IA para equipos IT y de producto
Industrializa
el desarrollo con IA
De prompts ad hoc a un SDLC AI-Native con metodología, aceleradores propios y una persona que decide donde hay riesgo.
Quick-start
soporte
donde hay riesgo
Cuéntanos tu caso
Dinos cómo trabaja hoy tu equipo y te decimos por dónde empezaríamos. Sin compromiso.
Rules over tools.
El modelo NO debe ser la fuente de verdad.
El chat NO debe ser el sistema.
El código NO debe ser el único artefacto.
Necesitamos estado externo, gobernado y verificable.
La promesa rota
Nos dijeron que la IA nos haría 10x más productivos. En algunos casos aceleramos. En muchos otros, estamos generando más código... y más problemas.
El impacto de la IA no es automático. Depende del sistema de trabajo.
La diferencia entre los equipos que están ganando con IA y los que se están atascando no es presupuesto, ni tamaño, ni acceso a la última API. Es entender que la IA no es una herramienta más en el catálogo: es un cambio en la manera en que se diseñan procesos, equipos y decisiones.
productividad real
Estudio METR 2025: developers usando IA fueron un 19% menos productivos — aunque percibían un +20%. El gap entre percepción y realidad es el síntoma de un sistema roto.
más issues de seguridad
Estudio de Apiiro (2025) en empresas del Fortune 50: los equipos con asistentes de IA generan 3-4x más código, pero también 10x más problemas de seguridad.
Los tres frenos reales al desarrollo con IA
Los LLMs tienen límites estructurales. Si no diseñas para sus límites, trabajas contra ellos.
Memoria limitada
No puede sostener sistemas grandes sin perder coherencia. Pedirle al modelo que "recuerde toda la arquitectura" es pedirle que haga lo que por diseño no puede hacer.
Alucinación
Optimiza por plausibilidad, no por verdad. Genera código que "parece que funciona" aunque la suposición subyacente sea falsa. Detectar eso a simple vista es imposible.
Deriva del contexto
Contextos largos degradan foco y precisión. Cuanto más código acumulas en la ventana del agente, peor razona — exactamente al revés de lo que la intuición sugiere.
Los agentes aún no son suficientemente fiables para ingeniería compleja.
La solución no es abandonar la IA.
Es cambiar tu rol.
De escribir código a diseñar contexto, reglas y verificación.
Esto es lo que llamamos industrializar el desarrollo con IA. Y para hacerlo, no basta con comprar más herramientas: necesitas un sistema. Lo llamamos onext AI-Accelerated Development.
Tres pilares.
Un solo sistema.
Toda la solución se sostiene sobre tres pilares que onext enseña en su formación interna y que ahora se llevan al producto.
Human-on-the-Loop
La IA propone y una persona decide donde hay riesgo: antes de escribir código (perfil, especificación y diseño) y en la revisión del cambio. Es un rol explícito con artefactos y métricas propias.
- Validación estructurada en specs y en código
- Rol de Revisor (equivalente a PR humano)
- Context Owner que mantiene las reglas del sistema
Rules Over Tools & Context Engineering
Las herramientas son intercambiables; las reglas son lo que define el sistema. Estado externo, gobernado y verificable — no la memoria del modelo ni el chat.
- → Constitución del proyecto + subagentes + MCPs
- → Commands, skills, hooks, models curados
Spec-Driven Development
Las especificaciones son la fuente de verdad, no el código generado. Una spec bien escrita es trazable, validable y reutilizable.
- → Specs como primary artifact, código derivado
- → Validación pre-commit contra la constitución
- → Trazabilidad de cada línea de código a una intención
Construimos con tu equipo el contexto en el que trabaja la IA
Los agentes de programación solo son tan buenos como lo que saben de tu casa. Por eso montamos con el equipo su harness (en la práctica, ingeniería de contexto): todo lo que la IA necesita saber y respetar para trabajar bien en tu proyecto.
Ese harness se queda en el equipo: es suyo y lo hace crecer con cada proyecto.
De la idea a la documentación actualizada: diez pasos
Es el flujo que llevamos al equipo. En cuatro de los diez pasos decide una persona.
-
Idea
Se recoge la necesidad o la oportunidad, todavía sin solución.
-
Historia de usuario
Se escribe desde quien la va a usar, con criterios de aceptación que se pueden comprobar.
