15 de octubre de 2026Actualizado el Fathy Shalaby12 min de lectura
La IA creó una nueva carga de trabajo de producto: cómo se la reparten PM e ingenieros
La IA no eliminó el trabajo de producto; movió el cuello de botella al criterio, la revisión y la responsabilidad. Aquí van los datos, un contrato PM–ingeniería de tres carriles y una comprobación de la capacidad de revisión.
La IA no eliminó el trabajo de producto; lo movió. Producir borradores, prototipos y código se volvió barato, mientras que decidir qué merece atención, revisar lo producido y responder de lo que llega a los usuarios se volvió más caro. Esa es la nueva carga de trabajo de producto con IA. Los equipos con alta adopción de IA fusionan un 98 % más de pull requests, pero el tiempo de revisión sube un 91 %. La solución es un contrato claro sobre quién prepara, quién decide y quién es responsable de producción.
Ideas clave
Entre más de 10.000 desarrolladores, los equipos con alta adopción de IA completaron un 21 % más de tareas y fusionaron un 98 % más de PR, pero el tiempo de revisión de los PR subió un 91 % y su tamaño un 154 %, sin mejora medible a nivel de empresa (Faros AI, 2025).
La investigación de DORA de 2025 halló que la IA ahora aumenta el rendimiento de la entrega pero sigue reduciendo la estabilidad, porque un mayor volumen de cambios desborda los controles débiles.
El 27 % del trabajo asistido por IA en Anthropic eran tareas que de otro modo no se habrían hecho. Crear es más barato, así que hay más que evaluar.
La cuota de PM en la contratación tecnológica pasó del 16 % en 2021 al 21 % en 2026, mientras que la contratación de ingenieros de software en EE. UU. cayó a menos de la mitad de su máximo de 2022.
Divide el trabajo en tres carriles: automatizar la preparación del PM, mantener humano el criterio de producto y compartir con ingeniería la responsabilidad de producción.
¿Qué nueva carga de trabajo ha creado la IA para los equipos de producto?
La nueva carga es la evaluación. Cuando crear es barato, un equipo puede producir más trabajo candidato del que puede juzgar. La medición más clara viene del estudio de telemetría de Faros AI de 2025 sobre más de 10.000 desarrolladores en 1.255 equipos (Faros AI, 2025). En los equipos con alta adopción de IA:
los desarrolladores completaron un 21 % más de tareas y fusionaron un 98 % más de pull requests.
el tamaño medio de los PR creció un 154 %.
el tiempo de revisión de los PR creció un 91 %, que Faros identifica como el principal cuello de botella.
los bugs por desarrollador subieron un 9 %.
la entrega a nivel de empresa no mostró una mejora significativa.
El programa DORA de Google halló el mismo patrón a nivel de sistema. Su informe de 2025, basado en casi 5.000 profesionales de tecnología, halló que la adopción de IA está ahora relacionada positivamente con el rendimiento de la entrega, invirtiendo el resultado de 2024, pero sigue relacionada negativamente con la estabilidad. Los autores lo atribuyen a que un mayor volumen de cambios desborda controles débiles como las pruebas automatizadas y los bucles de retroalimentación ().
También crea trabajo completamente nuevo. El estudio de Anthropic sobre su propio personal halló que el 27 % del trabajo asistido por IA eran tareas que no se habrían hecho sin IA (Anthropic, 2025). Parte de eso es valioso. De todo ello, alguien tiene que decidir si debe existir.
Adónde se movió el trabajo
Actividad
Antes de las herramientas de código con IA
Con herramientas de código con IA
Escribir un primer borrador (spec, código, prototipo)
Lento, escaso
Rápido, abundante
Elegir qué borrador seguir
Implícito, porque había pocos
Decisión explícita y frecuente
Revisar cambios
Proporcional al tamaño del equipo
Crece más rápido que el equipo
Mantener estable la producción
Tamaños de cambio habituales
Cambios más grandes y frecuentes
Conectar el trabajo con evidencia de clientes
A menudo se omitía
Se omite a un coste mayor
Aprender de lo que se lanzó
Mensual, como mucho
Necesario cada semana para seguir el ritmo
¿Quién absorbe la nueva carga de trabajo de producto?
Cada rol asume una parte distinta.
