AI didn't make our engineers just faster. It made them different.

Puntos clave

1. Fecha / fuente. mayo de 2026 ("hace 2 días" en relativo en el momento de la consulta, es decir, ~2026-05-05), Medium @milhibisidek. URL: https://medium.com/@milhibisidek/ai-didnt-make-our-engineers-just-faster-it-made-them-different-95f1c1d4efd0
2. Formato. artículo de opinión de CTO, estudio de caso organizacional (~17 min de lectura).
3. Autor. Hryhorii Tatsyi, CTO de Raiffeisen Bank Ukraine — un banco sistémico regulado, ~900 ingenieros de IT.
4. Periodo del estudio. mayo 2025 → abril 2026 (12 meses completos).
5. Aforismo del título. "AI didn't make our engineers just faster. It made them different."
6. Frase pivote estratégica. "AI expanded our production possibility frontier, and we deliberately allocated the freed capacity." ### Encuadre organizacional — la transformación observada | Dimensión | Antes (mayo 2025) | Después (abril 2026) | Cambio | |-----------|------------------|--------------------|-----------| | Plantilla de IT | ~900 ingenieros | ~825 (−75 personas, incluidos 64 ingenieros) | −8% | | Adopción de IA | 62% | 83% | +21 puntos | | Ingenieros con ≥50% de código vía IA | — | 68% | métrica nueva | | Incorporación (1er PR) | 60-90 días | ~40 días | −~50% | | Volumen de código enviado | referencia | aumentado | ↑ | | Incidentes bloqueantes | referencia | −70% | ↓ | | Tiempo de resolución crítica | referencia | −68% | ↓ | | Alertas de seguridad de alta severidad resueltas | referencia | +155% | ↑ | Lectura: la contracción de plantilla (−8%) coincide con una mejora en todos los ejes — producción, calidad, seguridad, incorporación. Este es el dato central que destaca Tatsyi, y no lo elude políticamente. ### Tres arquetipos emergentes de ingenieros | Arquetipo | Herramientas | Efecto en productividad | Efecto en alcance | |-----------|--------|---------------------|------------------| | Copilot-only | solo GitHub Copilot | +10-25% en PRs | alcance estable | | Multi-tool | combinación de varios asistentes de IA | story points ×1,5-3 | alcance cross-repo +50-80% | | Claude en el stack corporativo | Claude Code (o equivalente) integrado en el stack interno | volumen de código ×4,5 | alcance radicalmente ampliado | Convergencia: los arquitectos senior vuelven al desarrollo activo tras años de alejamiento (coherente con la afirmación de Karpathy de que "los agentes reducen la fricción hacia la creación" y el "el mejor contable escribe software de contabilidad" de Cherny). Idea contraintuitiva: la IA eleva a los de menor rendimiento hasta el nivel base en lugar de acelerar principalmente a los mejores. Una postura opuesta a la lectura de "cola de elite 10×+" (Cherny / Curran top 5% / Karpathy) — Tatsyi describe un efecto de recuperación desde abajo que comprime la distribución. Ambas lecturas son compatibles: la distribución se comprime desde abajo Y se ensancha por arriba (los mejores que se mantienen en 10×+). ### Siete productos de IA construidos que antes no existían | # | Producto | Descripción | Métricas clave | |---|---------|-------------|----------------| | 1 | Service Knowledge Hub | Documentación de microservicios autogenerada mediante parsing de Kubernetes | 57 microservicios, 83 releases/mes | | 2 | Mobile Android workflow CI | Pipeline automatizado de plan / implementación / test para móvil | rediseño completo del SDLC móvil | | 3 | AI Agent Portal | Portal interno para la generación automática de agentes MCP a partir de especificaciones OpenAPI | 2.085 usuarios, 649 MAU, 87 días para alcanzar esta adopción | | 4 | Shift-left Security Plugin | Detección de vulnerabilidades en el IDE antes del commit | −82% de secretos expuestos | | 5 | DevPortal | Backstage + agentes de diagnóstico de IA para Kubernetes | −68% del tiempo de resolución de incidentes críticos | | 6 | DRAIF MCP | Text-to-SQL sobre un Data Lake | 10.000 tablas, embedding afinado ×2 respecto a modelos de OpenAI | | 7 | Call Evaluation | Análisis de transcripción de audio + rediseño de guiones | >97% de precisión, votado mejor producto del grupo Raiffeisen (RBI) | Lectura estratégica: esto no es una lista de experimentos, es un portafolio de productos desplegado en producción, con adopción interna medible, y un producto (Call Evaluation) que se extiende a las filiales del grupo (pasando de local a nivel de grupo RBI). ### La tesis pivote — frontera de posibilidades de producción > "AI expanded our production possibility frontier, and we deliberately allocated the freed capacity."
