Cinco Arquetipos que están rediseñando los Equipos de Software en la Era de la IA

Durante décadas, las empresas organizaron sus equipos de tecnología a partir de fronteras aparentemente claras. Ingeniería desarrollaba, Producto definía prioridades, Diseño se ocupaba de la experiencia y Ciencia de Datos transformaba datos en modelos y previsiones. Sin embargo, la Inteligencia Artificial está haciendo que estas divisiones sean cada vez más permeables. 

Hoy, un diseñador puede crear un prototipo funcional, un gerente de producto puede investigar una base de código y un desarrollador puede producir interfaces, analizar métricas y conversar directamente con clientes. Esto no significa que todos se hayan convertido en especialistas en todo. Significa que las herramientas están ampliando el alcance de cada profesional y trasladando parte del valor de la ejecución técnica hacia la capacidad de comprender problemas, tomar decisiones y orientar sistemas inteligentes. 

Fue en este contexto que Boris Cherny, creador y líder de Claude Code en Anthropic, publicó una reflexión sobre cómo Ingeniería, Producto, Diseño, Ciencia de Datos y otras áreas estarían fusionándose en una nueva categoría de trabajo. En lugar de proponer nuevos cargos, Cherny identificó cinco arquetipos que observa dentro de su propio equipo: prototipador, constructor, refinador, cultivador y mantenedor. 

Más que una discusión sobre títulos profesionales, su propuesta ayuda a responder una pregunta estratégica: ¿qué comportamientos necesita realmente un equipo para transformar una idea en un producto relevante, escalable y duradero? 

Por qué la opinión de Boris Cherny merece atención 

Cherny ocupa una posición privilegiada para observar la transformación del desarrollo de software. Se incorporó a Anthropic a finales de 2024 con la misión de experimentar con aplicaciones para modelos avanzados de IA. En aproximadamente un mes, creó un programa de terminal capaz de interactuar con la API de Claude para escribir y modificar código. La herramienta comenzó a utilizarse internamente y, poco después, se convirtió en Claude Code. 

Presentado públicamente en febrero de 2025, Claude Code nació como una herramienta de codificación agéntica mediante la cual los desarrolladores podían delegar tareas sustanciales de ingeniería directamente a un modelo de IA. Meses después, también comenzó a operar con integraciones en entornos de desarrollo, tareas en segundo plano y flujos de trabajo cada vez más autónomos. 

El propio flujo de trabajo de Cherny simboliza este cambio. En entrevistas, afirmó que había dejado de escribir código manualmente y había pasado a dirigir varias sesiones de agentes que implementan, prueban y modifican sistemas en paralelo. En lugar de actuar únicamente como autor de cada línea, se comporta como alguien que define objetivos, proporciona contexto, evalúa decisiones y coordina capacidades computacionales. 

Esto no convierte su visión en una predicción infalible. Pero sí la convierte en el testimonio de alguien que construye y utiliza a diario una de las herramientas que más están presionando los límites tradicionales de la ingeniería de software. 

Los cargos no desaparecen de una vez, son sus fronteras las que comienzan a desaparecer 

La principal provocación del tuit no está en los nombres elegidos para los cinco arquetipos. Está en la separación entre la función registrada en el organigrama y la contribución efectivamente ofrecida al producto. 

Un ingeniero puede actuar como prototipador en un proyecto y como mantenedor en otro. Un diseñador puede ser excelente refinando experiencias existentes, mientras que otro se destaca en la creación de conceptos inéditos. Gerentes de producto, científicos de datos y desarrolladores también pueden transitar entre dos o tres arquetipos. 

Por lo tanto, Cherny no sugiere que las empresas sustituyan los cargos convencionales por cinco cargos nuevos. La idea es que estos arquetipos describen inclinaciones, competencias y tipos de impacto que pueden existir en diferentes profesionales. Un mismo equipo puede tener varias personas desempeñando el mismo papel, mientras que una sola persona puede combinar distintos perfiles. 

