1. Del vibe coding al agentic engineering
2. Ingeniería de contexto para la gestión de proyectos
3. ADEs y skills: la evolución de las herramientas de desarrollo
4. Sentinel: agentes para observar, corregir, revisar y auditar
5. QA & IAssistance: testing con lenguaje natural
6. Agent Commerce: los agentes como nuevo canal comercial
7. Conclusión
El pasado 12 de junio celebramos en O2O un workshop interno dedicado a compartir algunas de nuestras líneas de trabajo alrededor de la inteligencia artificial aplicada a todo el ciclo de vida en el desarrollo.
La sesión tuvo un objetivo muy concreto: bajar la IA del discurso general a casos de uso reales. No hablamos solo de modelos, prompts o herramientas aisladas, sino de cómo estamos integrando agentes, contexto y automatización en nuestro dia a dia.
A lo largo del workshop compartimos seis iniciativas que nacen en áreas distintas pero que tienen un punto en común: la IA aporta valor cuando se incorpora con método, contexto y criterios claros de validación.
Del vibe coding al agentic engineering
Empezamos con una pregunta clave para cualquier equipo de desarrollo: si la IA ya puede generar código cada vez más rápido, ¿cómo sabemos que ese código es correcto?
La respuesta no pasa por delegar más, sino por trabajar mejor. El salto que estamos explorando va desde el llamado vibe coding, entendido como generar código y aceptarlo sin suficiente verificación, hacia una práctica más profesional de agentic engineering. En este enfoque, el objetivo no es que el modelo escriba más código, sino que el equipo construya un sistema de trabajo que permita generar y validar cambios de forma gobernable.
Para conseguirlo, ponemos el foco en tres elementos fundamentales:
- Instrucciones permanentes como CLAUDE.md o AGENTS.md, que actúan como contrato de trabajo para el agente.
- Skills o reglas especializadas que capturan conocimiento reutilizable del proyecto.
- Bucles de verificación con tests, hooks y quality gates que permiten que la IA pueda comprobar el resultado de su propio trabajo.
También conectamos esta práctica con marcos como Structured-Prompt-Driven Development (SPDD), que tratan los prompts y las instrucciones como artefactos de primer nivel versionables y reutilizables.
La idea de fondo es clara: el valor no está solo en el modelo, sino en el arnés que el equipo construye alrededor de él.
Autor: Eric Walter Aldas. Arquitectura
Ingeniería de contexto para la gestión de proyectos
A continuación, llevamos esa misma idea al terreno de la gestión. En cualquier proyecto digital acumulamos una gran cantidad de conocimiento disperso entre documentos, reuniones, mensajes, cambios de alcance, incidencias o acuerdos informales. Si ese conocimiento no se estructura, se degrada con el tiempo y acaba dependiendo demasiado de la memoria de las personas.
Por eso trabajamos la ingeniería de contexto aplicada a la gestión de proyectos: una estructura viva que ayude a los agentes de IA a entender de qué trata un proyecto, qué decisiones se han tomado, por qué se han tomado y cómo se relacionan los distintos frentes de trabajo.
El enfoque se apoya en tres momentos:
- Descubrimiento, para recopilar y ordenar la información inicial.
- Planificación, para transformar ese conocimiento en planes y tareas accionables.
- Ejecución y preservación, para mantener vivo el contexto a medida que el proyecto cambia.
Aquí el contexto no es documentación estática sino que es una forma de preservar el porqué de las decisiones y de hacer que el conocimiento siga disponible cuando cambian las personas, las prioridades o las condiciones del proyecto. También exploramos el uso de grafos para conectar información dispersa y permitir que un agente razone sobre dependencias entre decisiones, tareas, bugs o traspasos de conocimiento.
La IA no toma decisiones por el equipo. Nos ayuda a ver mejor el mapa antes de decidir.
Autor: Jesmir Baloa. PM
ADEs y skills: la evolución de las herramientas de desarrollo
El siguiente paso es mirar cómo están cambiando las herramientas con las que trabajamos. Los Agentic Development Environments (ADEs) ya no están pensados solo para que una persona escriba código, sino para que agentes de IA puedan comprender objetivos, planificar tareas y colaborar con desarrolladores humanos.
La diferencia con un IDE tradicional es importante. Mientras el IDE se organiza alrededor del código y de la experiencia del desarrollador, el ADE se organiza alrededor del trabajo del agente: qué necesita saber, qué herramientas puede usar, qué tareas puede ejecutar y cuales son los límites que debe respetar.
En ese contexto, las skills se convierten en una pieza esencial. Una skill es un manual de instrucciones estructurado que enseña al agente a realizar una tarea específica: auditar seguridad en un proyecto, generar mensajes de commit siguiendo nuestro estándar, crear tests, etc.
Su valor está en tres capacidades:
- Automatizar instrucciones que antes teníamos que repetir manualmente.
- Estandarizar la forma de trabajar entre personas, proyectos y equipos.
- Optimizar el contexto, cargando solo el conocimiento necesario para cada tarea.
