Cómo un ciclo de vida de desarrollo de productos de software habilitado por IA impulsará la innovación

En los dos años transcurridos desde la aparición de la inteligencia artificial (IA) generativa, gran parte del enfoque empresarial en esta tecnología ha girado en torno a su capacidad para aumentar la productividad de los ingenieros y desarrolladores de software. Sin embargo, aunque estas mejoras en eficiencia son un motor importante de los $2.6 a $4.4 billones de dólares que McKinsey estima que la IA generativa podría añadir a la economía global, un número creciente de organizaciones están adoptando una visión más amplia del impacto total de la tecnología en todo el proceso de creación de productos de software.

Al integrar todas las formas de IA en el ciclo de vida de desarrollo de productos de software (product development life cycle, o PDLC) de extremo a extremo, las empresas pueden empoderar a los gerentes de producto (product managers, o PM), los ingenieros y sus equipos para que dediquen más tiempo a tareas de mayor valor y menos a actividades rutinarias. Como parte de este cambio amplio, pueden incorporar fuentes de datos y retroalimentación más sólidas en un nuevo marco de desarrollo que priorice las soluciones centradas en el cliente. Este rediseño holístico debería, en última instancia, acelerar el proceso, mejorar la calidad del producto, aumentar la adopción y la satisfacción del cliente, y fomentar una mayor innovación (Gráficas 1 y 2). Los líderes de la industria comparten esta perspectiva. Inbal Shani, directora de producto (chief product officer, o CPO) y jefa de I+D de Twilio, enfatiza el potencial transformador de la IA: “Con la implementación de la IA, creo que el cambio más relevante y único serán las mejoras en la calidad de los productos, dada la capacidad de analizar mejor, sintetizar la información y hacer recomendaciones”.

Alcanzar ese ambicioso objetivo final no sucede de la noche a la mañana. Una transformación impulsada por IA del PDLC de software implica varios cambios, cada uno con su cuota de adaptaciones necesarias y desafíos potenciales. Basándonos en nuestra investigación y en entrevistas con líderes de la industria, este artículo analiza cinco cambios individuales y críticos que la IA está preparada para aportar al PDLC de software, así como algunas implicaciones e impactos clave que este amplio rediseño tendrá en varios aspectos de las organizaciones de productos, incluyendo el modelo de negocio, las capacidades, la estructura organizacional y la gobernanza de datos.

Los cinco cambios críticos de la IA para el PDLC de software

Como parte de su amplia revisión del proceso de desarrollo de productos, la IA está preparada para introducir cinco cambios fundamentales al PDLC de software, que deberían impactar profundamente la velocidad, la calidad, el valor y la innovación en general.

1. Tiempo de comercialización significativamente más rápido

Muchas organizaciones ya están experimentando el impacto en el ahorro de tiempo de la IA generativa en la ingeniería de software, pero la IA generativa puede hacer lo mismo con todo el proceso de gestión y desarrollo de productos. Gran parte de esta aceleración proviene de acortar el recorrido desde las primeras etapas de estrategia y visión hasta el despliegue y escalamiento del producto en las etapas finales. La capacidad de la IA para automatizar tareas rutinarias que consumen mucho tiempo, como la gestión de proyectos, el análisis de mercado, las pruebas de rendimiento y el análisis y documentación de la retroalimentación, libera a los gerentes de producto, ingenieros y diseñadores para que se centren en tareas de mayor valor y más satisfactorias que requieren creatividad y criterio humanos. Estas van desde la definición de la visión y la estrategia del producto hasta el desarrollo del concepto y la priorización de las características.

Este cambio no solo acelera el ciclo de desarrollo, sino que también ofrece oportunidades sin precedentes para la innovación. El ahorro de tiempo y la información que proporcionan las herramientas de IA pueden permitir a los equipos crear múltiples iteraciones de un producto, mejorando su adaptación al mercado. Como parte de esta aceleración, las organizaciones deberían ser capaces de realizar pruebas de mercado más rápidas y responder con mayor agilidad a la retroalimentación de los usuarios, los cambios en el comportamiento de los consumidores y las dinámicas o tendencias en evolución, lo que debería traducirse en mejores productos.