Esta distinción es fundamental. Sin ella, la convergencia entre áreas podría interpretarse como una exigencia para que cada profesional sepa hacer absolutamente todo. En realidad, la IA amplía la capacidad de atravesar fronteras, pero no elimina la necesidad de experiencia, criterio y conocimiento profundo. 

El prototipador: transformar incertidumbres en algo que pueda probarse 

El prototipador se mueve por la exploración. Imagina posibilidades, combina tecnologías y crea rápidamente versiones iniciales de productos, funcionalidades o experiencias. Muchas de estas ideas nunca llegarán al mercado, y eso no es necesariamente un problema. 

Su contribución consiste en sustituir discusiones abstractas por algo que pueda verse, utilizarse y criticarse. En un entorno en el que los agentes de IA pueden generar interfaces, integraciones y aplicaciones funcionales en poco tiempo, experimentar se ha vuelto mucho más barato. En consecuencia, producir diversas ideas y descartar la mayoría puede ser una estrategia más eficiente que intentar elegir la alternativa perfecta antes de construir cualquier cosa. 

Sin embargo, la velocidad sin intención solo multiplica prototipos. El buen prototipador no mide el éxito por el volumen de demostraciones producidas, sino por la cantidad de incertidumbres eliminadas. Cada experimento debe ayudar a comprender mejor al usuario, el problema o la viabilidad de la solución. 

La historia del propio Claude Code ilustra este arquetipo. La herramienta comenzó como un programa sencillo, sin interfaz gráfica ni una gran estrategia de lanzamiento. Su uso espontáneo dentro de Anthropic ofreció la señal de que allí había un producto relevante. 

El constructor: llevar una idea del “funciona” al “puede entrar en producción” 

Un prototipo puede impresionar durante una presentación y, aun así, estar muy lejos de ser un producto real. Esa distancia la ocupa el constructor. Este arquetipo transforma una idea inicial en software confiable. Organiza la arquitectura, integra sistemas, estructura pruebas, trata errores, implementa seguridad, prepara la infraestructura y garantiza que la solución pueda utilizarse fuera de un entorno controlado. 

La IA ha hecho que la creación inicial sea extraordinariamente rápida, pero también ha aumentado la cantidad de proyectos que llegan a la empresa sin condiciones para escalar. El código generado en pocos minutos puede funcionar en el escenario previsto y fallar cuando se encuentra con datos reales, reglas de negocio, sistemas heredados o miles de usuarios simultáneos. 

Por eso, el constructor tiende a ganar importancia, no a perderla. Cuanto más fácil sea producir prototipos, mayor será la necesidad de profesionales capaces de evaluar qué debe conservarse, rehacerse o descartarse antes de que una solución llegue a producción. 

También es aquí donde la experiencia y la responsabilidad técnica se vuelven decisivas. La IA puede sugerir implementaciones, pero alguien todavía debe garantizar que las decisiones sean compatibles con el negocio, el entorno tecnológico y los riesgos de la organización. 

El refinador: simplificar también es desarrollar 

Cherny utiliza el término sweeper, que podría traducirse literalmente como “barredor”. Sin embargo, en este contexto, el sentido se acerca más al de un refinador: alguien que elimina complejidad, mejora la interfaz, simplifica el código, aumenta el rendimiento e incluso retira funcionalidades que han dejado de tener sentido. 

Este perfil suele recibir menos protagonismo porque su trabajo no siempre da como resultado una funcionalidad nueva. Muchas veces, su mayor mérito es hacer que el producto parezca más sencillo después de una gran intervención técnica. 

En sistemas que evolucionan rápidamente, cada nueva entrega puede añadir dependencias, reglas, pantallas, excepciones y costos de mantenimiento. Con la IA aumentando la cantidad de código que un equipo puede producir, también crece el riesgo de acumular complejidad. Generar más código no significa necesariamente crear más valor. 

El refinador cuestiona el exceso. Busca duplicaciones, etapas innecesarias, experiencias confusas y decisiones que funcionaron en el pasado, pero que ya no se justifican. Su trabajo preserva la capacidad de evolución del producto. 

