Seis meses después de que el primer equipo trabaje bien con IA, lo normal es encontrar diez formas de trabajar en el departamento. El primero tiene reglas escritas y un contexto que el agente respeta; los demás empezaron por su cuenta, y la dirección se pregunta qué pasa con los otros nueve.
Cada equipo acaba trabajando a su manera
Nadie decide que cada equipo trabaje distinto: sucede. Cada uno elige sus herramientas y escribe sus propias reglas, y lo que aprende se queda en su equipo. Además, las personas copian lo que ven a su lado. Un estudio sobre el despliegue de agentes de código en Microsoft encontró que el primer uso se extendió sobre todo por las redes sociales, y con el uso viaja la forma de usarlo, también la mala si no hay un método común.
DORA, el programa de investigación sobre entrega de software de Google Cloud, plantea en su informe de 2025 por qué esa diferencia importa. Con casi 5.000 profesionales encuestados, la adopción de IA se asociaba con más velocidad de entrega y mejor rendimiento de producto, pero seguía asociada con menos estabilidad de las entregas. Diez equipos con diez maneras de trabajar dan diez resultados distintos. La pregunta útil para la dirección es cuántos equipos comparten una forma de trabajar con IA.
Tres formas de montar un centro de excelencia
Un centro de excelencia es un grupo pequeño que cuida cómo se trabaja en toda la organización. Arlotto e Irby, en un artículo de la asociación HFMA sobre centros de excelencia de analítica de datos, distinguen tres modelos: en el centralizado, un grupo central gestiona todos los recursos, herramientas y métodos; en el descentralizado, los equipos y las herramientas viven dentro de cada unidad; y el híbrido, con un núcleo y varios satélites (hub-and-spoke), combina los dos. En la tabla los llamo centralizado, distribuido y federado.
| Centralizado | Distribuido | Federado | |
|---|---|---|---|
| Quién decide cómo se trabaja | Un grupo central | Cada equipo | Un núcleo pequeño fija lo común y cada equipo decide el resto |
| Lo que da | Estándar y supervisión de toda la organización | Respuesta rápida a lo que necesita cada equipo | Estándar común y una persona de referencia en cada equipo (criterio de onext) |
| Lo que cuesta | Responde peor a las necesidades de cada departamento | Cuesta más escalarlo a toda la organización | Pide tiempo de personas que ya tienen trabajo (criterio de onext) |
Elaboración de onext a partir de Arlotto e Irby (HFMA, 2020; actualizado en 2022).
Para el desarrollo de software elegimos el federado, y lo decimos como criterio propio con dos apoyos. El primero es el mismo artículo: los satélites son vitales porque están más centrados y son más ágiles que el núcleo. El segundo es Team Topologies, el marco de Matthew Skelton y Manuel Pais: un enabling team (equipo habilitador) ayuda a otro equipo a superar obstáculos y detecta las capacidades que le faltan. Es el papel del núcleo de la práctica: ayudar a los equipos, porque un grupo que aprueba cada uso de la IA pone una cola delante de equipos que entregan de forma continua.
Hay una diferencia con el modelo original. En Team Topologies, el equipo habilitador refuerza las capacidades de otro equipo y después sigue su camino. El núcleo de la práctica se queda, porque lo que cuida (la guía, el contexto compartido) cambia con cada herramienta nueva. Los referentes de cada equipo siguen la misma lógica que los champions de IA del Chief AI Officer: una persona por equipo que impulsa el cambio desde dentro.
Los límites: el artículo de HFMA trata de analítica de datos en organizaciones sanitarias, Team Topologies es un marco construido desde la práctica y DORA mide asociaciones en encuestas. Ninguna de las tres fuentes es un estudio controlado sobre centros de excelencia de IA en equipos de desarrollo.
Qué debe tener la práctica
Una persona responsable de la práctica, un referente en cada equipo y cuatro contenidos:
- Guía de buenas prácticas. Especificaciones, reglas del equipo y controles automáticos que se comprueban solos.
- Contexto compartido. Plantillas, reglas y asistentes comunes, para que el segundo equipo no empiece de cero.
- Uso seguro de la IA. Criterios sobre herramientas, datos, seguridad y licencias.
- Formación y acogida. Un itinerario para los equipos y un kit para quien se incorpora.
Cómo se mantiene viva
Una guía que nadie actualiza se queda atrás cuando cambian las herramientas. La práctica sigue un ciclo de cuatro pasos: un equipo propone una práctica; se prueba en su equipo; si funciona, pasa a la guía; y se comparte en la reunión mensual. Cada práctica llega a la guía después de funcionar en un equipo real.