Rol
Nuevo trabajo que creó la IA
Qué dejar de hacer
Product manager
Elegir entre muchos borradores y prototipos; escribir briefs que los agentes puedan seguir; comprobar que lo lanzado coincide con la decisión
Escribir a mano informes de estado y primeros borradores de specs
Ingeniero
Revisar cambios más grandes y frecuentes; proteger la arquitectura, la seguridad y la fiabilidad; mantener el contexto de los agentes
Teclear código repetitivo
Engineering manager
Dimensionar la capacidad de revisión; mantener lotes pequeños; fijar la política de uso de IA
Contar líneas, commits o sugerencias aceptadas
Fundador o head of product
Decir que no más a menudo, porque el sí ahora es barato
Tratar la velocidad de una demo como evidencia
Los datos de contratación reflejan este cambio. Los datos de TrueUp y Live Data Technologies analizados por Lenny Rachitsky muestran que product management fue el único rol central cuya cuota de contratación creció, del 16 % en 2021 al 21 % a finales de 2026, mientras que las empresas de EE. UU. contrataron a unos 113.000 ingenieros de software en el año hasta abril de 2026, frente a 239.000 en el máximo de 2022 (Lenny's Newsletter, 2026). Menos ingenieros por PM significa que cada PM está más cerca de más producción. Nuestro artículo sobre la proporción PM–ingenieros en la era de la IA examina qué le hace eso al puesto.
¿Qué es el contrato PM–ingeniería de tres carriles?
Un contrato hace explícito el reparto antes de empezar a trabajar, para que nadie descubra el hueco en producción.
Carril 1: automatizar el trabajo mecánico del PM
Usa la IA donde existe la entrada, la transformación se repite y una persona puede inspeccionar la salida. Buenos candidatos:
Agrupar y eliminar duplicados del feedback
Extraer temas de llamadas y conversaciones de soporte
Un primer resumen de investigación con enlaces a las fuentes
Un borrador de brief a partir de evidencia aprobada
Tickets candidatos a partir de un brief revisado
Notas de versión, actualizaciones para stakeholders y entradas del registro de decisiones
Comprobar que un entregable contiene su evidencia y sus criterios de aceptación
El estándar no es «lo hizo la IA». El estándar es que el resultado sea más fácil de revisar que hacer el trabajo desde cero. La lista completa de tareas está en qué deberían automatizar con IA los product managers.
Carril 2: mantener humano el criterio de producto
El PM sigue siendo responsable de qué problema merece atención, de quién es ese problema, de qué evidencia es lo bastante sólida, de qué compromiso asume el equipo, de lo que predice la hipótesis, de lo que contará como aprendizaje y de lo que no debe construirse. La IA puede cuestionar un planteamiento y encontrar evidencia que falta. No debería convertir en silencio un patrón plausible en un compromiso de roadmap. Las enumeramos en lo que los product managers nunca deberían delegar en la IA.
Carril 3: compartir el contrato de producción con ingeniería
PM e ingeniería acuerdan juntos:
Arquitectura y límites del sistema
Seguridad, privacidad y retención de datos
Fiabilidad, rendimiento y coste operativo
Evaluación y comportamiento de respaldo de las funcionalidades de IA
Permisos y acciones irreversibles
Despliegue, observabilidad y marcha atrás
El PM aporta el usuario, el problema, la evidencia y el resultado buscado. Ingeniería aporta las restricciones del sistema, los modos de fallo y el coste de mantener cierta la promesa en producción. La descripción de Martin Fowler en 2026 de la ingeniería agéntica lo dice claro: los humanos siguen siendo responsables de lo que hace el software, y entender el dominio del problema importa más, no menos (Fowler, 2026).
Carril
El PM es responsable de
Ingeniería es responsable de
Entregable compartido
1. Automatizar la preparación
Reglas, revisión de excepciones
Herramientas y acceso a datos
Borradores con enlaces a fuentes
2. Criterio de producto
Problema, evidencia, compromiso, resultado
Aportación sobre viabilidad
Registro de decisión
3. Contrato de producción
Impacto en el usuario, criterios de aceptación
Arquitectura, seguridad, fiabilidad
Brief con salvaguardas y plan de marcha atrás
¿Deberían los product managers convertirse en builders?
Sí, si «PM builder» significa un PM que construye lo suficiente para mejorar una decisión de producto. No, si significa un PM que es responsable de sistemas de producción sin las habilidades de ingeniería, la revisión y la rendición de cuentas para operarlos con seguridad.