También existe una lección relevante para los gestores: eliminar una funcionalidad puede ser tan estratégico como lanzarla. Los productos maduros no mejoran únicamente mediante la incorporación continua de recursos. Muchas veces mejoran cuando la empresa encuentra el valor para simplificar. 

El cultivador: transformar el uso en adecuación al mercado 

Una vez construido el producto, comienza una etapa menos visible y, con frecuencia, más difícil: lograr que se vuelva indispensable para un público. El cultivador, correspondiente al grower descrito por Cherny, trabaja sobre algo que ya existe. Observa el comportamiento de los usuarios, conversa con clientes, analiza datos, prueba mejoras y busca aumentar la adecuación entre la solución y el mercado. 

No se trata únicamente de márquetin o crecimiento comercial. El cultivador actúa sobre el propio producto. Ayuda a descubrir qué funcionalidades generan valor, qué obstáculos impiden la adopción y qué ajustes pueden mejorar la activación, la retención y la satisfacción. 

Las herramientas de IA aceleran este trabajo al analizar interacciones, sintetizar comentarios, producir variaciones y apoyar experimentos. Aun así, interpretar el comportamiento humano sigue exigiendo sensibilidad. Una métrica puede mostrar dónde el usuario abandonó un recorrido, pero no explica por sí sola por qué ocurrió ni qué cambio preservará la propuesta central del producto. 

Este arquetipo es especialmente importante cuando la solución ya ha alcanzado algún grado de Product-Market Fit, es decir, cuando existen indicios consistentes de que resuelve una necesidad real del mercado. A partir de ese momento, el desafío deja de ser únicamente demostrar que la idea funciona y pasa a ser profundizar, ampliar y sostener su relevancia. 

El mantenedor: proteger lo que ya se ha vuelto esencial 

Cuando un sistema madura, su indisponibilidad deja de ser únicamente un problema técnico. Puede interrumpir ventas, atención al cliente, operaciones y decisiones críticas. El mantenedor asume la responsabilidad de hacer que los productos consolidados permanezcan seguros, rápidos, confiables y eficientes durante el crecimiento. Su trabajo incluye observabilidad, prevención de fallos, control de costos, actualización de dependencias, seguridad, rendimiento y recuperación ante incidentes. Es un papel que puede parecer conservador frente al entusiasmo por la innovación, pero es precisamente lo que permite innovar sin poner en riesgo todo el negocio. 

Los agentes de IA ya pueden ayudar en la investigación de fallos, la revisión de código, la creación de pruebas y la identificación de vulnerabilidades. Aun así, el mantenimiento exige conocimiento acumulado sobre el sistema, su historial y sus consecuencias operativas. Una corrección técnicamente elegante puede ser inadecuada cuando altera un comportamiento del que dependen clientes o integraciones. 

El mantenedor representa la memoria y la responsabilidad del equipo. En un escenario en el que crear se está volviendo más fácil, sostener con calidad puede convertirse en uno de los mayores diferenciales competitivos. 

La combinación ideal depende de la etapa del producto 

Cherny también relaciona los arquetipos con el momento que vive cada solución. Los productos nuevos y todavía alejados del Product-Market Fit necesitan principalmente prototipadores, constructores y refinadores. Es necesario experimentar, poner ideas en funcionamiento e impedir que la velocidad genere complejidad prematura. 

Cuando el producto encuentra su mercado y comienza a crecer, constructores, refinadores y cultivadores adquieren protagonismo, acompañados por una presencia creciente de mantenedores. Los productos consolidados, por su parte, dependen con mayor intensidad de cultivadores, refinadores y mantenedores, aunque sigan necesitando cierta capacidad de construcción. 

