Lisa Orr, líder de ingeniería en Zapier, presenta cómo la empresa combate la "erosión de aplicaciones" capacitando a los equipos de soporte para entregar código. Utilizando la analogía del Gran Cañón —donde la erosión natural crea belleza a lo largo de millones de años—, contrasta esto con la erosión de aplicaciones, que degrada continuamente las más de 8.000 integraciones de Zapier construidas a lo largo de 14 años.

El problema es crítico: las API de terceros cambian constantemente, generando una crisis de backlog en la que los tickets llegan más rápido de lo que pueden resolverse. Esto genera problemas de fiabilidad, una mala experiencia del cliente y una posible pérdida de clientes. Ante esta realidad, Zapier lanzó hace dos años dos experimentos paralelos.

El Experimento 1 transforma el rol de soporte: de una simple clasificación a la corrección activa de errores. El enfoque es prudente, con salvaguardas: centrado en 4 aplicaciones objetivo, revisión obligatoria de ingeniería, limitado a correcciones de aplicaciones. La motivación es fuerte porque la erosión representa una fuente importante de errores, el equipo de soporte tiene ganas de aprender (muchos quieren convertirse en ingenieros) y algunos miembros ya ayudaban de manera informal.

El Experimento 2 - Scout utiliza IA generativa para acelerar las correcciones. El proceso comienza con "dog fooding" (la propia Orr corrige aplicaciones), la observación de ingenieros y personal de soporte, y la identificación de puntos de fricción. Descubrimiento clave: el 50% del tiempo se dedica a reunir el contexto necesario para comprender el problema.

La arquitectura de Scout comprende tres componentes principales: 1. Context Analyzer: reúne automáticamente tickets, registros de errores, documentación de API, código fuente 2. Diff Generator: crea correcciones basadas en el contexto analizado 3. Test Generator: genera pruebas para validar las correcciones

Los resultados son notables. La tasa de éxito de las merge requests alcanza el 97%, y solo el 3% requiere modificaciones menores. El tiempo de resolución pasa de 72 horas a unos pocos minutos. El impacto cultural es profundo: el equipo de soporte se siente valorado, la ingeniería queda liberada para la innovación y la frontera entre los roles se difumina.

Orr subraya que esta transformación no es simplemente una optimización técnica, sino una necesidad estratégica. En un ecosistema donde las integraciones son centrales y la erosión es inevitable, la capacidad de mantenimiento ágil se convierte en una ventaja competitiva. Capacitar al soporte mediante IA representa una evolución organizativa fundamental para sobrevivir en un mundo de API en constante cambio.