2. Los productos ofrecen valor al cliente mucho antes

El desarrollo exitoso de productos depende de materializar el valor de ideas relevantes para el mercado. Aunque los equipos de desarrollo suelen empezar con la intención correcta, tradicionalmente han sido necesarias varias versiones para escuchar e incorporar la retroalimentación de los clientes y entregar un valor real. La IA está redefiniendo este proceso al integrar fuentes de datos fragmentadas sobre los comentarios de los clientes y el uso del producto dentro del ciclo de desarrollo, lo que permite crear productos de manera acelerada que estén vinculados al valor para el cliente desde el principio.

Por ejemplo, la IA puede unir datos de la investigación inicial de los clientes durante las fases de descubrimiento y viabilidad junto con telemetría, datos de los tickets de servicio y retroalimentación de soporte para rastrear el impacto de extremo a extremo. Las herramientas de IA también pueden integrar los comentarios de los clientes en tiempo real, el análisis de los sentimientos/interacciones en las redes sociales y la investigación de la competencia junto con datos históricos y tendencias del mercado. Los equipos que utilizan este enfoque pueden obtener información procesable que les ayude a crear conceptos de productos más rigurosos y centrados en el cliente, aumentando así los lanzamientos exitosos. Stack Overflow, una comunidad en línea de desarrolladores, utiliza la IA para analizar de manera eficiente la investigación y la retroalimentación de los clientes pasados y actuales, proporcionando información a medida que los equipos iteran. “Estamos entrando en una nueva economía en la que el conocimiento como servicio impulsará el futuro”, dice Prashanth Chandrasekar, CEO de la empresa. “Este nuevo conjunto de modelos de negocio depende de una comunidad de creadores que progresivamente generen contenido nuevo y relevante, específico de cada dominio, basado en datos de alta calidad, validados y confiables. Nuestro producto se actualiza constantemente para reflejar lo que quieren los clientes y aprovecha las poderosas sinergias entre Stack Overflow y sus socios de IA, elevando el nivel de productividad del ecosistema de desarrolladores mediante herramientas de vanguardia respaldadas por una base de datos precisa en la que confían millones de desarrolladores.”

3. Más buenas ideas ven la luz del día

Algunas de las partes más esenciales, pero que requieren más tiempo y son más costosas, del PDLC tradicional de software son la identificación (o descubrimiento) de oportunidades de mercado y la prueba de viabilidad de las ideas para resolver problemas de una manera que resulte atractiva para los clientes. Estas dos fases han tenido que ser normalmente procesos separados. El proceso tradicional de creación de prototipos requería tanto tiempo y recursos –y conllevaba tanto riesgo– que las empresas tenían que enfocarse inicialmente en la planeación y la investigación. La IA elimina esa estricta división al permitir la creación rápida de prototipos y la automatización de pruebas A/B para validar diversas hipótesis e identificar ideas prometedoras. Esto sienta las bases para una iteración rápida y una toma de decisiones basada en datos.

El uso de la IA para crear prototipos y probar nuevas ideas de productos reduce significativamente los recursos necesarios en la etapa de viabilidad. Como resultado, los equipos de producto pueden realizar muchos más experimentos, lo que aumenta las probabilidades de que las ideas prometedoras reciban la atención que merecen. Las organizaciones también pueden utilizar la IA para eliminar parte de la incertidumbre. Por ejemplo, las organizaciones ya no es necesario depender de la, a veces poco fiable, clasificación subjetiva de ideas antes de probar su viabilidad. Sin datos que informen este proceso de toma de decisiones, el proceso siempre ha sido susceptible a la influencia desproporcionada de la persona con la opinión más fuerte o del ejecutivo con el salario más alto, un fenómeno conocido como HiPPO bias (Highest Paid Person’s Opinion). Si bien parece poco realista pensar que la IA eliminará por completo las decisiones impulsadas por la jerarquía, sí tiene el potencial de reducir la subjetividad del proceso.