Esta lectura puede cambiar la forma en que las empresas contratan y distribuyen a sus profesionales. Un equipo puede contar con currículos excelentes y, aun así, fracasar porque a todos les gusta iniciar proyectos y nadie quiere sostenerlos. En otra organización, la operación puede ser extremadamente confiable, pero no existir espacio para experimentar con algo nuevo. Por lo tanto, el problema no consiste únicamente en encontrar talento. Consiste en formar la combinación adecuada de comportamientos para la etapa y los objetivos del producto. 

Andrej Karpathy y el Software 3.0 

La visión de Cherny se conecta con la idea de “Software 3.0”, popularizada por Andrej Karpathy. Según su interpretación, el desarrollo ha atravesado un nuevo cambio de paradigma: además del código tradicional y las redes neuronales entrenadas con datos, ahora utilizamos modelos programables mediante lenguaje natural. 

Esto transforma el lenguaje humano en una nueva interfaz de computación. Personas que no dominan profundamente un lenguaje de programación pueden describir intenciones, solicitar implementaciones y producir artefactos digitales. Al mismo tiempo, los desarrolladores experimentados comienzan a operar en un nivel más alto de abstracción, coordinando modelos y evaluando resultados. 

La consecuencia es similar a la señalada por Cherny. Cuando escribir cada línea deja de ser la única forma de construir software, la identidad profesional se desplaza. Comprender el problema, formular objetivos, crear buenas evaluaciones y reconocer soluciones inadecuadas pasan a ser tan importantes como la capacidad de implementar manualmente. 

Esto no representa el fin del conocimiento técnico. Al contrario: quienes comprenden arquitectura, seguridad, datos y experiencia del usuario pueden evaluar con mayor precisión lo que produce la IA. El conocimiento deja de ser únicamente un instrumento de ejecución y también se convierte en un instrumento de dirección y control. 

Dylan Field y el ascenso de los “constructores de producto” 

Dylan Field, cofundador y CEO de Figma, llegó a una conclusión similar por otro camino. Para él, la IA está estimulando la fusión entre funciones como Diseño, Ingeniería, Investigación y Producto, transformando a distintos profesionales en “constructores de producto” con especializaciones propias. 

Una investigación mencionada por Field indicó que muchos profesionales ya están realizando actividades fuera de las fronteras tradicionales de sus cargos. Al mismo tiempo, la mayoría sigue reconociendo la importancia de una especialización profunda para producir trabajos de alta calidad. 

Esta combinación ayuda a evitar una interpretación equivocada: la empresa del futuro no estará formada necesariamente solo por generalistas. Probablemente estará formada por especialistas capaces de colaborar en territorios más amplios. 

Un diseñador no necesita convertirse en el mejor ingeniero del equipo, pero puede utilizar IA para crear una implementación funcional de su propuesta. Un desarrollador no necesita sustituir a un investigador, pero puede analizar datos de uso antes de tomar una decisión técnica. Las fronteras se vuelven más flexibles sin que la profundidad deje de ser valiosa. 

Dario Amodei y una predicción aún más radical 

Dario Amodei, CEO de Anthropic, presentó una predicción más agresiva al sugerir que los modelos de IA podrían asumir la mayor parte de las actividades que actualmente realizan los ingenieros de software en un plazo relativamente corto. 

Sin embargo, incluso dentro de Anthropic, esta automatización no ha significado la ausencia de profesionales. Cherny sostiene que los ingenieros siguen siendo necesarios para orientar los modelos, conversar con clientes, coordinar decisiones y determinar el rumbo de los productos. El trabajo cambia porque la ejecución comienza a compartirse con agentes, no porque desaparezca toda responsabilidad. 

La diferencia entre ambas posiciones está menos en el destino y más en el enfoque. Amodei enfatiza la capacidad creciente de las máquinas. Cherny busca describir cómo pueden organizarse los seres humanos a su alrededor. 

Cuantas más tareas asuma la IA, mayor será el peso de las decisiones que permanezcan en manos de las personas. Definir qué construir, para quién construir, qué riesgos aceptar y cuándo una solución está realmente lista son decisiones que van más allá de la generación de código. 

