¿Puede un proyecto de software que tradicionalmente demandaría varios meses construirse en apenas dos semanas? Ingenia e Iké Argentina aseguran haberlo conseguido con una nueva plataforma de reintegros para Vetify, el vertical de planes de salud y cuidado para mascotas de la compañía de asistencia.
El proyecto fue desarrollado bajo el modelo de Cyborg Engineering de Ingenia, que combina especialistas humanos con agentes de inteligencia artificial para acelerar diferentes tareas. Sin embargo, reducir el caso a “la IA construyó una plataforma en dos semanas” sería simplificar demasiado lo que ocurrió.
“Iké no arrancó de cero”, explicó Damián García, Head of Generative AI en Ingenia, en diálogo con ITSitio.
La compañía ya tenía buena parte de las piezas necesarias. Y allí aparece una de las principales claves para entender qué significa realmente desarrollar software a esta velocidad.
Dos semanas de desarrollo, sobre una base construida durante meses
Vetify ya contaba con su web para usuarios, identidad digital mediante Auth0, un core de siniestros, APIs de mascotas y prestadores y una plataforma en AWS conectada con el canal digital.
Además, el diseño y la arquitectura se habían trabajado previamente.
“Esa base, sumado al diseño y la arquitectura de los meses previos, fue lo que permitió encarar un MVP en unas dos semanas de trabajo intensivo con la célula Cyborg”, explicó García.
Por lo tanto, las dos semanas no representan el tiempo necesario para imaginar, diseñar, preparar infraestructura y construir todo desde cero. Corresponden al período intensivo en el que se desarrolló el producto de reintegros sobre una base tecnológica ya preparada.
Ingenia creó un microservicio con su propia base de datos, un módulo incorporado en la web existente y un nuevo backoffice operativo. Todo se conecta mediante APIs con los sistemas de Iké.
El MVP incluyó el circuito completo. El usuario puede registrar CBU o CVU, consultar su historial y solicitar un reintegro mediante tres pasos: informar el gasto, cargar documentación con extracción automática de datos y confirmar.
Del lado interno, Auditoría y Operaciones cuentan con bandejas para revisar los expedientes, tomar decisiones y registrar posteriormente el pago.
Qué hizo realmente la IA durante esas dos semanas
Uno de los puntos más interesantes del caso está en separar aquello que hicieron los agentes de IA de las decisiones que continuaron dependiendo de personas.
La solución utiliza React y Next.js en las interfaces, Java con Spring Boot en el microservicio, PostgreSQL, Redis, Auth0 y diferentes servicios de AWS. La inteligencia artificial se incorporó principalmente mediante Cursor, configurado previamente con reglas, skills y agentes para trabajar sobre el proyecto.
“A la IA le delegamos lo repetible y ya estandarizado: adaptadores de API y persistencia, contratos OpenAPI, tests unitarios, componentes de UI alineados al prototipo de Figma y tareas de backlog bien acotadas”, detalló García.
La diferencia está justamente en esa última parte: los agentes no recibieron una orden genérica de “crear una plataforma de reintegros”. Trabajaron sobre tareas delimitadas y dentro de reglas previamente establecidas.
“Funciona porque las convenciones de arquitectura, seguridad y API estaban definidas de antemano”, agregó.
En otras palabras, la inteligencia artificial permitió escribir y completar determinados bloques de software mucho más rápido, pero dentro de un marco decidido por desarrolladores y arquitectos.
Hubo además áreas donde el trabajo manual siguió siendo indispensable: la definición del MVP, las reglas del negocio, la seguridad de información sensible y las integraciones con sistemas empresariales cuya documentación no siempre reflejaba su comportamiento real.
“La IA acelera sobre especificaciones maduras; el criterio, la revisión y el ownership del código siguen siendo humanos”, resumió García.
El mayor cuello de botella no estuvo en la IA
La experiencia también mostró que, a medida que escribir código se vuelve más rápido, aparecen otros problemas que pasan a ocupar un lugar central.
“El cuello de botella estuvo en la integración con los sistemas del negocio, no en generar código con IA”, aseguró el ejecutivo.
Las APIs del core de Iké y del validador fiscal presentaban, en algunos casos, comportamientos distintos a los previstos en la documentación. Eso obligó a probar en entornos reales, comprender las excepciones y tomar decisiones rápidamente junto al equipo de la compañía.
“Fue fundamental la dedicación del equipo que entiende el dominio, prueba en entornos reales y toma definiciones del lado del cliente”, explicó García.
Una vez resueltos esos bloqueos, la inteligencia artificial podía volver a acelerar la construcción de adaptadores, interfaces, casos de uso y pruebas.