Shani, de Twilio, cree que el impacto de la aparente imparcialidad de la IA podría ser significativo. “Disponer de más puntos de datos puede cambiar las decisiones estratégicas y de priorización de los líderes empresariales”, afirma. “La IA puede ayudar a analizar conjuntos de datos y ser un elemento imparcial en la conversación. Una vez que se toman decisiones estratégicas, la IA puede ayudar a monitorear continuamente las métricas y evaluar el progreso”. De esta manera, la IA acelera el ciclo de desarrollo y aumenta las probabilidades de que los recursos se asignen a las ideas más prometedoras, reduciendo los costos y las posibilidades de fracaso.

El equipo de producto de Reddit ejemplifica este enfoque. Sus ingenieros utilizan la IA para ayudar a definir y crear prototipos de funciones innovadoras rápidamente. “La definición de nuevas funciones, la creación de prototipos y las pruebas se realizan en paralelo y más rápido que nunca”, señala Pali Bhat, director de producto de la empresa. “Nuestros equipos ahora pueden soñar con una idea un día y tener un prototipo funcional al día siguiente. Es así de rápido”.

4. La idea de los PM como “mini-CEOs” finalmente se hace realidad

El PDLC tradicional de software ha sido un proceso con múltiples fricciones. Los PM han tenido que depender de un equipo de roles especializados para ejecutar muchas tareas esenciales, con múltiples traspasos antes del lanzamiento. Con la IA, los PM pueden “desplazarse a la derecha” (en la jerga de la industria), asumiendo tareas adicionales y supervisión en las etapas finales del proceso. Ahora tendrán la capacidad y la habilidad de supervisar el desarrollo de principio a fin, desde la ideación hasta la materialización del valor. Ejecutarán el descubrimiento y aprovecharán las herramientas de IA para crear rápidamente prototipos de productos, generar materiales de marketing (incluidos resúmenes de producto y presentaciones comerciales) y construir pruebas de concepto (proof-of-concept, o POC) técnicas con una participación mínima de los equipos de marketing, diseño e ingeniería de producto. Los PM también pueden asumir labores más complejas y valiosas, como la planeación de estrategias a largo plazo, la resolución creativa de problemas, las entrevistas a clientes y partes interesadas clave, y la evaluación de casos de uso.

Esta expansión de capacidades debería permitir a los PM llevar las ideas desde la concepción hasta las demostraciones tangibles con mayor rapidez y responsabilidad de extremo a extremo, difuminando las fronteras entre la gestión, el diseño y el marketing de productos. En el proceso, esto también puede crear mejores PM. Así como las herramientas de IA generativa pueden sintetizar la retroalimentación de los clientes, también pueden analizar notas de las reuniones y transcripciones de llamadas para proporcionar comentarios internos valiosos, ayudando a los empleados a aprender y recibir coaching con mayor frecuencia y eficiencia.

Como parte de esta expansión de responsabilidades, es posible que el rol de PM termine absorbiendo otras posiciones separadas, como la de gerente de marketing de producto (product marketing manager, o PMM), propietario de producto (product owner, o PO), gerente técnico de producto (technical product manager, o TPM) y los roles de interfaz de usuario (user interface, o UI) y experiencia de usuario (user experience, o UX). Eventualmente, con las herramientas de IA mejorando las capacidades de los PM en áreas que tradicionalmente han sido propiedad de otros roles –como el análisis de mercado y la mensajería o la investigación centrada en el cliente–, la convergencia gradual de puestos puede tener más sentido. “Lo más probable es que los roles de PMM y PM converjan bajo la misma organización de producto”, dice Varun Parmar, gerente general de Adobe y ex CPO y COO de Miro. “A medida que la IA automatice más tareas de PMM, como la mensajería, la función de PMM tendrá que profundizar mucho en el posicionamiento y estar completamente integrada dentro del equipo de producto”.