Lo que estos arquetipos cambian dentro de las empresas 

El primer cambio está en la contratación. Las descripciones de vacantes basadas únicamente en tecnologías y títulos pueden no revelar qué contribución busca realmente la empresa. Antes de contratar a “otro desarrollador”, quizá sea necesario preguntar si el proyecto necesita exploración, producción, simplificación, crecimiento o sostenimiento. 

El segundo está en la evaluación del desempeño. Las organizaciones que recompensan únicamente el lanzamiento de funcionalidades tienden a valorar a prototipadores y constructores, mientras vuelven invisible el trabajo de quienes reducen la complejidad o evitan incidentes. Un equipo saludable necesita reconocer diferentes formas de impacto. 

El tercero está en la adopción de IA. Comprar licencias de herramientas no transforma automáticamente el proceso de desarrollo. Es necesario redefinir flujos, responsabilidades, estándares de revisión, seguridad, documentación y criterios de calidad. 

Por último, los arquetipos muestran que la productividad no puede medirse únicamente por la cantidad de código producido. En determinados momentos, el profesional más valioso será quien crea algo nuevo. En otros, será quien elimina la mitad de la complejidad existente o impide que falle un sistema crítico. 

La experiencia encuentra una nueva velocidad 

Con 30 años de trayectoria, Visionnaire ha acompañado diferentes generaciones de tecnologías, arquitecturas, metodologías y modelos de desarrollo. Hoy, esta experiencia se combina con el uso de IA en todo el ciclo del software, desde el análisis y la creación de prototipos hasta la construcción, las pruebas, la implementación y el mantenimiento. 

La empresa también acompaña y experimenta con las plataformas que están transformando la programación, evaluando cómo distintas herramientas pueden contribuir a la productividad y la calidad de los proyectos. El objetivo no es adoptar una tecnología únicamente porque se ha vuelto popular, sino comprender dónde mejora realmente la entrega. 

Esta combinación entre experiencia humana y capacidad de IA es especialmente importante porque los cinco arquetipos de Cherny corresponden a desafíos que siempre han existido en el desarrollo de software. Todavía es necesario explorar ideas, construir productos, reducir la complejidad, conquistar usuarios y sostener sistemas. Lo que ha cambiado es la velocidad, el alcance y la forma de ejecutar cada etapa. 

Visionnaire trabaja desde la creación de prototipos y MVP (Productos Mínimos Viables) hasta proyectos de gran escala, incluidos sistemas en la Nube, arquitecturas de microservicios y soluciones que atienden a millones de usuarios. Esta trayectoria permite reconocer que un proyecto rápido no es necesariamente un proyecto sencillo y que llegar a producción sigue siendo diferente de producir una buena demostración. 

El profesional del futuro no se definirá únicamente por lo que sabe hacer 

Los arquetipos propuestos por Boris Cherny no son una tabla definitiva para los cargos del futuro. Son una forma útil de ver aquello que los organigramas suelen ocultar. 

Personas diferentes crean valor de maneras diferentes. Algunas abren caminos, otras transforman ideas en productos. Algunas eliminan lo superfluo, otras encuentran el mercado y otras garantizan que todo siga funcionando. La IA puede ampliar cada una de estas capacidades, pero no sustituye la necesidad de combinarlas de forma inteligente. 

Para las empresas, la pregunta más importante quizá ya no sea cuántos ingenieros, diseñadores o gerentes de producto existen en el equipo. La pregunta es si hay suficientes personas y agentes para explorar, construir, refinar, cultivar y sostener lo que el negocio necesita. 

La tecnología está reduciendo el tiempo necesario para transformar una intención en software. Sin embargo, elegir la intención correcta, convertirla en valor y mantenerla relevante sigue siendo un desafío humano y empresarial. 

Visionnaire combina tres décadas de desarrollo de software con las nuevas posibilidades de la Inteligencia Artificial para ayudar a las empresas a recorrer todo este camino, desde la primera idea hasta un sistema seguro, escalable y preparado para evolucionar.