La IA no entiende lo que no está en los datos
Frustración, presión comercial, cultura local, impacto en personas. Nada de eso aparece en un log, y es justo donde viven los defectos que importan.
Giancarlo Renato Palomino Huallpa
Quality Engineer · Lima, Perú
Un modelo razona sobre lo que puede leer. Código, registros, trazas, requisitos, historial de defectos. Es muchísimo, y por eso impresiona.
El problema es lo que no deja rastro en ninguno de esos sitios.
Lo que no está escrito en ninguna parte
La frustración. Un flujo de seis pasos que funciona perfectamente puede ser insoportable. No hay error, no hay excepción, no hay log: hay gente que abandona en el paso cuatro. Eso solo se detecta usando el producto con la cabeza de quien lo sufre.
La presión comercial. Que esta función salga este mes porque hay un contrato firmado cambia qué se prueba y hasta dónde. No está en el backlog; está en una conversación de pasillo.
La cultura local. En Perú, un campo de DNI con ocho dígitos y un carné de extranjería con nueve. Un apellido compuesto que el validador parte en dos. Un monto que alguien escribe con coma decimal. Un modelo entrenado mayoritariamente con productos de otro mercado no sabe qué es normal aquí.
Las prioridades políticas. Qué área tiene peso, qué defecto se va a arreglar y cuál va a dormir seis meses. Saber eso decide cómo escribes el reporte para que el defecto se arregle.
El impacto en personas. Un error de cálculo en un agendamiento médico no es un número mal sumado: es alguien que viaja dos horas para que le digan que no tiene cita. Esa diferencia no está en la severidad del ticket.
Lo que un modelo puede leer, y lo que no deja rastro
No lo ve
La frustración del paso cuatro
El contrato firmado que mete prisa
Ocho dígitos de DNI y nueve de carné
no está en ningún log
Lo ve
Código, trazas y registros
Requisitos e historial de defectos
y ahí es buenísimo
Un caso concreto
En banca tuvimos un defecto que ninguna herramienta habría marcado. La pantalla mostraba el saldo correcto. La transacción se registraba bien. Todo en verde.
Lo que pasaba es que el abono aparecía con un retraso que, para el usuario, significaba ver su cuenta en cero durante unos minutos. Técnicamente impecable; humanamente, una llamada furiosa al call center.
Reportar eso exigía entender que una persona mirando su saldo en cero no piensa «será un tema de sincronización».
Qué hacer con esto
No es un argumento contra la IA. Es un argumento sobre dónde poner tu atención ahora que la parte mecánica se abarató.
Pasa tiempo con el producto, no solo con el repositorio. Úsalo como lo usa alguien que no lo construyó.
Habla con quien atiende al cliente. Soporte sabe en una tarde lo que tú tardarías meses en deducir de los logs.
Aprende el negocio, no solo el sistema. Por qué existe esa regla rara. Casi siempre hay un motivo, y casi siempre ahí vive un caso límite.
Escribe el contexto que sabes. Si está solo en tu cabeza, no está en ningún sitio del que el equipo —ni un modelo— pueda sacarlo.
Cuanto mejor lee la máquina lo que está escrito, más vale lo que solo sabe quien estuvo ahí.