-
Tareas
El plan se divide en tareas pequeñas y comprobables.
-
Implementación
Los agentes construyen cada tarea con controles automáticos.
-
Auditoría de sprint
Al cerrar el sprint, agentes especializados auditan lo entregado frente a lo especificado.
-
Documentación actualizada
La documentación de cada módulo se actualiza con cada historia (una persona aprueba el cambio) y el sprint se cierra con su archivo y sus novedades.
Una persona decide donde hay riesgo.
Dos aceleradores de onext.
Una cadena completa.
Aceleradores construidos sobre el estándar abierto de Claude Code —no software propietario que instalas y del que dependes—. Los configuramos sobre tu stack, los usa tu equipo y se quedan contigo. Sin ellos, los pilares son un manifiesto. Con ellos, son un sistema operativo.
onext Product Accelerator
De la idea a la spec, estructurado y repetible
Acelerador sobre Claude Code (estándar abierto, sin lock-in) que orquesta 5 agentes especializados a lo largo de workflows estructurados de definición de producto. De una idea cruda a una especificación lista para desarrollo, con quality gates en cada transición de fase.
- → 5 agentes especializados: orchestrator, product-consultant, ux-designer, sdd-specifier y reviewer
- → 4 workflows: idea-to-feature (6 fases), quick-improvement (3), spike (2), audit (2)
- → 25 skills en 7 dominios: discovery, research, persona, UX design, specification, validation y setup
- → 8 quality gates automatizados: phase gate checker, ambiguity guard, scope creep detector, decision logger…
- → Artefactos: Lean Canvas, JTBD, empathy maps, user flows, behavior flows, acceptance criteria, business rules, SDD consolidation
- → Integración nativa con Figma, Jira, Storybook y la configuración de compliance del proyecto
Que el equipo de ingeniería reciba especificaciones consolidadas y validadas, sin ambigüedades ni decisiones colgando. Cada fase produce un artefacto concreto y ningún workflow avanza en silencio sobre trabajo incompleto.
onext SDD Accelerator
Especificaciones que la IA respeta, con verificación en cada commit
Integra Spec-Driven Development directamente en el flujo del equipo técnico. Gobierna el estado externo y valida que el código respete las reglas del proyecto.
- → Templates de especificación adaptados al stack del proyecto
- → "Constitución" del proyecto: reglas inmutables que el agente respeta
- → Validación pre-commit contra la spec (estructura, naming, dependencias, coverage)
- → Hook de bloqueo de merge si el código generado no cumple
Que el código generado rápido por IA no sea también código inconsistente. Convierte output del agente en código que respeta la arquitectura, las convenciones y las reglas del proyecto.
Cómo te acompañamos
Cuatro fases que se solapan en el tiempo, no se ejecutan en secuencia. Durante toda la ejecución tu equipo sigue entregando producto: ninguna fase exige pausar sprints.
Desplegamos y configuramos los dos aceleradores de onext sobre tu stack —y se quedan contigo—. Definimos conjuntamente la constitución del proyecto y creamos los templates de spec. Cadena completa product → spec → code funcionando end-to-end.
Pair-programming entre developers de onext y del cliente. Code review específico para IA. Refinamiento de la constitución según lo que falle en la práctica. Retros semanales. Coaching individual a los 3-5 creadores del equipo.
Especialización dual: creadores (10-20% del equipo) y usuarios avanzados (el resto) reciben formación específica. Transferencia formal de la constitución, templates y métricas. Plan de sostenimiento post-engagement con 6 meses de soporte de los aceleradores incluidos.
Dos formas de entrar
El mismo sistema, dos intensidades. Puedes empezar por el quick-start y escalar al programa completo cuando el equipo pida más, o entrar directamente a la transformación end-to-end.
Desarrollo acelerado con IA
Un equipo trabaja con Spec-Driven Development y el onext SDD Accelerator sobre su código real, con formación práctica y seguimiento semanal, sin parar las entregas. Precio cerrado por equipo. Es la puerta de entrada.
- Diagnóstico del stack, workflows y adopción IA actual (3-5 días)
- Framework SDD: constitución del proyecto, onext SDD Accelerator y templates de spec para tu stack
- Formación práctica: talleres hands-on y pair programming con el equipo de onext
- Seguimiento: métricas semanales + 3 meses de soporte post-implementación
Ideal si tu equipo ya usa IA, quieres saber si entrega antes o solo teclea más rápido y prefieres probar el método con un equipo sobre trabajo real, no con PowerPoints.
Transformación end-to-end del SDLC
Redefinimos tu ciclo de vida de punta a punta: los 3 pilares, el flujo de diez pasos y los dos aceleradores de onext. Rediseño organizativo, carriles humano-agente y métricas vivas. Para industrializar el desarrollo con IA, no solo acelerarlo.
- → Los 3 pilares y el flujo de diez pasos implementados en tu equipo
- → Los dos aceleradores (Product + SDD) en producción end-to-end
- → Rediseño del operating model: carriles humano-agente y RACI por proceso
- → Transferencia formal + 6 meses de soporte de aceleradores incluidos
Ideal si quieres cambiar cómo se diseñan procesos, equipos y decisiones alrededor de la IA — el arco completo descrito arriba.
Lo que medimos, no lo que prometemos
Indicadores de entrega y calidad, no de uso de la herramienta. Línea base en el diagnóstico y la misma medición al final. Si en el diagnóstico no vemos diferencia, no hay Quick-start.
Entre «decidir hacer algo» y «tenerlo en producción», medido en un flujo crítico del equipo.
Código generado con IA que pasa la verificación contra la especificación, los tests y la revisión sin volver atrás.
Cuánto espera el trabajo a una persona y dónde decide de verdad: donde hay riesgo, no en todo.
Lo que suelen preguntarnos
¿Tenemos que parar entregas?
No. El Quick-start trabaja con un solo equipo y sobre trabajo real que ya teníais planificado, en paralelo a su sprint. El pair programming es voluntario y se hace con 1-2 developers rotativos mientras los demás siguen trabajando normalmente. Ninguna fase exige pausar entregas.
¿Funciona con nuestro stack? (usamos Python/Java/React...)
Sí. Hemos implementado IA en equipos con Node.js, Python, Java, PHP, React, Vue, React Native, Go... El framework es agnóstico al lenguaje. Lo adaptamos a tu stack en el diagnóstico.
¿Cuándo empezamos a ver resultados?
En el diagnóstico fijamos la línea base de lo que importa: entrega y calidad (tiempo hasta producción, fallos tras desplegar, retrabajo y tiempo en revisión), no uso de la herramienta. Lo seguimos cada semana con el equipo y lo comparamos al final. No prometemos una cifra antes de medir: si en el diagnóstico no vemos diferencia, no hay Quick-start.
¿Cuál es la diferencia entre el quick-start y el programa completo?
Son dos intensidades del mismo programa. El quick-start (4-8 semanas) implementa la metodología SDD y el onext SDD Accelerator para que la velocidad de la IA llegue a la entrega, con formación práctica. El programa completo (12-16 semanas) rediseña el SDLC de punta a punta: los 3 pilares, el flujo de diez pasos y los dos aceleradores de onext, con rediseño organizativo y carriles humano-agente. Puedes empezar por el quick-start y escalar al programa completo, o entrar directamente al completo.
¿Qué es Spec-Driven Development y por qué lo necesitamos?
Spec-Driven Development (SDD) es una metodología emergente que cambia cómo los equipos trabajan con IA para programar. En lugar de que cada developer escriba prompts ad hoc y espere que la IA acierte, el equipo define especificaciones estructuradas — una 'constitución' del proyecto con reglas inmutables que la IA respeta siempre, templates de spec para cada tipo de tarea y un flujo de validación en cada commit. El resultado es código generado por IA que respeta la arquitectura, las convenciones y las reglas del proyecto de forma consistente.
¿Qué nos llevamos al terminar?
Tu equipo se queda con el framework completo: constitución del proyecto, templates de especificación, playbook de prompts y soporte post-implementación (3 meses en el quick-start, 6 meses de soporte de aceleradores en el programa completo).
Insights relacionados
El marco conceptual detrás de onext AI-Accelerated Development, publicado en abierto. Empieza por el primero si quieres entender por qué el problema es organizativo antes de ser técnico.
El modelo no es la fuente de verdad. El chat no es el sistema. El código no es el único artefacto.
La paradoja METR: +20% de productividad subjetiva, −19% real. El motivo es la ausencia de tres disciplinas que casi nadie aplica. Claim 1: el modelo no es la fuente de verdad → constitución del proyecto. Claim 2: el chat no es el sistema → workflows con quality gates. Claim 3: el código no es el único artefacto → Spec-Driven Development. Tres antídotos instalables. Cita honesta de Karpathy al cierre.
