El Business Analyst del futuro es un validador de IA

1. La IA puede ayudar, pero no conoce tu negocio

La IA identifica patrones, no contexto. No entiende la situación particular de tu empresa. Por ejemplo, puede no saber que:

• En tu organización, a los clientes se les llama "miembros".
• Las aprobaciones de acuerdos pasan por el departamento legal.
• Tu sistema legacy se comporta de forma impredecible los martes.

La IA puede darte una respuesta decente, pero no va a ajustarse a tu entorno.

Ejemplo

• Le pides a la IA que genere criterios de aceptación para un escenario de "Restablecimiento de contraseña desde la app móvil".
• Responde: "El usuario recibe un código para restablecer la contraseña por SMS".
• Sin embargo, la política de seguridad de tu empresa prohíbe el SMS y exige el uso de email. Solo un business analyst detectaría esto, porque conoce la organización.

2. Los buenos requerimientos dependen de buenos prompts

Los prompts son como requerimientos para la IA. Prompts vagos llevan a resultados poco claros.

Ejemplo

• Prompt: "Escribe user stories para un carrito de compras".
• Resultado: user stories genéricas que podrían servir para Amazon, Zalando, H&M o incluso para una startup en el garaje del vecino.

Un prompt más sólido sería:

• "Genera 5 user stories para un carrito de compras en un portal de compras B2B donde los usuarios solo pueden pedir artículos aprobados para su departamento y se requiere la aprobación de un manager para montos superiores a 500 €".

Ahora el resultado es mucho más específico y relevante.

Clave para el BA: escribir prompts es una extensión de la ingeniería de requerimientos.

3. La IA alucina

La IA llena los vacíos prediciendo respuestas probables, lo que genera resultados verosímiles pero incorrectos.

Ejemplo

Le preguntas a la IA:

• "Lista todos los puntos de integración existentes entre el ERP y el CRM".
• Responde con total seguridad algo como: "Servicio de sincronización de fidelización en tiempo real".
• Pero tu CRM ni siquiera tiene un módulo de fidelización. La IA no te está mintiendo a propósito: simplemente reproduce patrones sin una comprensión real.

Clave para el BA: un tono seguro no es garantía de precisión. Si la IA suena demasiado confiada, verifica el resultado.

4. Contrasta siempre con fuentes reales

La IA puede generar sugerencias, pero no puede verificarlas. Ahí es donde entra el BA.

Las fuentes típicas incluyen:

• Documentación previa
• Entrevistas con stakeholders
• Mapas de procesos
• Comportamiento del sistema
• Restricciones de compliance

Ejemplo

• La IA genera un mapa de procesos que dice: "El sistema bloquea automáticamente las cuentas después de tres intentos fallidos de inicio de sesión". Pero tu política de seguridad establece cinco intentos, no tres.
• El BA debe resolver la discrepancia: ya sea corrigiendo a la IA o actualizando la documentación si la regla cambió.

5. Las verificaciones de consistencia salvan proyectos

La IA a veces puede dar respuestas contradictorias. Los BAs son quienes detectan estas inconsistencias.

Ejemplo

• Iteración 1: "La cancelación de un pedido requiere la aprobación de un administrador".
• Iteración 2: "Los usuarios pueden cancelar un pedido en cualquier momento desde su perfil".

Un BA debería notar la contradicción y consultar con los stakeholders para resolverla.

6. Usa un framework de validación simple

Aquí tienes un checklist simple para que los BAs verifiquen los resultados de la IA:

✓ Corrección: ¿coincide con los hechos y el comportamiento del sistema?
✓ Completitud: ¿faltan pasos, actores o excepciones?
✓ Viabilidad: ¿la solución es realista para tus sistemas?
✓ Claridad: ¿hay algo ambiguo o demasiado genérico?
✓ Alineación con el negocio: ¿apoya objetivos de negocio reales?
✓ Riesgo y ética: ¿introduce problemas de privacidad, sesgos o riesgos de compliance?

Este nivel de revisión suele ser suficiente para prevenir problemas más adelante.

7. La IA mejora la velocidad, no la calidad

La IA puede ayudarte a redactar borradores más rápido, pero la calidad sigue dependiendo de las habilidades del BA:

• Cuestionar supuestos
• Refinar la redacción
• Eliminar ambigüedades
• Agregar edge cases faltantes
• Alinear con la estrategia del negocio
  
  

La IA acelera el trabajo. El BA mejora los resultados.

8. La trazabilidad sigue siendo un trabajo humano

La IA genera ideas, pero no las conecta. Los BAs las vinculan con:

• Objetivos de negocio
• Procesos
• Personas
• Sistemas
• KPIs

Sin trazabilidad, los requerimientos pueden verse bien, pero no van a generar resultados reales.

9. La validación ética ahora es parte del rol del BA

La IA puede producir recomendaciones que introducen riesgos o sesgos, como:

• Excluir a ciertos usuarios
• Recopilar datos personales innecesarios
• Automatizar decisiones que afectan a los empleados

Los BAs deben estar atentos a estas señales de alerta.

Ejemplo

• La IA propone: "Rechazar automáticamente a los candidatos que no se graduaron en universidades de prestigio".
• Esto introduce un sesgo y entra en conflicto con las políticas de equidad y diversidad. Un BA debe intervenir.

Reflexión final: el BA del futuro es un validador de IA

La IA no va a reemplazar a los business analysts, pero sí está redefiniendo su enfoque:

• Menos tiempo documentando
• Más tiempo revisando, validando y refinando los resultados de la IA
• Mayor énfasis en la alineación con el negocio y la ética
• Un rol más fuerte en la definición de la estrategia digital

La IA puede redactar borradores. Los BAs garantizan que esos borradores sean precisos, relevantes y utilizables. Ahí es donde está el valor.