Tamaño de texto
Contraste
Movimiento
gestion-tecnologia · 7 min de lectura

El rol del analista funcional en la era de los agentes autónomos

Cómo los agentes de IA transforman el trabajo del analista funcional y por qué la ingeniería de contexto se vuelve una habilidad clave.

Compartir

Cada vez que aparece una tecnología disruptiva surge la misma pregunta: ¿este rol va a desaparecer? Con los agentes de IA autónomos, la pregunta apunta al analista funcional. La respuesta corta es no. La respuesta larga es más interesante: el rol se mueve hacia actividades más estratégicas, apoyándose en los agentes como asistentes especializados.

Qué hace un analista funcional, en realidad

El analista funcional traduce entre dos mundos que hablan lenguajes distintos: el negocio y la tecnología. Entiende qué necesita realmente la organización (que rara vez coincide con lo que pide), lo convierte en especificaciones que el equipo técnico puede implementar y valida que lo construido resuelva el problema original.

Ese proceso requiere empatía, capacidad de síntesis, comprensión del contexto organizacional y habilidad para detectar lo que no se dice. Ningún agente de IA tiene eso hoy.

Cómo cambian sus tareas con agentes de IA

Los agentes pueden generar documentación funcional a partir de entrevistas transcritas, identificar inconsistencias en requerimientos existentes, comparar especificaciones contra código implementado y sugerir casos de prueba para un flujo dado.

Esto no elimina al analista: libera tiempo para el trabajo de mayor valor, como priorizar iniciativas, alinear stakeholders y rediseñar procesos completos en lugar de documentar variantes menores.

El analista que no incorpore agentes en su flujo de trabajo va a ser menos productivo que el que sí lo hace. La generación mecánica de documentos, la normalización de requisitos repetitivos y el mapeo básico de procesos se automatizan parcialmente.

Lo que permanece —y se vuelve más crítico— es la capacidad de hacer las preguntas correctas, detectar cuando un requerimiento oculta un problema más profundo y facilitar la alineación entre stakeholders con intereses contradictorios.

Ingeniería de contexto: la habilidad emergente

Un agente de IA no es solo un modelo de lenguaje. Es un sistema compuesto por:

  • El modelo (el motor de razonamiento)
  • El contexto (la información que recibe para operar)
  • Las herramientas (lo que puede hacer en el mundo real)
  • La memoria (lo que retiene entre interacciones)
  • La lógica de orquestación (cómo se encadenan las acciones)

El modelo puede ser intercambiable. El contexto, no.

El contexto es todo lo que el modelo recibe antes de generar una respuesta: instrucciones del sistema, historial de conversación, documentos de referencia, resultados de herramientas previas, estado actual de la tarea.

Construir ese contexto de forma correcta —eligiendo qué incluir, qué omitir, en qué orden y con qué formato— es lo que determina si el agente funciona en producción o falla de forma impredecible.

Para el analista funcional, esto se traduce en una extensión natural de su trabajo: saber qué información es relevante y cómo presentarla para que quien la recibe (humano o agente) pueda actuar correctamente.

Caso práctico: Huella del fuego en Argentina

En Huella del fuego en Argentina, un agente de análisis de incendios recibe datos geoespaciales crudos. Sin ingeniería de contexto, el modelo genera resúmenes genéricos. Con el contexto correcto —zona geográfica, temporada histórica, humedad relativa, viento predominante— genera análisis de riesgo accionables.

La diferencia no está en el modelo. Está en lo que se le da para trabajar. Ese diseño del contexto es responsabilidad compartida entre el equipo técnico y el analista funcional.

Hacia dónde evoluciona el rol

El rol del analista no desaparece; se desplaza hacia arriba en la cadena de valor. Los analistas que entiendan cómo trabajar con agentes y dominar la ingeniería de contexto serán más valiosos, no menos.

En la práctica, eso implica:

  • Incorporar agentes en las etapas mecánicas del análisis (documentación, normalización, generación de casos de prueba).
  • Diseñar el contexto que esos agentes necesitan para producir resultados confiables.
  • Medir el impacto de la automatización en tiempos, calidad y satisfacción de los stakeholders.

Los analistas funcionales que abracen esta transformación se convertirán en arquitectos de la colaboración humano–IA dentro de sus organizaciones.

Fuentes y referencias

  1. Building effective agents — Anthropic
  2. Agents SDK documentation — OpenAI