En la era digital actual, la inteligencia artificial (IA) ha revolucionado múltiples aspectos de la industria tecnológica, y uno de los campos donde su impacto es más palpable es en la codificación de software. En Plaid, una empresa líder en soluciones de infraestructura financiera, han logrado amplificar la adopción de herramientas de codificación con IA entre su equipo de ingenieros, transformando su metodología de trabajo y generando dinámicas más eficientes y colaborativas. Este proceso de transformación no fue un cambio espontáneo, sino el resultado de una estrategia bien planificada que enfrentó varios desafíos propios de una compañía tecnológica de medio a gran tamaño en un sector regulado como lo es el financiero. A continuación, se profundiza en las principales tácticas, obstáculos enfrentados y enseñanzas que emergieron a lo largo de este camino de evolución tecnológica. El punto de partida fue la convicción clara de que la IA puede mejorar significativamente la labor del equipo de ingeniería en Plaid, desde la generación de ideas hasta la resolución de problemas complejos, pasando por la automatización de tareas repetitivas o la facilitación en la escritura y revisión de código.
No obstante, lograr que un equipo conformado por cientos de ingenieros altamente efectivos adopte nuevas herramientas requiere más que solo disposición; demanda esfuerzo constante y liderazgo dedicado. Una de las primeras decisiones clave fue simplificar y acelerar el proceso de evaluación y prueba de las herramientas de IA. Dado que el mercado de tecnologías IA se mueve a un ritmo vertiginoso con productos de calidad variable, Plaid optó por realizar pilotos rápidos y enfocados en obtener señales claras de valor. Esto implicó la selección de herramientas que se pudieran implementar sin necesidad de grandes preparativos técnicos ni ajustes complejos en la infraestructura interna. Además, se priorizó la evaluación en proyectos abiertos o públicos, lo cual permitió medir la efectividad de las soluciones en entornos reales antes de su adopción.
El papel del cumplimiento legal y la seguridad fue fundamental debido a la naturaleza regulada de los productos de Plaid. La colaboración estrecha con los equipos legales y de seguridad precedió el piloto de cada herramienta, desarrollando un marco para clasificar las soluciones según la naturaleza de la información que procesaban y los riesgos asociados. Esto garantizó que el proceso de incorporación de nuevas herramientas fuera consciente y responsable desde el punto de vista de la privacidad y regulación. Pero evaluar y poner en marcha la tecnología era solo el inicio. La adopción real demandó un modelo de propiedad y seguimiento.
En Plaid comprendieron que simplemente habilitar el acceso a la tecnología no bastaba para que los ingenieros la integraran en su flujo de trabajo habitual. Por ello, se creó un equipo dedicado a gestionar la adopción como si fuera un producto interno, instalando un sistema de métricas que permitiera monitorear no solo la actividad sino también la retención entre diferentes equipos y cohortes. Este enfoque de propiedad provocó que se tomaran medidas personalizadas hacia los usuarios que habían dejado de utilizar las herramientas, fomentando el contacto directo con estos ingenieros para entender sus motivaciones, inquietudes o barreras. Esta atención al detalle, posible gracias al tamaño manejable de la comunidad interna, potenció la identificación de áreas de mejora y ajustó la estrategia para responder a las necesidades reales del equipo. Otro aspecto fundamental en la estrategia de Plaid fue la creación de contenido propio y específico.
Reconociendo que los materiales genéricos ofrecidos por los proveedores de herramientas de IA no siempre se adaptaban a las particularidades de su código y sistemas, Plaid produjo videos cortos y demostrativos que mostraban escenarios concretos y aplicaciones prácticas dentro de sus proyectos. Estos contenidos fomentaron la curiosidad y facilitaron la experimentación interna, generando una corriente orgánica de intercambio de experiencias, tanto exitosas como desafortunadas, que alimentó el aprendizaje colectivo. Además, se observó que el entusiasmo de los gerentes de ingeniería desempeñaba un papel crucial. Los equipos cuyos líderes estaban más comprometidos y conocedores de las tecnologías AI mostraban niveles de adopción significativamente superiores. Por esta razón, Plaid dirigió esfuerzos para formar directamente a estos mandos medios, dotándolos de ejemplos prácticos y recursos que les sirvieran para evangelizar y apoyar mejor a sus equipos.
Un reto considerable fue cómo integrar estas nuevas herramientas con los entornos de desarrollo ya consolidados. Los ingenieros suelen ser muy apegados a sus editores de código favoritos, y un cambio abrupto a una nueva plataforma puede generar resistencia o pérdida de productividad. La aproximación en Plaid fue de suma colaboración: posicionar las herramientas de IA como complementos en lugar de reemplazos. Así, muchos desarrolladores adoptaron un uso dual, combinando sus IDE tradicionales con las funciones de IA, permitiendo aprovechar lo mejor de ambos mundos mientras se reducía la fricción al cambiar. El punto culminante de esta apuesta por la IA fue la organización de un "AI Day" interno, que rompió la rutina diaria para sumergir a los ingenieros en talleres prácticos y charlas sobre las bases del aprendizaje automático y las aplicaciones de IA en el desarrollo.
Durante esta jornada, se lograron crear demostraciones funcionales utilizando las APIs públicas de Plaid combinadas con herramientas IA, impulsando una mayor comprensión y entusiasmo por parte del equipo. La respuesta fue excelente, con una alta participación y satisfacción, además de disparar nuevos proyectos internos basados en inteligencia artificial. Por supuesto, el camino no ha estado exento de desafíos. Entre los principales aprendizajes está la necesidad de controlar costos asociados a herramientas con sistemas de pago por uso variable, la importancia de contar con métricas precisas para comparar y evaluar diferentes soluciones, y la complejidad de adaptar los procesos de revisión de código para detectar posibles errores derivados del uso de IA. También, el manejo de configuraciones específicas para cada herramienta y la protección de datos sensibles continúan siendo áreas en constante revisión.
Más allá de aumentar el uso de herramientas de codificación, Plaid avanza hacia comprender profundamente cómo estas soluciones impactan la productividad real y la calidad del trabajo. Esto implica analizar las funcionalidades específicas que los ingenieros utilizan y promover mejores prácticas, como la elaboración de prompts más eficaces y una integración más estrecha con el código base. El éxito en la adopción de la IA en Plaid demuestra que, con una estrategia estructurada, un enfoque sensible a las necesidades del equipo y un liderazgo comprometido, es posible transformar la manera en que los ingenieros trabajan, integrando la inteligencia artificial para potenciar su creatividad y eficiencia. Esta experiencia sirve como modelo para otras organizaciones que buscan aprovechar al máximo el potencial de la IA en el desarrollo de software, especialmente en entornos donde la seguridad, la regulación y la calidad son prioridad.