Autor: Nino Ruano. Android.
Sentinel: agentes para observar, corregir, revisar y auditar
Con nuestra herramienta Sentinel estamos construyendo un sistema de automatización inteligente que integre varios agentes especializados para apoyar en tareas de desarrollo.
El ecosistema se organiza alrededor de cuatro agentes:
- Observador: analiza logs, categoriza errores y detecta incidencias relevantes.
- Developer: investiga una incidencia y propone parches o soluciones técnicas.
- Revisor: revisa cambios y aporta comentarios sobre merge requests.
- Auditor: analiza repositorios en busca de riesgos de seguridad y calidad.
No buscamos reemplazar el criterio técnico, sino reducir trabajo mecánico y acelerar el diagnóstico. Para ello, Sentinel trabaja con sesiones estructuradas, herramientas controladas y guardarraíles de seguridad. La validación humana sigue siendo una parte central del proceso, especialmente antes de llevar los cambios a producción.
Y aquí es donde una vez más el contexto marca la diferencia. Cuanto mejor entiende el agente la arquitectura, los patrones y las restricciones del proyecto, más precisas son sus recomendaciones y menor es el coste de exploración.
Autor: Pablo Lozano. Backend
QA & IAssistance: testing con lenguaje natural
Por parte de nuestro equipo de QA está trabajando en el desarrollo de dos iniciativas complementarias para reducir fricción tanto en las pruebas como en el acceso a la información del proyecto.
La primera es AI-thana, una forma de conectar asistentes de IA con dispositivos móviles reales a través de Appium y MCPs. El objetivo es que un QA pueda describir una prueba en lenguaje natural, por ejemplo probar un login en un entorno concreto y que la IA sea capaz de preparar la sesión, interactuar con la aplicación, capturar evidencias y avanzar hacia flujos reproducibles.
Uno de los retos técnicos está en convertir interfaces móviles complejas en representaciones compactas y comprensibles para el modelo. Frente a estructuras enormes y poco manejables, trabajamos con snapshots de pantalla más ligeros, numerados y accionables. Así el modelo no necesita interpretar todo el XML de una aplicación móvil, sino una versión más clara y orientada a la acción.
La segunda iniciativa es Alexandr-IA, centrada en la consulta de documentación y generación de entregables para QA. La idea es poder cruzar información procedente de documentación técnica, tareas, archivos adjuntos, capturas o diseños de Figma, y convertirla en respuestas trazables o artefactos como checklists, casos de prueba o informes descargables.
Ambas líneas apuntan a un mismo cambio: pasar de «dónde está la información y cómo automatizo esto» a «qué necesito probar y con qué evidencias». La IA actúa como una capa de asistencia que conecta contexto, acción y documentación.
Autores: Javier Corroto & Pablo Nieto. QA
Agent Commerce: los agentes como nuevo canal comercial
También estamos explorando cómo los agentes de IA pueden convertirse en un nuevo canal comercial. Cada vez más usuarios descubren productos, planifican viajes, comparan opciones o inician procesos de compra desde asistentes conversacionales. Para las marcas, esto abre una pregunta estratégica: ¿cómo estar presentes en esos canales sin construir una solución aislada para cada asistente, modelo o proveedor?
Nuestra propuesta para este escenario es Agent Commerce: una plataforma que encapsula la lógica de negocio del cliente y la expone de forma agnóstica a distintos canales. En lugar de crear un chatbot específico por cliente, planteamos un núcleo reutilizable con reglas de negocio, integraciones y adaptadores para diferentes protocolos o interfaces.
En el escenario actual, donde el pago completamente delegado por agentes todavía requiere madurez regulatoria, trabajamos con una aproximación intermedia: el agente ayuda al usuario a componer la decisión para que en el momento de compra se genere una salida hacia la web o la aplicación del cliente con el contexto precargado. Así reducimos fricción sin sustituir los sistemas de checkout existentes.
Este enfoque nos permitirá preparar la arquitectura para futuros modelos de comercio agéntico, manteniendo una separación clara entre canales, lógica de negocio e integraciones.
Autor: Luis Della Chiesa. Data
Conclusión
El workshop nos deja tres reflexiones importantes:
- Necesitamos una forma común de trabajar con IA. No basta con que cada persona pruebe herramientas por separado; tenemos que convertir lo que funciona en prácticas compartidas, reutilizables y verificables.
- Si parte del trabajo de codificación, prueba, revisión o documentación pasa a estar asistido por agentes, el valor de los equipos se desplaza hacia definir bien los problemas y tomar decisiones técnicas con criterio.
- Muchas de estas iniciativas no son solo mejoras internas sino que también pueden convertirse en propuestas de valor para clientes que están viviendo la misma transformación.
Este workshop es una foto de un momento concreto, pero también el inicio de una conversación que seguirá evolucionando. En O2O seguimos explorando cómo aplicar IA de forma práctica, responsable y orientada a resultados: no como una capa de moda, sino como una nueva manera de construir productos digitales.
