Las respuestas empiezan por las preguntas adecuadas
La inteligencia artificial está cambiando la forma en la que desarrollamos software, pero, sobre todo, está transformando cómo lideramos equipos, tomamos decisiones y construimos organizaciones. Hoy ya no basta con conocer el último modelo o el framework de moda: el verdadero reto está en entender cómo integrar la IA en los procesos, las habilidades y la cultura de una empresa.
Ese es precisamente el valor de una conferencia como Codemotion Madrid 2027. No se trata solo de descubrir nuevas tecnologías, sino de compartir experiencias con personas que ya están enfrentándose a retos como la adopción de la IA, el liderazgo técnico, los agentes de programación, la organización de equipos y la transformación del trabajo de los desarrolladores. El objetivo no es salir con una lista de nuevas herramientas que probar, sino con ideas, métodos y enfoques concretos que puedas aplicar desde el día siguiente.
Porque, al final, las organizaciones que mejor adopten la IA no serán las que tengan las herramientas más avanzadas, sino las que sean capaces de hacerse las preguntas adecuadas.
Estas son cinco preguntas que todo líder tecnológico debería empezar a hacerse en 2026.
1. ¿Estoy midiendo realmente la productividad de mi equipo?
Durante años hemos utilizado métricas relativamente sencillas: tiempo de entrega, volumen de trabajo, velocidad de desarrollo, historias completadas.
Pero ¿qué ocurre cuando un agente de IA genera en unos minutos lo que antes llevaba horas?
La productividad ya no equivale a la cantidad de código producido. De hecho, puede que ocurra justo lo contrario: cuanto más código se genera automáticamente, más tiempo hay que dedicar a revisarlo, validarlo y tomar decisiones de arquitectura.
Así que la pregunta cambia radicalmente:
¿Estoy midiendo cuánto código producimos o cuánto valor somos capaces de entregar?
Esta nueva forma de entender la productividad también aparece en “Everyone can build: empowering non-engineers to contribute”, donde Sofia Lescano Carroll comparte cómo en Alan diseñadores, PMs y perfiles de operaciones han empezado a contribuir directamente a producción gracias a la IA. Una experiencia que obliga a replantearse qué entendemos por productividad y cómo medimos el valor que aporta cada perfil al proceso de desarrollo.
Para llevarte a casa:
La métrica más importante quizá ya no sea «¿a qué velocidad desarrollamos?», sino «¿hasta qué punto tomamos buenas decisiones?».
2. ¿Sigo contratando desarrolladores… o personas capaces de trabajar con IA?
Los procesos de selección apenas han cambiado, mientras que el día a día de los desarrolladores sí lo ha hecho radicalmente. Y, sin embargo, en muchas entrevistas seguimos evaluando a los candidatos con pruebas diseñadas para un mundo en el que la IA no existía.
¿Tiene sentido seguir pidiendo a alguien que escriba código de memoria o resuelva un algoritmo sin ningún tipo de apoyo? Hoy, en el trabajo diario, un desarrollador trabaja junto a herramientas de IA, cuestiona sus respuestas, evalúa sus sugerencias, las corrige y, sobre todo, decide cuándo confiar en ellas y cuándo no.
Quizá la habilidad que realmente deberíamos buscar ya no sea recordar la sintaxis perfecta, sino saber colaborar con la inteligencia artificial: cómo formular peticiones, cómo verificar las respuestas, cómo gestionar la incertidumbre y cuándo decidir conscientemente ignorar la sugerencia de un modelo porque no es la mejor solución.
La llegada de la IA también está cambiando las habilidades que necesitamos en nuestros equipos. En “Code-Review en tiempos de Vibe Coding: cómo los Seniors se convierten en Firewalls de Calidad”, Alan Buscaglia aborda precisamente uno de los nuevos retos del desarrollo asistido por IA: cómo revisar, validar y mantener la calidad cuando las máquinas pueden generar código a una velocidad difícil de seguir. Porque quizá el valor de un buen desarrollador ya no esté solo en escribir código, sino en saber evaluarlo, cuestionarlo y decidir qué merece llegar a producción.
Para llevarte a casa:
En 2026, la ventaja competitiva no estará en quien utilice la IA, sino en quien sepa utilizarla con criterio.
3. ¿Qué tareas deberían hacer los agentes… y cuáles deben seguir siendo humanas?
El error más habitual cuando hablamos de IA es pensar que el objetivo es automatizarlo todo. Sin embargo, el más costoso puede ser caer en el extremo contrario: no automatizar nada por miedo a perder el control.
El verdadero reto no consiste en decidir si utilizar inteligencia artificial, sino en identificar dónde puede marcar realmente la diferencia. Hay tareas en las que las herramientas de IA ya están demostrando ser grandes aliadas: desde la creación de prototipos hasta la generación de tests, pasando por la documentación, el refactoring o el análisis de código. Todas ellas pueden acelerarse, liberando tiempo para que los desarrolladores se centren en aquello que realmente aporta valor.
