A medida que la IA empresarial entra en la era de la maximización del valor: lo que los equipos de desarrollo pueden aprender de la accesibilidad digital

La economía de la integración de IA ha cambiado drásticamente a medida que se ha impuesto la realidad del costo de los tokens. La maximización de tokens pudo haber sido divertida mientras duró, pero la innovación sin ROI no es sostenible. Ahora que hemos superado la era de los tokens baratos, la IA debe justificarse con resultados empresariales reales y medibles en toda la organización. Eso significa que ya no se lanzará IA a cada desafío. Las organizaciones deben ser mucho más estratégicas, usando la IA para lo que es buena y desplegando otros enfoques cuando exista una solución mejor.

El costo oculto de la velocidad de la IA

Los aumentos en la velocidad de desarrollo gracias a las herramientas de IA merecen ser celebrados. Pero si el código está plagado de problemas, el progreso real es insignificante. Las consecuencias son graves: tiempo y dinero perdidos, riesgo legal y experiencias de cliente deficientes.

El campo de la accesibilidad digital puede enseñarnos mucho sobre cómo usar la IA de manera estratégica. Es un ámbito donde los estándares codificados y los requisitos de cumplimiento estricto son realidades cotidianas, y no hay espacio para la inexactitud o la ineficiencia. Con la accesibilidad digital, el objetivo no es mejorar en la corrección de problemas; es prevenir que esos problemas ocurran en primer lugar. Ese objetivo debería ser el mismo para cualquier aplicación de IA. De lo contrario, la deuda técnica se acumula rápidamente.

Según IBM, ignorar la deuda técnica puede resultar en una disminución del ROI del 18 al 29 %.  Los resultados como ese pueden anular cualquier ganancia de velocidad obtenida con IA. En la encuesta de Deque de 2026 a 200 líderes de ingeniería empresarial, el 64 % nombró la accesibilidad como el principal impulsor del retrabajo posterior a la producción, a pesar de que estos mismos equipos indicaron explícitamente a sus agentes de IA que escribieran código accesible.

La deuda de accesibilidad, al igual que la deuda técnica, es la acumulación de problemas de accesibilidad no resueltos en las propiedades digitales de una organización. Es una deuda que se compone con el tiempo: los problemas que no se abordan en el diseño y desarrollo se vuelven más costosos de corregir más adelante. Investigaciones recientes muestran que es 30 veces más caro arreglar un problema de accesibilidad detectado en producción que en la fase de diseño. Eso brinda a las organizaciones un incentivo financiero real para detectar los problemas temprano, especialmente con los volúmenes actuales de producción de código.

IA estratégica vs. herramientas determinísticas

La IA no siempre es la respuesta. En muchos casos, las herramientas basadas en reglas y determinísticas ofrecen resultados más consistentes, más rápidos y más baratos. Para tomar la decisión correcta sobre qué usar y cuándo, los equipos deben comenzar desglosando el flujo de trabajo en subtareas y evaluando la mejor forma de abordar cada desafío. Por ejemplo, las tareas que requieren verificación constante —comprobar cada elemento contra un estándar definido— son candidatas ideales para herramientas determinísticas basadas en reglas.

La IA es adecuada para el juicio, la síntesis y la generación de opciones. No es adecuada para la validación: comprobar todo de la misma manera, cada vez.

Algunos equipos de ingeniería manejan esto ejecutando la misma revisión repetidamente y comparando los resultados. Funciona, pero no es gratuito. En los propios experimentos de Deque, una sola pasada de revisión de código consumió aproximadamente el 60 % de los tokens gastados en una tarea. La codificación en sí tomó alrededor del 13 %. Escribir las pruebas tomó una proporción comparable. Y una sola pasada rara vez es suficiente. La misma revisión a menudo tiene que ejecutarse de tres a diez veces sobre la misma base de código antes de converger en la lista completa de problemas reales. Cada pasada es una búsqueda nueva, no acumulativa, por lo que nada se transfiere de la ejecución anterior.

Si eso vale la pena depende de la tolerancia al costo. Una organización puede generar suficientes agentes, permitirles iterar y revisar el trabajo de los demás, y converger en una buena respuesta. Pero hacerlo implica pagar por ello en tokens y tiempo de ciclo. La alternativa es más simple: una verificación determinística devuelve el mismo resultado cada vez, sin pasadas repetidas.

Aprovechando el contexto y la intervención humana

Otro enfoque descrito en un estudio de caso reciente combinó automatización y IA agente con revisión humana. En el nuevo flujo de trabajo de la organización, los hallazgos de accesibilidad se proporcionaron a un agente de IA, que utilizó una herramienta de remediación para aplicar correcciones HTML esperadas directamente al código fuente y luego creó y documentó automáticamente solicitudes de extracción. Luego, los ingenieros revisaron los cambios generados por la IA, aprobaron las solicitudes de extracción y mantuvieron la gobernanza sobre la calidad y los resultados. El resultado: se recuperaron 253 horas de ingeniería, con una remediación un 98 % más rápida en general. Se estimó que el flujo de trabajo ahorró más de $25,000 en costos de ingeniería.

Obtener buenos resultados de un agente de IA depende de cómo se configure, no solo de buenos prompts. Los ingenieros llaman a esto ingeniería de harness y ingeniería de contexto: construir las herramientas, verificaciones e información disponible específicas que permitan a un agente realizar un buen trabajo en un entorno particular, en lugar de dejar que el modelo lo descubra por sí mismo. Un agente que revisa código no necesita que toda la base de código esté cargada en su ventana de contexto. Permítale buscar los archivos relevantes y extraer solo el código circundante que necesita, y generalmente hará un trabajo mejor por menos dinero que uno al que se le entrega todo de una vez. La misma lógica se aplica a reutilizar el contexto entre llamadas en lugar de reconstruirlo desde cero cada vez.

Retrocediendo, recuerde que la razón por la que todo esto importa es que el volumen de código generado por IA está creciendo a un ritmo realmente frenético. En ese contexto, los costos crecientes parecen inevitables: ya sea por tener que corregir todos los problemas que produce el código de IA no validado, o por revisar cantidades cada vez mayores de código antes de que llegue a producción.

Pero los costos crecientes no son inevitables. Y la accesibilidad digital ofrece una solución, una que implica varios actos de equilibrio, entre la IA y las herramientas basadas en reglas y deterministas; entre la automatización impulsada por IA y la validación humana; y entre la escalabilidad y la rentabilidad. Lograr estos equilibrios correctamente depende de la disciplina organizacional. Cuanto antes las organizaciones desarrollen la disciplina para usar la IA de manera intencional, eficiente y adecuada, antes podrán esperar retornos positivos y medibles de sus inversiones en IA.