5. La calidad, el riesgo, el cumplimiento y la accesibilidad se abordan en paralelo con la codificación y la construcción

Dado que se espera que la IA acelere significativamente todo el PDLC de software, las organizaciones querrán integrar las pruebas de riesgo, cumplimiento y accesibilidad en las primeras fases del proceso para evitar el riesgo de pasar por alto errores o defectos potencialmente costosos. En lugar de abordarlos en una etapa relativamente tardía, estos asuntos serán una prioridad para los equipos de toma de decisiones desde el descubrimiento. Esto debería ayudar a garantizar que las ideas de productos se alineen con los requisitos, al tiempo que sienta las bases para que estas salvaguardas sean una parte constante del PDLC de software. Los equipos de producto, por ejemplo, deberán incluir evaluaciones y aplicar automáticamente los estándares y requisitos de codificación a lo largo del proceso de desarrollo.

La IA hace que este “desplazamiento a la izquierda” (en la jerga tecnológica) dentro del proceso no solo sea necesario, sino también posible. Las soluciones abarcan desde verificaciones automatizadas de cumplimiento de código y accesibilidad hasta la detección y prevención de amenazas y el análisis de vulnerabilidades cuando los desarrolladores escriben código. Por ejemplo, GitHub anunció recientemente una funcionalidad que permite a las empresas establecer directrices de seguridad y cumplimiento a nivel empresarial en todos los repositorios de código, de modo que el código de los desarrolladores cumpla las normativas de inmediato. Además, GitHub Copilot está acelerando las revisiones de código hasta siete veces, detectando y corrigiendo vulnerabilidades y problemas estilísticos.

“El mayor valor se producirá cuando podamos eliminar los cuellos de botella y garantizar que nuestros productos cumplan con las normativas y sean de alta calidad desde el principio”, señala Bhat, de Reddit. “Ya lo estamos haciendo con la accesibilidad, asegurándonos de que esté ‘integrada’ desde el comienzo del PDLC en lugar de agregarla después”. Al analizar los resultados de las pruebas, los equipos pueden identificar patrones y predecir posibles áreas problemáticas, lo que permite mejoras continuas de la calidad. Esta integración temprana de pruebas para el riesgo, el cumplimiento y la accesibilidad debería permitir, en última instancia, productos de mayor calidad que experimenten una menor rotación.

Qué significa esto para las organizaciones

Los cambios que la IA está preparada para introducir en el PDLC de software tendrán profundas implicaciones en la forma en que las organizaciones de productos están estructuradas y operan. Si bien algunos efectos ya se están haciendo evidentes, otros aún son inciertos, ya que los líderes lidian con cuestiones complejas sobre cómo evolucionará esta nueva era.

Modelo de negocio

A medida que la IA reúna diversas fuentes de datos y las empresas de software puedan vincular los productos con el valor para el cliente mucho antes que en el pasado, los clientes esperarán cada vez más un modelo de negocio en el que paguen en función de los resultados y no del uso. Hasta hace poco, eso ha sido prácticamente inviable, ya que la fragmentación de la rendición de cuentas y los datos dentro del PDLC tradicional de software dificultaba que las empresas midieran de manera confiable y demostraran con claridad el valor real de un producto determinado. La conectividad de la plataforma de datos y el crecimiento del rol y las responsabilidades del PM impulsado por la IA deberían permitir a las empresas vincular los precios con la entrega de valor de extremo a extremo. Algunas organizaciones pioneras ya están experimentando con precios basados en resultados para ciertas ofertas; por ejemplo, software de generación de clientes potenciales para marketing. Si bien todavía es pronto y existen desafíos potenciales en torno a la visibilidad y el control de los resultados de extremo a extremo en el horizonte, es probable que este modelo se vuelva cada vez más frecuente a medida que más clientes exijan que los proveedores se comprometan a que sus productos ofrezcan resultados específicos.

Herramientas y plataformas

Para integrar la IA en el PDLC de software, las organizaciones tendrán que invertir en nuevas herramientas de IA más allá de la asistencia en la codificación, incluyendo una plataforma de datos integral y herramientas para el desarrollo de productos mejorados con IA. Sin embargo, depender de demasiadas herramientas especializadas puede generar un proceso fragmentado y poco eficiente. En su lugar, las organizaciones podrían enfocarse en soluciones integradas que gobiernen toda la pila de desarrolladores. “La proliferación de soluciones puntuales está fragmentando la experiencia del desarrollador”, argumenta Bhat, de Reddit. “Los equipos de ingeniería solo pueden usar eficazmente un cierto número de herramientas como parte de su flujo de trabajo principal. La integración se volverá más crucial, y con el tiempo veremos una consolidación de la cadena de herramientas”.