Un PM builder puede hacer tangible una interacción, destapar la ambigüedad de un requisito, probar un flujo con usuarios, explorar una pregunta con datos, crear un prototipo desechable y automatizar su propio trabajo de coordinación. Un PM builder no debería usar la IA para saltarse la revisión de arquitectura, lanzar cambios sensibles sin revisión de seguridad ni convertir por accidente un experimento en una promesa de producción.
Una definición de trabajo: un PM builder construye lo suficiente para mejorar la decisión, no para evitar tomarla. Nuestro artículo más largo sobre si los product managers deberían convertirse en builders trata las habilidades implicadas.
¿Cómo deben gestionar hoy los PM a ingenieros y builders de IA?
El trabajo del manager no es maximizar la producción generada. Es hacer el sistema lo bastante fiable para que esa producción circule con seguridad. Ocho reglas operativas:
Preferir lotes pequeños. Los cambios más pequeños son más fáciles de revisar, probar y revertir. DORA incluye trabajar en lotes pequeños entre las siete capacidades que amplifican los beneficios de la IA (Google Cloud, 2025).
Mantener los criterios de aceptación cerca de la evidencia. Los ingenieros deben ver por qué existe el trabajo, no solo lo que dice el ticket.
Exigir que los agentes muestren su trabajo. Archivos cambiados, pruebas ejecutadas, supuestos hechos y preguntas abiertas. Después, revisar frente al brief con una lista de aceptación del PM para cambios hechos por IA.
Tratar el código generado como una propuesta de cambio, no como una autoridad.
Revisar el comportamiento y la operación, no solo el diff. Pregunta qué experimenta el usuario y qué tendrá que soportar el equipo.
Mejorar el contexto disponible para las herramientas. El modelo de DORA nombra los datos internos accesibles para la IA y los ecosistemas de datos sanos como capacidades por derecho propio. Nuestra guía para dar contexto de producto a los agentes de código con IA muestra qué incluir.
Publicar una política de uso de IA. La primera capacidad de DORA es una postura clara y comunicada sobre la IA: qué herramientas se permiten, qué datos pueden ver y qué acciones requieren aprobación.
El modelo operativo importa más que la elección de herramienta. La encuesta de 2026 de Product Institute a 309 líderes de producto halló que el 47 % de las organizaciones con un modelo operativo maduro dice que la IA está reforzando su forma de trabajar, frente al 29 % de las que tienen uno inmaduro. Entre las organizaciones con un modelo débil, el 42 % dice que la IA está dejando al descubierto debilidades o empeorando las cosas (Product Institute, 2026).
¿Cómo compruebas si la capacidad de revisión da abasto?
Mide la cola, no la producción. Una comprobación semanal sencilla:
Cuenta los cambios abiertos esta semana y los cambios revisados.
Anota la mediana de horas desde que se abre un cambio hasta su primera revisión.
Anota el tamaño mediano de los cambios en líneas o archivos.
Si los abiertos superan a los revisados dos semanas seguidas, o si la mediana del tiempo de revisión se duplica, limita el trabajo en curso antes de añadir más tareas para agentes.
Ejemplo con números (ilustrativo)
Supongamos que un equipo de cinco ingenieros y un PM fusionaba 20 cambios por semana antes de las herramientas de código con IA, con una mediana de 150 líneas cada uno y la primera revisión en menos de cuatro horas. Seis semanas después de adoptar agentes, el equipo abre 40 cambios por semana con una mediana de 380 líneas. Las revisiones tardan ahora 11 horas en empezar, y hay 12 cambios esperando al final de cada semana.
El equipo fija un límite de tres cambios abiertos generados por agentes por ingeniero, pide a los agentes que dividan cualquier cambio de más de 200 líneas y hace que el PM compruebe cada cambio frente a los criterios de aceptación de su brief antes de la revisión de ingeniería. En tres semanas la cola baja a tres cambios y la primera revisión vuelve a cinco horas. La producción se estabiliza en unos 30 cambios fusionados por semana: menos que el pico, más que antes, y revisable. Tus números serán distintos; lo importante es el método.
Plantilla: revisión semanal de la carga de trabajo con IA
Copia esto en las notas de la reunión semanal de tu equipo.
Cambios abiertos / revisados / fusionados esta semana:
Mediana del tiempo hasta la primera revisión:
Tamaño mediano de los cambios:
Cambios generados por agentes aún abiertos:
Prototipos creados / pasados a la roadmap / retirados:
Trabajo generado sin vínculo con una decisión:
¿Dónde eliminó fricción la IA?