7. Palabra clave 1 — "expanded". la IA no hace lo mismo mejor, amplía el conjunto de lo posible.
8. Palabra clave 2 — "deliberately allocated". la capacidad liberada se redirige por decisión gerencial, no se absorbe mecánicamente en más trabajo del mismo tipo.
9. Tres direcciones de reasignación. 1. Funcionalidades (nuevos productos — los 7 listados arriba). 2. Estabilidad (incidentes −70%, resolución −68%). 3. Amortización de deuda técnica (rara y capitalizable desde el punto de vista de un CTO). ### La pregunta de evaluación replanteada Pregunta equivocada: "¿En qué % aumentaron nuestros KPI existentes?" Pregunta correcta: "¿Qué construyeron tus ingenieros que antes no existía?" Por qué importa: los porcentajes sobre métricas existentes no captan la transformación principal — no es la velocidad sino el tipo de trabajo. Optimizar para KPI heredados significa perder la ventana estratégica en la que la IA permite construir lo que antes era inabordable. ### Vínculo con el corpus de veille #### Convergencias numéricas (mediana consensuada 3-5×)
10. Frizzo. (LinkedIn 2026-05-05): multiplicador de productividad 3-5× tras 1 año de uso diario.
11. Wescale Usine Logicielle Augmentée. (2026-05-03): "realista X3-X4".
12. Curran/Intercom. (2026-04-16): productividad de I+D 3× en 16 meses (toda la organización, 500 personas de I+D).
13. DORA Report 2025. (2025-09-23) y Stanford Denisov-Blanch (2025-11-23).
14. Tatsyi/Raiffeisen. (2026-05-05): story points ×1,5-3 (multi-tool), ×4,5 volumen de código (Claude stack corporativo). #### Convergencia de incorporación (60-90 días → ~40 días)
15. Tatsyi/Raiffeisen. 60-90 días → ~40 días.
16. Estudios internos de Anthropic. (citados por Sun NYT 2026-04-30 y otros): 82 días → 40 días.
17. → Lectura correcta: convergencia independiente entre un banco europeo y un actor de IA de Silicon Valley sobre la misma cifra objetivo (~40 días). Es un hecho estilizado robusto para 2026. #### Convergencia "siete nuevos productos" / capacidad creativa
18. Tatsyi. 7 productos de IA en 12 meses.
19. Cherny. (2026-05): 100% del código generado, "algunas docenas de PR/día, récord de 150 PR en un solo día", múltiples productos de Anthropic Labs.
20. Curran/Intercom. (2026-04-16): Skills-Based Plugin Architecture (153 contribuyentes, 267 skills).
21. Wescale. (2026-05-03): "necesidades de larga data que eran demasiado costosas por fin pueden abordarse".
22. → Convergencia fuerte: la medida relevante ya no es la velocidad sobre el trabajo existente sino el portafolio de nuevos productos / espacios recién abordables. #### Convergencia "el trabajo está cambiando de forma"
23. Frizzo. (2026-05-05): "el nuevo cuello de botella es la supervisión", "atrofia del músculo de la escritura".
24. Tatsyi. (2026-05-05): "AI didn't make our engineers just faster. It made them different", tres arquetipos emergentes, arquitectos senior que vuelven al desarrollo activo.