Reunir diversas herramientas de desarrollo es solo el principio. Los líderes de la industria están considerando si las herramientas independientes de gestión, diseño y desarrollo de productos acabarán convirtiéndose en una solución integrada única. Un modelo tan completamente integrado minimizaría la posibilidad de transferencias complicadas o transiciones propensas a errores a lo largo del recorrido, desde la hoja de ruta del producto hasta las maquetas del diseñador y el código funcional, lo que permitiría la creación conjunta en tiempo real y una toma de decisiones más informada. Shani, de Twilio, dice: “Las empresas deberían invertir más en herramientas que mejoren la productividad en todos los roles, conectando los puntos entre el descubrimiento y la comercialización”.

Uno de los mayores desafíos en el PDLC estándar de software que destaca Shani es la falta de conectividad entre los datos. Una plataforma de datos integrada, robusta y mejorada con IA será fundamental para tomar decisiones informadas sobre los productos, consolidando diversas fuentes de datos, desde artefactos de desarrollo hasta retroalimentación de los usuarios e inteligencia de mercado. Un asistente de IA que analice estos datos puede rastrear el recorrido de una característica, identificar correlaciones y predecir problemas basándose en patrones históricos. Solo al eliminar los silos de datos de esta manera, las empresas pueden obtener una visión holística del ciclo de vida de sus productos, lo que permite una toma de decisiones más centrada en el usuario.

Talento y la estructura organizacional

La integración de la IA en el PDLC de software requiere algunos cambios significativos en los conjuntos de habilidades organizacionales. A medida que la IA acelera el tiempo y automatiza ciertas tareas de nivel bajo y medio, las empresas pueden necesitar replantear su combinación de talento y su modelo de formación para aprovechar estos cambios. Por ejemplo, con la IA generativa automatizando la codificación más básica, puede haber una mayor necesidad de ingenieros senior/staff (L2/L3) que puedan navegar con destreza por arquitecturas complejas y revisar el código generado por la IA. Thomas Dohmke, CEO de GitHub, enfatiza que “saber determinar si el contenido proporcionado por la IA es realmente la respuesta correcta será crucial”.

La demanda de conjuntos de habilidades más avanzadas desplazará la pirámide laboral hacia los ingenieros senior, aunque todavía está por determinar cómo afectará esto a la tutoría y la instrucción de las nuevas generaciones de ingenieros. Después de todo, mantener un flujo constante de ingenieros senior requiere un sólido proceso de incorporación y un desarrollo de capacidades estructurado, que incluya dar responsabilidades tempranas a los talentos jóvenes y proporcionar retroalimentación frecuente. Una respuesta puede ser que las personas hagan más de esto por su cuenta. Gracias, en gran medida, a las contribuciones de código abierto a través de plataformas como GitHub, las rutas para aprender a crear software crítico se están expandiendo y democratizando, de modo que los ingenieros en formación ahora pueden emprender eficazmente el autoaprendizaje.

Otros cambios importantes habilitados por IA en las capacidades técnicas relacionadas con los productos incluyen los siguientes:

• Disminuirá la demanda de habilidades enfocadas exclusivamente en el diseño de UI, mientras que aumentará la importancia de los investigadores de UX capacitados en diseño “human-in-the-loop”. Ritcha Ranjan, vicepresidente de Office AI en Microsoft, predice: “En el ámbito del diseño, la IA está permitiendo a los equipos crear prototipos más rápido que nunca. Sin embargo, este cambio resalta la creciente necesidad de contar con experiencia humana en razonamiento espacial y pensamiento sistémico, habilidades esenciales para crear productos coherentes y atractivos”. Esto es particularmente útil para afrontar los retos que supondrá la adopción de estas herramientas, como los sesgos en los modelos de IA y los conjuntos de datos, o la frustración de los usuarios debido a la “pérdida del toque humano”, como dice Ranjan.