¿Dónde añadió carga de revisión u operativa?
¿Qué paramos, reducimos o revertimos?
La línea sobre el trabajo sin vincular es la más útil. Todo lo que se genera sin una decisión detrás es la nueva carga de trabajo en su forma más pura.
¿Cuáles son los errores comunes?
Celebrar la producción. Un aumento del 98 % en PR fusionados significa poco si el tiempo de revisión y los bugs también suben. Vigila el sistema, no al individuo.
Dejar la revisión a quien esté libre. La revisión es ahora la capacidad más escasa del equipo. Plánificala como cualquier otra capacidad.
Convertir al PM en ingeniero a tiempo parcial. Construir para aprender está bien. Lanzar a producción sin revisión de ingeniería traslada el riesgo, no lo elimina.
Ignorar la perspectiva de los desarrolladores. La encuesta de Atlassian de 2025 a 3.500 desarrolladores y managers halló que los desarrolladores dedican el 16 % de su tiempo a programar y que el 63 % dice que los líderes no entienden sus puntos de dolor (Atlassian, 2025). Pregunta a los ingenieros dónde está la nueva carga antes de decidir.
Planificar plantilla sin contar con agentes. El Work Trend Index 2025 de Microsoft propone una proporción humano-agente como métrica de planificación y halló que el 36 % de los líderes espera que gestionar agentes sea parte de su trabajo en cinco años (Microsoft, 2025). Alguien tiene que dirigir y revisar esos agentes; presupuesta su tiempo.
Dónde encaja Specky
Specky está construido en torno a este contrato. Lee llamadas con clientes, feedback, Slack, Jira y analítica en un Product Graph, de modo que un brief o un ticket lleva citas en línea a la evidencia que lo respalda. Su servidor MCP da a los agentes de código ese mismo contexto de producto, para que ingeniería empiece con el motivo y no solo con la petición. Tras el lanzamiento, Specky comprueba si la apuesta funcionó. El PM conserva el criterio; ingeniería conserva la producción; nadie pierde el hilo entre ambos.
Preguntas frecuentes
¿Deberían los PM aprender a construir con IA?
Sí, cuando construir les ayuda a probar una pregunta de producto, aclarar un requisito o quitarse trabajo mecánico repetido. Los prototipos son una forma rápida de mostrar a un usuario o a un ingeniero lo que quieres decir. Aun así, los PM deben implicar a ingeniería en la arquitectura de producción, la seguridad, la fiabilidad y la operación, porque el código generado que llega a los usuarios pasa a ser responsabilidad de ingeniería.
¿Cómo deben gestionar los PM a ingenieros que usan herramientas de código con IA?
Fija un contrato de decisión claro, mantén el trabajo en lotes pequeños, pide a los agentes que documenten supuestos y pruebas, define los límites de datos y permisos y mide resultados de producto y de entrega en lugar de volumen generado. Vigila cada semana el tiempo de revisión y el tamaño de los cambios; son las primeras señales de que la producción se está adelantando a la capacidad del equipo para comprobarla.
¿Por qué la IA aumentó nuestra carga de trabajo en lugar de reducirla?
Porque crear se abarató más rápido que evaluar. Faros AI halló que los equipos con mucha IA fusionaban un 98 % más de PR mientras el tiempo de revisión subía un 91 %. Anthropic halló que el 27 % del trabajo asistido por IA no se habría hecho de otro modo. Más borradores, prototipos y cambios necesitan que alguien decida si deben existir y si funcionan.
¿Cuál es el papel adecuado de un PM builder?
Un acelerador de decisiones. Un PM builder crea lo suficiente para aprender y alinear, con prototipos, exploración de datos y coordinación automatizada, y luego trabaja con ingeniería para convertir una dirección validada en software seguro y mantenible. La prueba es si construir mejoró una decisión, no si el PM lanzó código.
¿Reemplazará la IA a los product managers?
Los datos dicen que no. La cuota de PM en la contratación tecnológica ha crecido desde 2021, mientras la IA absorbe tareas como la síntesis, la documentación y los informes de estado. Elegir problemas, hacer concesiones y responder de los resultados sigue necesitando a una persona. Mira nuestro repaso de los datos de 2026 sobre si la IA puede reemplazar a los product managers.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing