Contexto técnico
He analizado con atención las conclusiones de DORA 2025 y me he quedado no con el típico revuelo sobre la IA, sino con una frase que da en el clavo: la IA funciona como un amplificador. Si un equipo ya está bien organizado, los procesos son estables y la plataforma es sólida, la IA añade velocidad y valor. Si internamente hay un caos, ese caos simplemente se acelera.
El informe se aleja de la antigua escala plana de 'élite' o 'low performer' y describe siete perfiles de equipos. En la práctica, lo más interesante ocurre en el contraste entre los Harmonious High-Achievers y equipos como los Legacy Bottleneck o en Survival Mode. A los primeros, la IA les aumenta el throughput, la eficiencia y la entrega de valor. A los segundos, les incrementa la productividad local, pero esas ventajas mueren luego en las fases de testing, lanzamientos, seguridad y aprobaciones manuales.
Sinceramente, esto se parece mucho a lo que veo en proyectos reales. Al desarrollador le dan copilots, LLMs, generación de código, pero luego el código se topa con un CI/CD antiguo, un equipo de plataforma débil, la falta de guardrails adecuados y eternos bloqueos entre departamentos. Al final, parece que se implementó la IA, pero el resultado para el negocio es casi nulo.
Las cifras también son reveladoras. DORA indica que cerca del 90% de las organizaciones ya tienen capacidades de platform engineering y el 76% cuenta con equipos de plataforma dedicados. Pero tener una plataforma no es una solución mágica. Lo que importa es su calidad: ¿puede realmente convertir una ganancia individual gracias a la IA en un resultado sistémico, en lugar de ser solo otra capa de burocracia sobre Kubernetes?
Otro punto importante: la IA eleva sobre todo la eficiencia individual. Es lógico. Una persona escribe, busca y elabora borradores de soluciones más rápido. Pero la fricción y el burnout no desaparecen por sí solos. A veces, la situación se vuelve aún más 'divertida' en el mal sentido: el equipo produce más cambios y la inestabilidad del sistema crece.
¿Qué cambia esto para el negocio y la automatización?
Para mí, la conclusión principal es muy pragmática: la adopción masiva de la inteligencia artificial no puede planificarse como una simple compra de licencias. Es un trabajo arquitectónico y organizativo. Si un equipo vive apagando incendios, una nueva herramienta de IA lo más probable es que solo añada más leña al fuego.
Ganan aquellos que ya cuentan con plataformas sólidas, responsabilidades claras, métricas de entrega medibles y procesos de cambio sensatos. Esos equipos pueden transformar rápidamente la IA en soluciones reales para el negocio: acelerar el desarrollo, el soporte, la analítica, los sistemas de conocimiento internos y los escenarios con agentes. En su caso, la IA no se queda a medio camino entre la demo y la producción.
Pierden las empresas que intentan construir una automatización con IA sobre una base operativa frágil. Lo he visto muchas veces: quieren crear un agente de IA para soporte o ventas, pero internamente no hay datos limpios, ni SLAs, ni un responsable del proceso, ni siquiera una lógica unificada para gestionar las solicitudes. Un agente en ese entorno no es un mago. Rápidamente saca a la luz todos los agujeros que antes estaban ocultos en el trabajo manual.
Por eso, yo leería DORA 2025 no como un informe sobre herramientas, sino como uno sobre la madurez de los sistemas. En resumen: primero sacamos al equipo del Survival Mode y luego escalamos la IA. A veces, el mejor primer paso en la arquitectura de IA no es un nuevo LLM, sino rediseñar un flujo de trabajo, tener una observability adecuada, una plataforma para experimentar de forma segura y una simplificación radical de las transiciones manuales entre funciones.
En Nahornyi AI Lab, es justo con esto con lo que trabajamos en la práctica. No nos limitamos a conectar un modelo a una interfaz, sino que analizamos dónde la IA realmente puede generar un impacto y dónde se necesita primero integrar la inteligencia artificial con datos, procesos y la plataforma, sin hacerse ilusiones. De lo contrario, se puede automatizar el caos a la perfección. Eso también ocurre. Solo que no sirve de mucho.
Este análisis fue realizado por mí, Vadim Nahornyi de Nahornyi AI Lab. Me dedico a la automatización con IA, agentes personalizados y la arquitectura de soluciones de IA en procesos de negocio reales, donde lo que importa no es el efecto 'wow', sino un resultado que funcione. Si quieres discutir tu caso, encargar una automatización con IA, crear un agente de IA o montar una automatización con n8n a medida, escríbeme y analizaremos tu proyecto de forma clara y directa.