HTML supera a Markdown en los artefactos que viven: la tabla de decisión del Spec-Driven Development
De 14 artefactos del Spec-Driven Development, 8 migran a HTML y 5 se quedan en Markdown. La decisión no es ideológica — es operativa: a mayor tamaño y mayor vida útil, mayor sentido tiene HTML. Incluye tabla completa, el reframe del Tech Lead como "compute allocator" según Thariq Shihipar, y la actualización del método AI Engine onext a partir de mayo 2026.
SDD (Spec-Driven Development): la metodología que convierte la IA en código controlado y predecible
El 85% de equipos usa IA para programar con prompts ad hoc. Solo el 15% usa especificaciones estructuradas. SDD es la metodología emergente que trae control, predictibilidad y calidad al desarrollo asistido por IA.
Scrum dual-track acelerado con IA: cómo implementarlo en tu equipo
Compraste licencias de IA para tu equipo y la velocidad sigue igual. Es una queja habitual entre CTOs en 2026, y casi siempre tiene la misma raíz: la IA acelera escribir código, pero el cuello de botella de un equipo rara vez es escribir código — es decidir qué construir y verificar que funciona. Un Scrum dual-track separa el carril que decide (discovery) del que construye (delivery vía Spec-Driven Development), con la IA haciendo el trabajo pesado de ambos y el humano firmando en los gates. Cómo implementarlo sin parar la entrega y qué medir: entrega y calidad, no uso de la herramienta.
Context Engineering: la disciplina que satisface equipos con IA y sin IA
El 80% de equipos usa IA de forma individual. Solo el 5% trata el contexto como un activo de ingeniería. Context engineering es la práctica que separa equipos que experimentan de equipos que dominan IA. De Skills a SDD: la evolución completa.
El mes 6: por qué la transformación IA de tu equipo dev se rompe en ese punto — y el sistema de sostenimiento que lo previene
Los primeros 3 meses de transformación IA son entusiasmo con método. Al mes 6, la mayoría de equipos vuelven al baseline sin saber por qué. El colapso sigue siempre el mismo orden: workflows desactualizados → falsos positivos en quality gates → sorteo silencioso → vuelta al punto de partida. El sistema de sostenimiento que lo previene tiene tres piezas: owner rotativo, métrica única de salud y ritual mensual de 30 minutos.
El gap del 70%: tu adopción de IA en el equipo de desarrollo no es problema técnico — es problema organizativo
Más del 40% de los proyectos basados en agentes serán cancelados antes de 2027 (Gartner). Tras 12 transformaciones en equipos de desarrollo, el patrón es consistente: el 70% del éxito de la IA no es técnico. Las 5 dimensiones organizativas que ninguna herramienta resuelve sola. Cuatro preguntas para distinguir problema técnico de problema organizativo en tu próximo comité. Incluye paradoja METR y cita Karpathy.
Por qué la mayoría de proyectos con LLM fracasan (y cómo convertirlos en sistemas que realmente funcionan)
El 95% de pilotos de IA no genera impacto en P&L según MIT. El 90% de empleados usa IA por su cuenta pero el 68% no lo comunica. El problema no es la tecnología: es tratar los LLM como herramientas individuales en lugar de sistemas integrados con contexto, flujo y control.
De tareas a workflows: los agentes IA ya ejecutan procesos multi-etapa completos
El 57% de empresas ya usa agentes IA para ejecutar workflows multi-etapa, y el 81% planea abordar casos más complejos en 2026. Pero pasar de tareas aisladas a procesos completos requiere especificaciones claras, contexto estructurado y un modelo de supervisión que la mayoría de equipos todavía no tiene.
¿Aún no estás listo para el programa? Antes de invertir en transformación, dimensiona el gap. Nuestro checklist interactivo de 16 preguntas te da en 5–7 minutos un diagnóstico de dónde está hoy tu equipo. Gratis. Sin compromiso.
Hacer el diagnóstico gratuito
¿Listo para
industrializar tu desarrollo?
En 30 minutos podemos evaluar el estado real de tu SDLC y diseñar un primer paso de rediseño que tu equipo pueda ejecutar sin parar entregas.