipos completos, tal vez que convierte a los buenos equipos en organizaciones mucho m\u00e1s productivas, y quiz\u00e1 comprobemos que, para determinados trabajos, los humanos siguen siendo sorprendentemente baratos.<br \/>\nNo necesitamos adivinar cu\u00e1l ser\u00e1 el futuro. Necesitamos medirlo.<br \/>\nPorque la revoluci\u00f3n no consiste en tener m\u00e1s Inteligencia Artificial, sino en conseguir m\u00e1s producto con los mismos recursos. Hasta que podamos demostrar que eso est\u00e1 ocurriendo, por espectacular que resulte una demostraci\u00f3n, seguir\u00e1 siendo simplemente una demo con una factura detr\u00e1s.<\/p>\n<p><span style=\"color: #999999;\"><em>Arriba, en la foto, Juli\u00e1n G\u00f3mez Bejarano, Chief Digital Officer de LedaMC<\/em><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>La inteligencia artificial ya puede resolver en horas problemas que antes exig\u00edan meses de trabajo humano. Pero hacer algo m\u00e1s r\u00e1pido no significa necesariamente hacerlo m\u00e1s barato. Para las empresas, la cuesti\u00f3n decisiva no es cu\u00e1nto puede hacer un modelo, sino cu\u00e1nto producto \u00fatil permite obtener y a qu\u00e9 coste &nbsp; Por Juli\u00e1n G\u00f3mez Bejarano, &hellip; <\/p>\n<p class=\"link-more\"><a href=\"https:\/\/telecomkh.info\/?p=26467\" class=\"more-link\">Continue reading<span class=\"screen-reader-text\"> \u00abLa productividad de la IA se demuestra en el producto, no en los benchmarks\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":26468,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[15,9,67],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/26467"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=26467"}],"version-history":[{"count":1,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/26467\/revisions"}],"predecessor-version":[{"id":26469,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/26467\/revisions\/26469"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/26468"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=26467"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=26467"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=26467"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}