Cada paso tiene su razón. Que lo proponga un equipo evita una guía escrita lejos del trabajo real. Que se pruebe en su equipo da evidencia antes de pedir nada a los demás. Que pase a la guía le da un único lugar donde vivir, en vez de repartirse por conversaciones. Y la reunión mensual es donde los equipos descubren lo que ya resolvió otro.
Cómo se mantiene viva
Con uno de nuestros clientes se hace una reunión mensual en la que los equipos comparten las buenas prácticas de desarrollo con IA que han adoptado. Es el último paso del ciclo: lo que un equipo ha probado llega a los demás.
Tres indicadores sencillos
Pocos indicadores, y los que ya se conocen. Los tres, en la línea de DORA:
- Equipos que trabajan con el método. Cuántos equipos siguen la guía y usan el contexto compartido.
- Tiempo de entrega. DORA lo define como el tiempo que tarda un cambio en pasar de confirmado en el control de versiones a desplegado en producción.
- Errores que llegan a producción. Su equivalente en DORA es la tasa de fallos de cambio: la proporción de despliegues que requieren intervención inmediata después de salir.
Ninguno lleva una cifra prometida de antemano. Se miden al empezar y otra vez con cada equipo que se suma, y la lectura es la evolución de cada equipo frente a su propio punto de partida. Los tres caben en una hoja y se pueden leer en la reunión mensual, junto a lo que cada equipo ha probado.
Una práctica que no se termina
Un cambio así solo se sostiene si llega también a quien entra después. Si cada persona nueva aprende a trabajar con IA por su cuenta, en un año el departamento vuelve a trabajar cada uno a su manera. Por eso la práctica incluye la formación y la documentación de acogida, no solo las sesiones con los equipos de hoy.
Pero hay algo más importante: la transformación del departamento de IT no termina nunca, porque los modelos, las herramientas y la forma de trabajar siguen cambiando cada pocos meses. La práctica es la herramienta para pilotar ese cambio de forma continua, desde dentro. Nuestro objetivo es ayudar a la empresa a construir esa capacidad de adaptarse y de mejorar de forma continua: acompañar donde haga falta y poner las manos donde haga falta.
Preguntas frecuentes
¿Qué es un centro de excelencia de IA en desarrollo?
Es un grupo pequeño que cuida cómo trabajan con IA todos los equipos de desarrollo de una empresa: la guía de buenas prácticas, el contexto compartido, el uso seguro y la formación. Su trabajo es ayudar a los equipos a trabajar mejor.
¿Qué diferencia hay entre un modelo centralizado, distribuido y federado?
En el centralizado, un grupo central gestiona recursos, herramientas y métodos. En el distribuido, cada equipo decide los suyos. En el federado, un núcleo pequeño fija lo común y cada equipo tiene un referente que lo lleva a su día a día.
¿Qué es un enabling team?
Es uno de los cuatro tipos de equipo de Team Topologies, de Matthew Skelton y Manuel Pais: ayuda a otro equipo a superar obstáculos y detecta las capacidades que le faltan.
¿Quién forma parte de la práctica?
Una persona responsable y un referente en cada equipo. Son personas de la propia empresa, con una guía de buenas prácticas, un contexto compartido, criterios de uso seguro y un itinerario de formación.
¿Cómo se sabe si la práctica funciona?
Con tres indicadores: cuántos equipos trabajan con el método, el tiempo de entrega y los errores que llegan a producción. Se miden al empezar y de nuevo con cada equipo que se suma, sin cifras prometidas de antemano.
¿Cómo se mantiene al día la práctica?
Con un ciclo de cuatro pasos: un equipo propone una práctica, la prueba en su equipo, si funciona pasa a la guía y se comparte en la reunión mensual de los equipos.
Fuentes
- Matthew Skelton y Manuel Pais, «Key concepts», Team Topologies (apartado sobre equipos habilitadores); sin fecha de publicación visible, consultada el 17 de noviembre de 2026.
- Pam Arlotto y Susan Irby, «Why healthcare organizations should consider implementing a data analytics center of excellence», HFMA, 29 de octubre de 2020, actualizado el 7 de noviembre de 2022.
- Nathen Harvey y Derek DeBellis, «Announcing the 2025 DORA report: State of AI-assisted Software Development», Google Cloud, 23 de septiembre de 2025.
- DORA, «DORA’s software delivery performance metrics», última actualización el 5 de enero de 2026.

Bernat López es fundador y CEO de onext, boutique de IA. Acompaña a equipos de desarrollo y de producto a trabajar con IA con método —especificación antes de programar, controles automáticos y Spec-Driven Development— y aplica a su propia empresa lo que propone: onext funciona con su propio sistema agéntico.
LinkedIn →