Dave Killeen, Field CPO en Pendo, escribió hace poco que tenía 149 ideas fuertes en su backlog de producto. Construyó un sistema de kanban con automatización orientada a agentes solo para manejarlas.

Ese número no sorprende. Si lideras un equipo de tecnología hoy, tu backlog probablemente se ve parecido. Quizás no son 149, pero son más de las que tu equipo puede evaluar con rigor en un trimestre. Y la lista sigue creciendo.

El problema no es generar ideas. La IA resolvió eso. El problema es decidir cuáles merecen convicción — la clase de convicción que justifica mover ingenieros de otro proyecto, gastar presupuesto real y entregar algo a los clientes.

La carga cognitiva que nadie advirtió

Cuando construir era caro, el costo de construir filtraba las ideas de forma natural. Una funcionalidad que tomaba seis semanas tenía que justificarse antes de que alguien escribiera la primera línea de código. La economía hacía el filtro por ti.

Ahora que el ciclo de desarrollo se derrumbó, construir es rápido y barato. Un agente puede prototipar una idea en una tarde. Lo cual suena genial hasta que te das cuenta de lo que significa: cada idea a medio formar ahora se siente viable. El filtro que el costo te daba desapareció.

¿Qué lo reemplaza? El criterio. Y el criterio no escala de la misma forma que la construcción.

Un CTO describió la situación como “ahogarse en luces verdes”. Todas las iniciativas en el tablero tienen un prototipo funcional. Todos los prototipos se ven prometedores. Los dashboards muestran progreso en todos los frentes. Pero progreso en todos los frentes no es lo mismo que progreso hacia algo que importa.

Esto no es un problema de productividad que se resuelve con mejor gestión de proyectos. Es un problema de criterio. Tu equipo ahora genera ideas con IA mucho más rápido de lo que puede evaluarlas con rigor.

La ventaja del cazador de trufas

Killeen usa una analogía que se queda: en la era de la IA, todos somos chefs de nuestro propio restaurante con estrella Michelin. La IA es el personal de cocina. Diseñamos el menú, conseguimos los ingredientes y nos llevamos el crédito.

Pero lleva la analogía más lejos — y esta es la parte que vale la pena. Dice que se ha convertido menos en un chef y más en un forager. Alguien que sale al bosque a buscar trufas activamente. Sus agentes recorren GitHub desde primeros principios: ¿qué se está construyendo realmente ahora mismo, por gente trabajando en la frontera?

Cualquiera puede encontrar trufas. Un buen agente de búsqueda te trae docenas. Pero solo alguien con experiencia real y gusto genuino puede traerlas de vuelta a la cocina y hacer que el plato cante.

Esa distinción importa para líderes tecnológicos B2B:

Más ideas	Mejor criterio
50 casos de uso de IA identificados en un brainstorm	3-5 que sobreviven una prueba rigurosa de “¿pagaría un cliente por esto?”
Prototipos para cada departamento	Un shortlist priorizado por necesidad real del usuario y viabilidad técnica
Un backlog que crece cada semana	Un backlog que se achica cuando los items sin convicción se descartan
Métricas amplias de adopción de IA	Apuestas concentradas que se acumulan

El valor de una evaluación de estrategia de IA no es producir una lista de 30 casos de uso. Es ayudar a un equipo directivo a salir de la sala con 3 a 5 que tienen convicción genuina de ejecutar — y la claridad para decir no a los otros 25.

Un documento vivo en vez de un roadmap

Una de las ideas más prácticas en el artículo de Killeen es lo que llama un Truths Markdown File — un archivo de verdades. Es un documento vivo organizado en tres columnas: lo que creo que es verdad hoy, lo que espero que sea verdad en seis meses, y en lo que estoy apostando a doce meses. Su IA tiene acceso a este archivo cada vez que trabajan juntos, anclando cada conversación en una visión de mundo coherente en vez de especulación suelta.

Suena simple. Pero compáralo con cómo planifican la mayoría de los equipos de tecnología.

Un roadmap tradicional se construye durante la planificación anual. Refleja lo que el equipo creía en octubre. Para marzo, los supuestos debajo cambiaron — las capacidades de los modelos avanzaron, un competidor lanzó algo inesperado, una integración clave se volvió posible o imposible — pero el roadmap sigue congelado. El presupuesto está asignado contra supuestos de octubre. Las prioridades reflejan la convicción de octubre.

El archivo de verdades funciona diferente. Está diseñado para actualizarse mensualmente. Cuando un supuesto cambia, cambias el archivo. El roadmap se mantiene honesto porque el documento debajo se mantiene vigente.

El siguiente punto de Killeen es clave: necesitas reconciliar dos tipos de verdades. Las verdades técnicas — hacia dónde van los modelos, la infraestructura y la capacidad de los agentes. Y las verdades de cliente — qué necesitan realmente tus usuarios y con qué luchan ahora mismo. La intersección de ambas es donde vive la convicción real.

Un ejemplo concreto. Hace ocho meses, hacer fine-tuning de un modelo era una opción razonable para la mayoría de proyectos enterprise de IA que necesitaban comportamiento específico de dominio. Hoy, la ingeniería de contexto a menudo reemplaza al fine-tuning a una fracción del costo. Un roadmap estático del Q3 2025 todavía tendría presupuesto asignado a fine-tuning. Un documento de supuestos vivo habría señalado el cambio en diciembre y redirigido la inversión.