  Las tareas de ingeniería de confiabilidad de sitios (site reliability engineering, o SRE) ya se están automatizando, y la IA se está encargando de las verificaciones del sistema, el análisis de registros y la clasificación de incidentes. Esta tendencia debería continuar con un PDLC de software de IA, lo que permitirá que los roles de SRE se enfoquen en tareas de mayor valor, como el desarrollo de herramientas para el mantenimiento proactivo, la detección predictiva de anomalías y los sistemas de autorrecuperación, mejorando la confiabilidad y el rendimiento general del sistema.

• La IA impulsará a los desarrolladores hacia una mayor competencia en full-stack y les exigirá convertirse en desarrolladores de pila de IA. A medida que las herramientas de IA asuman cada vez más la codificación de UI y la automatización de operaciones rutinarias, se espera que los desarrolladores de front-end hagan una transición gradual a roles de desarrolladores full-stack que impulsen la innovación de extremo a extremo. Además, se requerirá que este talento full-stack comprenda las implicaciones tecnológicas y empresariales de integrar la IA en lo que están desarrollando, como el costo de las capacidades de IA. “La IA está cambiando el ciclo de vida del desarrollo de productos al redirigir el esfuerzo humano hacia áreas en las que agregamos más valor, aquellas que requieren un razonamiento más profundo y resolución de problemas”, señala Ranjan, de Microsoft. “Tradicionalmente, los ingenieros siguen un proceso: definir los requisitos, determinar la integración del sistema, dar forma a la solución, escribir código, probar, revisar con compañeros y refinar el diseño. Hoy en día, la IA acelera la escritura y las pruebas de código. A medida que la tecnología evolucione, comenzará a abordar aspectos más complejos del proceso, aunque los avances se limitarán a cadenas de pensamiento para emular el razonamiento humano. Estos avances seguirán cambiando el enfoque del tiempo de los ingenieros”.
• El nuevo PDLC puede redefinir (o hacer innecesarias) las funciones de ingeniero de desarrollo de software en pruebas (software development engineer in test, o SDET). A medida que las herramientas habilitadas por IA asuman cada vez más las pruebas unitarias, las pruebas de integración y la detección predictiva de anomalías, las organizaciones podrían considerar integrar las pruebas dentro de las responsabilidades de desarrollo más amplias, como la revisión del código generado por IA, el diseño de estrategias de prueba y la garantía de la calidad general del software.

Comenzar la transformación de IA del PDLC de software

Para aprovechar al máximo el PDLC de software habilitado por IA, es probable que las empresas deban transformar su enfoque en múltiples dimensiones. A nivel organizativo, esto implica invertir en talento de IA y mejorar las habilidades de los empleados actuales, en particular en I+D, para satisfacer la evolución de la demanda laboral. A nivel estratégico, las empresas deberían priorizar fuentes de datos diversas para fundamentar sus decisiones de producto y reorientar la planeación empresarial en torno a métricas basadas en resultados y datos que impulsen un enfoque en la adopción de los usuarios y la evolución continua de los productos. A nivel operativo, invertir en herramientas mejoradas con IA y plataformas integradas puede agilizar el desarrollo, fomentar la colaboración entre equipos y acelerar el tiempo de comercialización.

Sin embargo, las organizaciones solo podrán obtener los beneficios de un PDLC de software habilitado por IA si realizan un cambio fundamental en su forma de trabajar. Así como las herramientas ágiles no permitieron a los PM crear valor empresarial más rápido y las herramientas DevOps no permitieron a los ingenieros lanzar actualizaciones más frecuentes sin adoptar nuevos roles y modelos operativos, la mera adopción de herramientas de IA no es suficiente para transformar el PDLC de software. Las empresas querrán considerar seriamente la posibilidad de invertir en nuevas formas de trabajar, capacitando nuevamente a sus equipos para que se alineen con las nuevas estructuras, talentos y capacidades organizacionales, y con los cambios en las herramientas y plataformas.

En última instancia, esta transformación holística debería dar como resultado productos de mayor calidad que lleguen a los clientes más rápido, colocando sus necesidades en el centro del proceso de desarrollo y proporcionado mayor valor (para ellos y para los proveedores de software) en un futuro habilitado por IA.