25. Karpathy. (2026-04-29): Software 1.0/2.0/3.0, "externalizar el pensamiento pero no la comprensión".
26. Mornati. (2026-03-14): What is a Developer When We Use Coding Agents?
27. Habert PROJ-AI. (2026-05-05): "directivas para agentes + Decision Records + cinco dimensiones de validación".
28. → Convergencia transversal: la naturaleza del trabajo ha cambiado, no solo su velocidad. Tatsyi aporta el dato organizacional del sector bancario que faltaba en el corpus. #### Tensión productiva con "la IA eleva a los de menor rendimiento"
29. Cherny. (2026-05): cola de elite 10×+ (récord de 150 PR/día).
30. Curran/Intercom. (2026-04-16): top 5% con 6× la mediana de throughput de PR (≈ 18× la referencia previa a la IA).
31. Karpathy. (2026-04-29): "10× no es el aumento de velocidad — la gente muy buena en esto alcanza picos muy superiores a 10×".
32. Tatsyi/Raiffeisen. (2026-05-05): "AI lifts underperformers to baseline" — un efecto de recuperación desde abajo.
33. → Una lectura compatible y productiva: la distribución se comprime desde abajo (Tatsyi) Y se ensancha por arriba (Cherny, Karpathy, Curran top 5%). Ambos fenómenos coexisten. Útil para presentaciones ante comités de dirección que quieran a la vez tranquilizar (recuperación) e inspirar (los mejores). #### Posicionamiento FR / Europa Central frente a anglosajón
34. Tatsyi es europeo (Ucrania, grupo austriaco RBI), un banco regulado, en un contexto de guerra.
35. Su rigor metodológico (12 meses, cifras internas, granularidad por arquetipo) se alinea más con la prudencia francesa (Wescale, Habert) que con el optimismo estadounidense (Cherny, Curran).
36. Para usar en presentaciones en francés como un estudio de caso bancario europeo que complementa las cifras de Wescale/consultoría y de Curran/SaaS.
37. Ventaja poco frecuente. un CTO de un banco sistémico publicando sus cifras internas — un tipo de testimonio casi ausente del corpus de 2026. ### Limitaciones a señalar
38. Sin metodología cuantitativa detallada. Tatsyi reporta porcentajes sin documentar con precisión cómo se miden (por ejemplo, "story points ×1,5-3" — ¿qué referencia? ¿qué atribución? ¿qué ajuste de sesgo?).
39. Autor con baja visibilidad pública. (25 seguidores en Medium) — la autoridad descansa en la posición institucional más que en la marca personal. Debe ponderarse frente a otras fuentes si lo que está en juego es citar esto en un comité de dirección.
40. Sin discusión explícita de los costes cognitivos. (FOMO, pérdida de competencias, erosión de la titularidad) que sí nombra Frizzo. Tatsyi es organizacional, Frizzo es individual — ambas notas se complementan.
41. Sin discusión de los riesgos regulatorios específicos del sector bancario. (GDPR, DORA de la UE, supervisión BCE/EBA) — sorprendente para un CTO de banco sistémico. El tema posiblemente se omitió para preservar la legibilidad del artículo público.
42. Convergencia de incorporación 82→40 días con Anthropic. hay que verificar que el dato de Anthropic citado es efectivamente el estudio al que se refiere Tatsyi (riesgo de cherry-picking inverso — una aparente convergencia en una cifra redonda).
43. Muestra de n=1 organización. un solo caso, aunque cuantificado. Debería replicarse en otros bancos europeos para concluir un hecho estilizado a nivel sectorial. ### Para usar en
44. Presentaciones ante comités de dirección de banca/seguros/sectores regulados. un estudio de caso europeo raro y cuantificado, un contrapeso a la sobrerrepresentación de Silicon Valley en el corpus.
45. RRHH / estrategia de transformación. justificar la reasignación de capacidad liberada en lugar de una simple reducción de costes.
46. Consejos de administración / patrocinadores de la transformación. replantear la pregunta de evaluación ("qué construyeron tus ingenieros que antes no existía") — una herramienta para desactivar el debate del % de productividad.
47. Fuente cuantitativa convergente. incorporación de 60-90 días → ~40 días (Anthropic + Tatsyi), mediana consensuada de 3-5×, contracción de plantilla compatible con mejora de producción/calidad/seguridad.
48. Debate de equidad / sesgo en la distribución de la productividad. para usar junto a Cherny/Karpathy/Curran top 5% para presentar una lectura matizada — la IA comprime desde abajo Y ensancha por arriba simultáneamente.
49. Comunidad de Engineering Management. una publicación poco frecuente de un CTO procedente de una gran organización de IT europea regulada sobre el tema.