De proceso a convicción

El ciclo de vida de desarrollo de producto tradicional asumía que las decisiones necesitaban comités, cadenas de aprobación y puertas secuenciales. Descubrimiento alimenta definición, definición alimenta desarrollo, desarrollo alimenta medición — y en cada etapa, el progreso se frena por ciclos de reuniones y la fricción de mover un insight de una parte de la organización a otra.

Ese modelo tenía sentido cuando construir tomaba meses y cambiar de dirección era caro. Hoy no.

Ya escribí sobre lo que le pasó al SDLC. Este post trata sobre lo que llena el vacío. No otro proceso — un loop de criterio.

Killeen lo llama el Conviction Cycle — el Ciclo de Convicción. Todavía está evaluando el nombre, admite. Pero el concepto es claro: es cómo orquestas tu pensamiento, generas ideas, miras hacia adelante, reduces riesgo y amplificas tus apuestas. Lo compara con el rol de un director de orquesta — alguien que no toca todos los instrumentos pero sostiene la visión, siente el tempo y trae la capacidad correcta en el momento preciso.

En la práctica, el Ciclo de Convicción son tres pasos que se repiten de forma continua:

1. Escribe tus supuestos como afirmaciones comprobables. No documentos de estrategia. Afirmaciones cortas y específicas: “La ingeniería de contexto va a reemplazar ~60% de nuestros casos de fine-tuning en 6 meses.” “Nuestro segmento de clientes más grande va a pedir workflows basados en agentes para Q4.” Escríbelos. Que sean falsificables.

2. Ponlos a prueba contra señales reales. Corre un experimento pequeño. Habla con cinco clientes. Revisa qué se está construyendo en GitHub. Los agentes de Killeen hacen esto por él — recorren repos de código abierto para responder “¿hacia dónde va la pelota?” El punto no es validar todo. Es matar las ideas que no sobreviven el contacto con la realidad.

3. Comprométete o descarta. Esta es la parte difícil. Si la prueba respalda tu supuesto, invierte con convicción real — presupuesto, gente, atención. Si no, descarta la idea sin culpa. La disciplina para soltar una idea que suena plausible pero falló su prueba de estrés es lo que separa a los equipos que entregan de los que se mantienen ocupados.

La curva de costos para la que nadie está listo

La afirmación más provocativa de Killeen: cuando la orquestación de agentes para código alcance confianza y eficiencia reales, los equipos pequeños nativos de IA no solo van a competir con organizaciones grandes. Los van a dejar fuera del mercado por precio.

Tiene experiencia directa con este patrón. Cuando el Daily Mail lanzó MailOnline, el periódico generaba alrededor de £2 millones de ingresos por día. Había nerviosismo genuino a nivel de directorio sobre la autocanibalización. Lo que siguió ahora es obvio en retrospectiva: la era del periodismo bien financiado y de alto presupuesto se estaba terminando silenciosamente. La disrupción no se anunció. Simplemente hizo que el modelo de costos anterior fuera insostenible.

La misma dinámica viene para el software. Las organizaciones grandes cargan una infraestructura de costos enorme — nómina, bienes raíces, herramientas legacy, complejidad organizacional. Un equipo pequeño con ingeniería de contexto sólida y nada de ese overhead puede entregar valor equivalente a una fracción del precio.

En 25 años construyendo software empresarial, he visto este patrón repetirse — mainframes a cliente-servidor, cliente-servidor a web, on-premise a nube. Cada ola premió a los equipos que construyeron convicción sobre dónde invertir antes de que el mercado les forzara la mano. Lo que es diferente ahora es la velocidad. La ventana entre “esta es una tendencia interesante” y “esta es la realidad competitiva” se comprimió de años a meses.

La pregunta no es si esto pasa. Es si estás construyendo convicción ahora o esperando hasta que la curva de costos tome la decisión por ti.

Tres cosas que puedes hacer este mes

Escribe tus supuestos. Crea un documento simple con tres columnas: lo que crees hoy, lo que esperas en seis meses, en lo que estás apostando a doce meses. Revísalo mensualmente con tu equipo de liderazgo tecnológico. Killeen atribuye a esta práctica — su Truths Markdown File — como una de las cosas de mayor impacto que hace con IA. Cada conversación parte de una visión de mundo coherente en vez de empezar de cero.

Audita tu backlog de IA por nivel de convicción. Si tienes más de 10 iniciativas de IA en marcha o planeadas, fuerza un ranking. Aplica el filtro 10x: si la siguiente generación de modelos es 10 veces mejor, ¿esta iniciativa sigue importando? Las inversiones en datos limpios, integraciones sólidas y arquitectura agnóstica de modelo sobreviven esa prueba. Las inversiones que compensan limitaciones actuales del modelo no. Mata el tercio inferior de tu lista.

Asigna un explorador. Una persona — o un workflow con agentes — cuyo trabajo es detectar qué se está construyendo en la frontera. Repos de código abierto, nuevas capacidades de modelos, movimientos de competidores. No un equipo de investigación que produce informes trimestrales. Un solo canal con criterio editorial aplicado, entregando las 3 señales más relevantes cada semana. El explorador que además es experto en el dominio — esa es la nueva ventaja que describe Killeen.

---

Si tu backlog de IA tiene más ideas que convicción, ese es el gap que cerramos. En IQ Source hacemos un sprint de estrategia de IA enfocado — dos sesiones, una semana — donde tu equipo directivo escribe supuestos comprobables, prioriza las apuestas actuales de IA por durabilidad y alineamiento, y sale con un shortlist filtrado en el que realmente creen.

Agendar sprint de estrategia IA