«Las máquinas no piensan. Pero nos permiten pensar en cosas más grandes.»

Claude Shannon

Hace tiempo que hablo de IA. Lo estudio, la enseño, la defiendo en debates donde todavía hay quien piensa que es una moda. Pero esta semana ha sido diferente. No fue teoría. Fue mi trabajo real, mi contexto real, mis herramientas del día a día. Y quiero contarlo con honestidad, porque los titulares de «la IA lo cambia todo» me cansan tanto como los de «la IA no sirve para nada».

Así que esto es lo que pasó.

El punto de partida: MCPs y skills propias

Llevo un tiempo trabajando con MCPs conectados a las herramientas que usamos en el día a día: Jira, Confluence, Git… y también con skills que yo misma he creado y personalizado. Esa parte es importante. No es usar ChatGPT para redactar emails. Es construir flujos de trabajo donde la IA tiene contexto real, acceso real, y puede actuar sobre cosas reales.

Esa combinación esta semana me demostró algo que intuía pero no había vivido tan claramente: la diferencia entre «usar IA» y «trabajar con IA» es enorme.

Crear repositorios de Git y automatizar configuraciones

Empecemos por algo técnico. Necesitaba montar un repositorio con configuraciones específicas (y dirás, ¿un agile coach es su responsabilidad? Quizá no, pero a mí me gusta aportar, ayudar aprender, así que sí): ramas protegidas, reglas de merge, pipelines básicos. Cosas que normalmente implican ir a la interfaz, repetir pasos, no olvidarte de nada.

Con IA y el MCP de Git, describí lo que necesitaba en lenguaje natural. El resultado fue un conjunto de ficheros YAML listos para usar, con la configuración personalizada para nuestro contexto. No fue magia, fue contexto bien dado más una herramienta con acceso a lo que necesitaba.

¿Cuánto tiempo me ahorró? No lo medí con cronómetro, pero fueron tareas que antes me llevaban una mañana y que resolví en menos de una hora. Y sin errores de configuración que descubres tres días después. También os digo, no solo me ahorró tiempo, hice algo que si no fuera con la IA no lo habría hecho jamás.

Crear historias de usuario desde Confluence

Esto me parece de las cosas más potentes que he visto esta semana. Tenemos documentación en Confluence: contexto de negocio, descripciones de procesos, decisiones técnicas. Material que existe pero que habitualmente hay que releer, interpretar y luego traducir a historias de usuario para Jira (por un proyecto interno).

Con el MCP de Confluence conectado, la IA accedió directamente a esa documentación, entendió el contexto y generó un borrador de historias de usuario con criterios de aceptación incluidos. No perfectas, no sin revisión. Pero el 80% del trabajo ya estaba hecho, y lo que quedaba era afinar, no empezar desde cero. Con la ayuda de mis skills, ese 80% iba aumentando.

Lo que cambia aquí no es solo el tiempo. Es la coherencia. Las historias tenían el lenguaje del negocio porque bebían del documento original. Eso es algo que cuando se hace manualmente se pierde muchas veces.

Automatizar informes: el antes y el después

Los informes son esa tarea que todos sabemos que hay que hacer, que aportan valor a quien los lee, y que a quien los elabora le cuesta un tiempo desproporcionado respecto a ese valor.

Esta semana automaticé informes de seguimiento de mi propio trabajo como fuente mis propias notas diarias, también informes de datos de herramientas como PowerBI. El resultado: informes estructurados, con los indicadores relevantes, generado en minutos, y con una estructura que con mis skills he querido darle y que sigue.

No voy a decir que es perfecto. Hay que revisarlo, hay que adaptarlo al interlocutor. Pero el esqueleto, los datos, la estructura narrativa… ya están. Y eso cambia lo que puedo hacer con mi tiempo.

Aplicaciones que extraen información de nuestras herramientas

Uno de los experimentos más interesantes fue construir una pequeña aplicación interna (a priori web y que aun estar por terminar, es solo una poc) que cruza información de varias fuentes. No una app compleja. Una funcionalidad concreta que antes requería ir a tres sitios, copiar datos, pegar en otro lado, calcular algo a mano.

Con la IA como motor y los MCPs como conectores, esa lógica se convirtió en algo ejecutable. La aplicación sabe dónde están los datos, los recoge, los procesa y te da lo que necesitas. Y lo construí yo. Sin ser desarrolladora de software en el sentido clásico.

Eso me hace pensar mucho en lo que significa la «autonomía técnica» a partir de ahora.

Lo que no funcionó (o no funcionó del todo)

Sería deshonesto no incluir esto.

Hubo momentos en los que el contexto no era suficiente y los resultados eran genéricos. Momentos en los que la IA interpretó mal lo que pedía porque yo no fui suficientemente precisa. Momentos en los que el output técnico era funcional pero no seguía nuestros estándares internos y había que corregirlo, pero que, a raíz de interaciones y de entrenamiento acabo siendo lo que tengo ahora.

La IA no sustituye el criterio. No sabe lo que es importante para tu equipo si no se lo dices. No conoce las decisiones que se tomaron hace seis meses y que condicionan todo lo demás, a menos que estén documentadas y accesibles.

Lo que sí hace es amplificar. Si tienes criterio, la IA te da velocidad. Si no tienes criterio, la IA te da más ruido con más rapidez.

Lo que me ha cambiado esta semana

Hay algo en el plano personal que quiero nombrar. Esta semana me he sentido más dueña de mi trabajo. No porque la IA haga las cosas por mí, sino porque puedo dedicar energía a las partes que realmente requieren mi cabeza: el juicio, la relación, la estrategia. Las partes que me gustan.

Las tareas repetitivas, la traducción entre sistemas, la generación de documentación estructurada… eso ya no tiene que ser mi cuello de botella.

Y hay algo más: he vuelto a experimentar. He probado cosas, he fallado rápido, he ajustado. Eso es algo que en el trabajo del día a día con mucha carga operativa es difícil de mantener. La IA me ha devuelto un poco de esa capacidad de explorar sin que cada experimento cueste demasiado.

Un agradecimiento que no es protocolo

Quiero terminar con algo que me importa decir.

No todo el mundo tiene acceso a estas herramientas en su contexto laboral. Yo sí lo tengo, y no lo doy por sentado. Que la empresa ponga a disposición de los equipos modelos de IA reales, con capacidades reales, sin restricciones que vacíen de sentido su uso, no es algo que ocurra en todos lados.

Gracias por apostar por eso. Por entender que la transformación digital no es un PowerPoint, es gente con herramientas que les permiten trabajar diferente. Por confiar en que, si das acceso a las personas, ellas sabrán qué hacer con él. Y también a mi responsable por apostar por esto y meterme en la rueda pese a no ser un pefil a priori técnico.

Esta semana ha sido una prueba de eso. Y espero que sea solo el principio.

¿Has tenido alguna experiencia similar usando IA en tu trabajo real? Me encantaría leer qué está pasando en vuestros contextos.

Esto es solo en mi trabajo, en mi vida personal ya ni os cuento, ¿queréis otro post de cómo uso la IA en mi vida personal?

¡Feliz miércoles!