Durante años, el Product Requirements Document (PRD) fue la brújula de todo desarrollo digital. Pero en la era de los agentes inteligentes, esa brújula se está reescribiendo. Xavi Amatriain, primer chief AI and data officer de Expedia Group, lo expresó con claridad en el VB Transform 2026: 'Los nuevos PRD son los evals'. Es decir, la especificación tradicional de producto se desplaza hacia una definición exhaustiva de evaluaciones —incluyendo red teaming, pruebas de seguridad y métricas de comportamiento— que se codifican antes de escribir una sola línea de código. Este cambio de paradigma no solo afecta a gigantes como Expedia: redefine cómo cualquier empresa debe abordar el desarrollo de software hoy, especialmente cuando se integran componentes de inteligencia artificial.
La tesis de Amatriain es provocadora y práctica a la vez. En lugar de redactar documentos estáticos que describen funcionalidades, propone que los equipos inviertan todo su esfuerzo en diseñar los tests que validarán que el sistema se comporta correctamente. 'Todo tu pensamiento va a concentrarse en los evals', afirmó. Este enfoque convierte la evaluación continua en el motor del desarrollo, un concepto que resuena con fuerza en un momento donde el 66% de las empresas encuestadas por VentureBeat ya permiten despliegues en producción sin revisión humana o planean hacerlo en los próximos doce meses. Sin embargo, solo el 5% confía plenamente en las evaluaciones automatizadas que toman esa decisión. La brecha es evidente: necesitamos mejores evals, no solo más.
Para Amatriain, el problema no se soluciona apilando barreras. 'Cuantas más reglas de negocio artificiales y guardrails pongas en el sistema, peor', advirtió. Los guardrails, aunque necesarios, introducen sesgos en el bucle de retroalimentación, distorsionando lo que aprendemos del usuario. La solución no es eliminarlos, sino minimizar su impacto mediante un diseño inteligente. Expedia ha optado por tres capas de gobernanza: principios generales (cultura y valores), procesos y herramientas que los refuerzan, y automatización que los ejecuta. Este modelo se materializa en los 'toll gates' de lanzamiento de agentes, unos puntos de control calibrados según el riesgo. Si un agente es de bajo riesgo, apenas necesita supervisión; si implica decisiones críticas (como recomendar un vuelo), requiere rondas de evaluación, red teaming y revisión de seguridad.
La arquitectura también cambia. Amatriain descarta la inteligencia artificial general como un monolito único y apuesta por la composición de agentes especializados. En Expedia, las herramientas forman habilidades, estas se ensamblan en subagentes, y un orquestador los coordina. Cada agente está acotado, lo que facilita su evaluación y bloqueo de forma aislada antes de integrarlo. 'No es cuestión del modelo, sino de cómo diseñas el sistema', insistió. Este diseño sistémico permite, por ejemplo, que un agente de recomendación de hoteles combine recuperación aumentada generativa (RAG) con llamadas directas a APIs, eligiendo entre respuestas rápidas (precios medios en Chicago) o procesos más largos (comparar reseñas reales de viajeros con lo que declara un hotel). Y siempre, la decisión final queda en manos del usuario: 'El agente puede recomendar, sugerir, discutir contigo, pero tú tienes que hacer clic. Eso es innegociable', afirmó Amatriain, convirtiendo esa norma en una decisión de seguridad nativa.
La seguridad, precisamente, debe integrarse desde el principio. 'Cuando necesitas un guardrail es porque no lo pensaste antes', dijo. En su visión, los principios de diseño deben incluir la seguridad como un requisito tan básico como la funcionalidad. Y el ciclo no termina en el lanzamiento: las señales de monitoreo en producción deben retroalimentar el conjunto de evals, creando un bucle casi automático de detección y corrección. La urgencia es real: el 54% de las empresas ya ha sufrido un incidente de seguridad con agentes o un cuasi accidente, según VentureBeat. Además, los atacantes ya no serán solo humanos. 'Vas a recibir amenazas de otros sistemas agénticos externos, muy poderosos, que van a sondear todo lo que haces', alertó Amatriain.
Este panorama exige una transformación profunda en la forma de construir software. Las empresas que quieran adoptar este modelo —evals como PRD, gobernanza por riesgo, agentes especializados y seguridad desde el diseño— necesitan socios tecnológicos que entiendan tanto la teoría como la práctica. Aquí es donde aplicaciones a medida se convierten en un habilitador clave. Q2BSTUDIO, con su experiencia en desarrollo de software personalizado, ayuda a las organizaciones a integrar estas lecciones en sus propios sistemas, ya sea creando microservicios, implementando pipelines de evaluación o diseñando dashboards de monitoreo con BI. La IA no es un producto que se compra, sino un ecosistema que se construye, y cada pieza —desde la nube en AWS o Azure hasta la ciberseguridad— debe orquestarse con precisión.
Q2BSTUDIO ofrece servicios que van más allá del código: asesoramiento en arquitecturas de agentes, implantación de sistemas de evaluación continua, y blindaje de infraestructuras cloud. En un mundo donde los evals son el nuevo PRD, disponer de una plataforma robusta de testing y monitorización es tan crítico como tener un buen modelo. La automatización de procesos, el análisis de datos con Power BI y la gobernanza en la nube se integran en un enfoque holístico que permite a las empresas no solo reaccionar a los fallos, sino anticiparse a ellos. La lección de Expedia es clara: no esperes a que un agente falle con un cliente real para ajustar tus evaluaciones. Diseña, evalúa, monitorea y repite. Y hazlo con aliados que dominen cada capa de la cadena tecnológica.