Eso no significa que el papel humano pierda importancia. Al contrario: cuanto más capaces sean las herramientas de IA de asumir tareas operativas, más peso tendrán las decisiones que requieren experiencia, visión y responsabilidad. Definir una arquitectura, valorar los trade-offs técnicos, establecer prioridades de negocio o gestionar los riesgos de un proyecto siguen siendo tareas que ningún modelo puede asumir por sí solo.
Esta pregunta está en el centro de la charla “Future of Programming: What’s our place in the world of coding machines?”, de Andrey Breslav. Si las máquinas son cada vez más capaces de escribir código, ¿qué papel queda para las personas? La respuesta no pasa necesariamente por competir con ellas, sino por replantear nuestro trabajo: menos ejecución mecánica y más capacidad para diseñar, validar, entender el contexto y tomar decisiones.
Una idea que también aparece en “Agents in the Monorepo: How we’re using LLM Coding Agents to tame a massive codebase at Stripe”, donde Chris Ruiz muestra cómo Stripe utiliza agentes de IA para automatizar tareas, abordar migraciones y reducir deuda técnica a gran escala. Un ejemplo real de cómo los agentes pueden asumir parte del trabajo operativo mientras los equipos siguen siendo responsables de decidir qué hacer, cómo hacerlo y cuándo confiar en la máquina.
Para llevarte a casa:
El objetivo no es sustituir a los desarrolladores, sino liberar tiempo para que puedan tomar las decisiones que ningún modelo puede tomar por ellos.
4. ¿Estamos desarrollando habilidades… o dependencia de las herramientas?
Muchas empresas están invirtiendo en plataformas de inteligencia artificial convencidas de que adoptar una nueva herramienta es suficiente para acelerar su transformación. Sin embargo, son muchas menos las que invierten en crear un método real de adopción. Y ahí está precisamente la diferencia entre las empresas que experimentan con IA y las que realmente la integran en su forma de trabajar.
La adopción no es un proyecto que termina con la compra de una licencia: es un proceso continuo que requiere formación, experimentación y voluntad para cuestionar procesos establecidos. Significa crear espacios en los que los equipos puedan compartir experiencias, comparar qué funciona y qué no y aprender también de los errores, convirtiendo el uso de la IA en una habilidad colectiva en lugar de dejarlo en manos de cada persona.
Al final, las herramientas cambiarán rápidamente. El verdadero recurso estratégico seguirá siendo la capacidad de una organización para aprender, adaptarse y compartir conocimiento al mismo ritmo al que evoluciona la tecnología.
La diferencia entre utilizar una herramienta y aprender una nueva forma de trabajar es precisamente el punto de partida de “Ingeniería de contexto: Trabajar con IA en Software de verdad”, de Martí Cristóbal. La charla explora cómo integrar los modelos de lenguaje en procesos reales de desarrollo mediante técnicas como el context engineering, la planificación por fases y el testing incremental. Porque aprender a trabajar con IA no consiste en abrir un chat y pedirle que programe por nosotros, sino en desarrollar nuevas habilidades para dar contexto, supervisar, validar y construir procesos en los que la IA realmente aporte valor.
5. ¿Estamos diseñando productos con IA… o experiencias que la gente realmente quiere utilizar?
A menudo hablamos de la inteligencia artificial como un reto tecnológico. En realidad, muchas de las dificultades aparecen mucho antes de llegar al modelo: cuando las personas no confían en la herramienta, no entienden cómo utilizarla o, simplemente, dejan de hacerlo después de unos días.
La adopción no depende únicamente de la calidad del algoritmo, sino de la experiencia que construimos alrededor de él. Una interfaz poco clara, la falta de feedback o unas expectativas mal gestionadas pueden hacer fracasar incluso la solución técnicamente más avanzada.
El mensaje es sencillo: la adopción de la IA no es solo una cuestión de tecnología, sino, sobre todo, de personas.
La cuestión de cómo diseñamos productos que realmente aporten valor también aparece, aunque desde otra perspectiva, en “Choosing an AI model for your project”, de Ali Spivak. La charla plantea que elegir un modelo no empieza por preguntarse cuál es el más potente, sino por entender primero qué queremos construir, para quién y con qué límites. Una idea que recuerda algo fundamental: la tecnología debería adaptarse a las necesidades de las personas y del producto, y no al revés.
Para llevarte a casa:
El éxito de un producto basado en IA no se mide únicamente por lo que el modelo es capaz de hacer, sino por cuánto decide la gente utilizarlo realmente.
Conclusión
Quizá la pregunta más importante que un líder tecnológico debería hacerse en 2026 no tenga nada que ver con los LLM, los agentes de programación o el próximo framework.
Es esta:
¿Mi equipo simplemente está utilizando herramientas de IA o está aprendiendo una nueva forma de hacer ingeniería?
Porque las herramientas cambiarán. Los modelos evolucionarán. Las plataformas se multiplicarán.
La diferencia estará en aquellas organizaciones capaces de construir un método: aprender rápido, experimentar con disciplina y desarrollar el criterio necesario para colaborar con la IA sin delegar aquello que realmente importa.
Y probablemente este sea uno de los aprendizajes más valiosos que los líderes tecnológicos, Tech Leads, CTOs y Engineering Managers pueden llevarse de una conferencia como Codemotion Madrid 2027.
