Analisis de Necesidades

Análisis de Necesidades: Agentic Developer

Declaración del Problema

Los equipos de desarrollo que ya usan herramientas de IA (como Claude Code) las utilizan de forma fragmentada e individual: cada desarrollador tiene sus propios prompts, sus propias prácticas y su propio nivel de aprovechamiento. No existe una metodología compartida, ni mecanismos de gobernanza, ni una visión común de cómo integrar la IA en el ciclo de desarrollo. El resultado es que el equipo está atrapado en el nivel “asistente” — la IA ayuda uno a uno, pero no multiplica la capacidad del equipo.

El salto pendiente es doble: por un lado, estandarizar cómo el equipo trabaja con IA (metodología común, gobernanza, procesos compartidos); por otro, evolucionar del uso asistido al diseño de sistemas agénticos autónomos que trabajen de forma independiente. La solución a la fragmentación pasa por enseñar al equipo a construir una capa agéntica compartida como nueva forma de trabajar.

Consecuencias del Problema

¿Qué pasa si no se resuelve?

  • Inconsistencia en calidad y procesos: Cada desarrollador usa IA a su manera, lo que genera diferencias en calidad de código, convenciones y flujos de trabajo
  • Riesgo sin gobernanza: Sin mecanismos de control, la IA puede generar código problemático, introducir deuda técnica o tomar decisiones arquitecturales inconsistentes sin que haya un marco para prevenirlo
  • Productividad sin multiplicar: El equipo mejora linealmente (cada persona un poco más rápida) pero no da el salto a multiplicar capacidad mediante sistemas autónomos que trabajan en paralelo
  • Escalabilidad insostenible: Sin metodología de optimización, escalar el uso de IA implica escalar costes proporcionalmente, haciendo el modelo económicamente inviable a medio plazo
  • Innovación limitada: El área de negocio sigue dependiendo al 100% del equipo de desarrollo para prototipar. Un sistema agéntico bien construido permitiría como efecto de segundo orden que negocio solicite prototipos que la capa agéntica puede producir, acelerando la innovación

Evidencia del Problema

¿Cómo sabemos que este problema existe?

  • El cliente lo identifica explícitamente: Aurgi ha expresado necesidad de estandarización, gobernanza y evolución del proceso de desarrollo con IA
  • Ya usan Claude Code pero sin metodología común: El equipo no parte de cero con IA, lo que confirma que el problema no es adopción sino sistematización
  • El CTO busca estructura metodológica: Alex tiene perfil técnico potente pero busca un marco que unifique al equipo
  • Precedente de mejora de procesos: Trabajaron con un consultor Agile para mejorar procesos, lo que demuestra que valoran la metodología y están receptivos a frameworks compartidos
  • Progresión natural: Ya completaron “Liderando con IA” para managers; este curso es la continuación lógica para el equipo técnico
  • Distribución de trabajo (85% features, 15% bugs): Un equipo centrado en construcción de features se beneficia enormemente de automatización agéntica que multiplica capacidad de entrega

Validación: ¿Por qué un curso?

Un curso es la solución apropiada porque el problema no se resuelve con información (ya tienen acceso a documentación y herramientas) ni con consultoría puntual (necesitan que todo el equipo adquiera las habilidades, no solo un experto). Requiere:

  1. Adquisición de habilidades nuevas: Diseñar sistemas agénticos es una competencia que se aprende con práctica guiada
  2. Cambio de mentalidad colectivo: El salto de “asistente” a “arquitecto de sistemas autónomos” requiere que todo el equipo lo internalice simultáneamente
  3. Práctica en contexto real: Aplicar la metodología en sus propios proyectos (Ruby on Rails, Python, React) con su propio stack (GitLab, Jira) es lo que genera transferencia al trabajo diario
  4. Estandarización como resultado del proceso: Al aprender juntos la misma metodología, la estandarización emerge naturalmente

Checklist de Validación

  • El problema requiere adquisición de conocimientos o habilidades
  • La solución requiere práctica, no solo información
  • Existe una audiencia definida con el problema
  • El cambio de comportamiento es alcanzable con formación

Alcance Inicial

Dentro del alcance

  • Metodología compartida de desarrollo agéntico (prompts, contextos, comandos)
  • Construcción de sistemas agénticos autónomos aplicados a desarrollo de software
  • Modelo de gobernanza para desarrollo asistido por IA
  • Optimización de costes para uso sostenible de agentes a escala
  • Aplicación práctica en los proyectos reales del equipo
  • Integración de la capa agéntica con el flujo de trabajo existente (GitLab, Jira)

Fuera del alcance

  • Fundamentos de IA/LLMs (cubiertos en sesión introductoria ya preparada)
  • Formación para managers (ya completada con “Liderando con IA”)
  • Desarrollo de productos de IA orientados a negocio (es otro tipo de proyecto)
  • Herramientas de prototipado para el área de negocio (es un efecto de segundo orden del sistema agéntico, no un objetivo directo del curso)