Lo más complejo terminó siendo el circuito de verificaciones automáticas que combina validaciones fiscales, cobertura y siniestralidad, además de contemplar correcciones, reintentos y reprocesamiento en segundo plano.
El aprendizaje es relevante para cualquier empresa que analice utilizar IA en desarrollo: la generación de código puede dejar de ser el proceso más lento. Las integraciones, las reglas particulares del negocio y el conocimiento acumulado de los sistemas existentes pasan a convertirse en factores decisivos.
De un trámite de 15 días a una gestión digital
La plataforma también modificó la operatoria de reintegros de Vetify. Hasta ahora, el proceso podía involucrar gestiones telefónicas, documentación y tareas manuales que extendían la ventana de atención.
Pero García hace una aclaración importante.
“El salto de quince días a resolución online no es que el dinero salga al instante sin revisión. Es que el asegurado deja atrás el trámite telefónico y la gestión en papel”, explicó.
Cuando el usuario confirma una solicitud, el backend registra la información, crea los expedientes correspondientes, almacena los comprobantes y pone en marcha verificaciones automáticas.
“Auditoría recibe el caso en bandeja con la información ya procesada; Operaciones registra el pago, que sigue ejecutándose fuera del sistema por transferencia bancaria”, detalló el vocero.
La mejora, por lo tanto, está en automatizar y digitalizar buena parte del recorrido previo. El equipo interno puede intervenir principalmente cuando existe una excepción o una decisión que requiere revisión.
Eso permite pensar en un modelo preparado para manejar un volumen elevado de transacciones de bajo monto sin aumentar proporcionalmente la carga operativa.
Seguridad y controles en un desarrollo acelerado
La velocidad también plantea una pregunta inevitable: ¿cómo evitar que acelerar la generación de código termine creando problemas de seguridad?
La plataforma utiliza Auth0 y tokens JWT para controlar la identidad y los permisos. Kong valida al usuario al ingresar y el microservicio vuelve a comprobar tanto la expiración como los roles.
Auditoría puede revisar, aprobar o rechazar expedientes; Operaciones accede únicamente a casos previamente aprobados; y cada titular solamente puede ver sus propias solicitudes.
A esto se sumaron validaciones de inputs, gestión de secretos mediante AWS Secrets Manager, tests unitarios y análisis estático dentro del pipeline de integración continua.
Además, “Iké ejecutó un penetration test sobre la solución desplegada”, señaló García.
El punto vuelve a repetirse: utilizar IA para acelerar determinadas tareas no eliminó las prácticas tradicionales de seguridad, revisión y control.
La velocidad también obligó a cambiar la forma de trabajar
El modelo necesitó algo más que herramientas. Iké tuvo que adaptar su dinámica interna para que una célula trabajando a gran velocidad no quedara frenada esperando respuestas.
Durante la denominada Cyborg Week hubo responsables disponibles para resolver accesos a APIs, credenciales, ambientes y comportamientos no documentados.
“Eso implicó menos reuniones de status por calendario y más checkpoints ligados a hitos concretos: el titular puede solicitar, Auditoría puede decidir, Operaciones puede registrar el pago”, explicó García.
La velocidad técnica, por lo tanto, necesitó una velocidad equivalente del lado organizacional.
“Hubo cocreación real: decisiones técnicas compartidas y flexibilidad para repriorizar cuando una integración se complicaba”, agregó.
¿La IA puede terminar con los desarrollos de cuatro meses?
El caso de Ingenia e Iké muestra que la pregunta tiene una respuesta menos espectacular, pero probablemente más interesante.
La IA puede reducir de manera significativa el tiempo necesario para escribir, probar y conectar determinadas partes de una solución. Pero no convierte automáticamente un proyecto de varios meses en uno de dos semanas.
Para alcanzar esa velocidad, Iké ya tenía infraestructura cloud, APIs, identidad digital, arquitectura y un modelo operativo definido. También necesitó personas capaces de resolver en horas problemas que, en un esquema tradicional, podrían demorar días.
Incluso la mantenibilidad fue contemplada desde el inicio mediante arquitectura hexagonal, contratos OpenAPI, convenciones de código, integración continua y documentación.
“La IA aceleró la escritura; la sostenibilidad viene de gobernanza”, sintetizó García.
Quizás allí esté el verdadero cambio que deja el proyecto: si la inteligencia artificial consigue que producir código sea cada vez más rápido, la ventaja competitiva ya no estará solamente en programar más. Estará en tener una arquitectura preparada, reglas claras y equipos capaces de decidir con la misma velocidad con la que ahora puede desarrollarse el software.
Compartir nota:
