En junio de 2025, Docusign se encontró ante un escollo en su proceso de adopción de herramientas de inteligencia artificial para sus equipos de ingeniería. Pese a que inicialmente el 49% de los ingenieros utilizaban las nuevas herramientas de codificación asistida por IA, la mejora en la productividad -cercana al 18%- había alcanzado una meseta y no mostraba un avance continuo. Los ingenieros requerían más tiempo para experimentar, así como orientación adaptada a la especificidad del código y ecosistema interno de Docusign para integrar estas tecnologías en sus tareas cotidianas.
Hoy, más de 1.100 ingenieros de Docusign han sido incorporados y hacen uso activo de las soluciones de inteligencia artificial implementadas, según reporta la empresa. Para el director tecnológico (CTO), Sagnik Nandy, el desafío está en mantener un uso consistente y efectivo, no solo alcanzar victorias puntuales en la adopción.
Con este objetivo, la compañía modificó su estrategia, abandonando el enfoque inicial basado en simples asistentes de codificación para pasar a desarrollar agentes reutilizables y automatizaciones que operan dentro de flujos de trabajo completos. 
El papel central de los ingenieros en la adopción de IA
En lugar de imponer el uso obligatorio de estas tecnologías, Docusign constituyó un equipo de seis ingenieros denominados “Eng AI Champions”, encargados de establecer directrices, compartir buenas prácticas y realizar talleres entre los equipos. Gracias a esta iniciativa, en octubre de 2025 la adopción activa había escalado hasta el 65%. Posteriormente, se incorporaron alrededor de 75 “Multiplicadores de IA” distribuidos en diversos equipos, quienes tenían la función de implementar las prácticas recomendadas, además de recoger y canalizar problemas o sugerencias hacia el núcleo de ingeniería.
Nandy explica que estos Multiplicadores debían desplegar las soluciones dentro de sus equipos y, al mismo tiempo, ofrecer retroalimentación sobre su funcionamiento, identificando qué aspectos funcionaban, cuáles requerían ajuste y qué faltaba por resolver.
Dos meses tras la incorporación de los «Multiplicadores», el uso activo de IA superó el 93%, y la cantidad de líneas de código modificadas por desarrollador aumentó aproximadamente un 52% desde el inicio del programa. Sin embargo, Nandy puntualiza que estos indicadores no garantizan por sí solos mejoras proporcionales en los tiempos de entrega o en la calidad del software.
El CTO atribuye la continuidad del programa a la combinación de coordinación centralizada junto con la retroalimentación constante de los equipos individuales, lo que permite ajustar y relanzar las soluciones de forma ágil. En palabras de Nandy, «muchos programas de IA comienzan bien, pero luego se diluyen; nuestra ventaja es contar con un flujo constante de información y acción basado en ese feedback».
Enseñando a la IA a hablar «Docusign»
Una vez los ingenieros manejaban con confianza las herramientas básicas de codificación asistida, la compañía abordó la integración de inteligencia artificial en flujos de trabajo más amplios y complejos. Esto requirió agentes que dispusieran de acceso a repositorios, arquitectura, telemetría y prácticas internas de Docusign, para poder actuar ajustados a su contexto particular.
«Bromeamos diciendo que nuestras soluciones y agentes ‘hablan Docusign’», afirma Nandy. «Conocen nuestras herramientas internas, las directrices de codificación, los criterios técnicos, y dónde buscar información para resolver ambigüedades».
Entre las herramientas específicas destacan:
- Kody, destinada a tareas propias de codificación de Docusign.
- Chronicle, para la monitorización y análisis de incidentes.
- DocuWiki, una documentación interna consciente del código.
Además, desarrollaron un sistema de revisión de código asistida por IA para identificar problemas de arquitectura y seguridad durante las evaluaciones.
La plataforma de orquestación Krew integra estos elementos permitiendo a los equipos crear agentes conocidos como «Krewmates» que automatizan tareas recurrentes y gestionan flujos de trabajo complejos.
«Los Eng AI Champions y los Multiplicadores identificaron flujos de trabajo de extremo a extremo que queríamos optimizar», detalla Nandy. Por ejemplo, un agente interno analiza durante la noche los registros de errores para detectar problemas y genera propuestas de solución que se presentan al ingeniero al día siguiente para su revisión, lo que según él resulta «mágico».
Este agente utiliza la telemetría recogida por Chronicle y las capacidades de codificación de Kody para coordinar la creación de una petición de extracción (pull request). En otro caso, Docusign señala que para corregir archivos de configuración de infraestructura, un agente modificó correctamente 10 de 12 documentos en 15 minutos con una muestra de commit, un proceso que antes consumía aproximadamente una semana del esfuerzo del ingeniero.
Reutilizando flujos de trabajo exitosos
Docusign entiende que el valor de un agente diseñado para un equipo se multiplica si se comparte y adapta fácilmente por otros. La plataforma Krew facilita la búsqueda, clonación y extensión de Krewmates vinculados a los sistemas internos, habilitando automatizaciones ante disparadores y con la intervención humana cuando es necesaria.
«Adoptamos una política muy abierta. Todos los Krewmates son visibles para cualquiera, mostrando su nivel de uso y permitiendo copiar y ampliar con facilidad», explica Nandy. Según esta filosofía, es mejor que mil personas hereden una solución buena a que mil personas tengan que aprender a crearla desde cero.
Para mantener esta red de agentes efectivos, es clave contar con documentación actualizada, mecanismos de reporte de fallos y responsables que supervisen la calidad y los costes operativos.
Midiendo lo realmente importante
Los datos de adopción reflejan la penetración de la IA en la ingeniería de Docusign, pero el CTO advierte que usar la cifra de usuarios activos como único indicador es insuficiente.
«Nos centramos en aportar valor real, no solo en indicadores anecdóticos o efectismos. Para lograrlo, se debe evolucionar hacia métricas que reflejen el efecto final», afirma.
Así, tras medir inicialmente el porcentaje de ingenieros que emplean IA y la cantidad de código generado, la siguiente fase consiste en evaluar si la integración impulsa mejores resultados reales: mayor velocidad en la entrega de funcionalidades, mayor satisfacción del cliente y mejora en la fiabilidad del software.
Para líderes de ingeniería, esto implica analizar tiempos de entrega, demoras en revisiones, pruebas, retrabajos e investigaciones de incidentes en lugar de centrarse solo en líneas de código o la cantidad de usuarios.
Guardarraíles antes que velocidad
Aunque la IA automatice ampliamente tareas, la responsabilidad humana sigue siendo primordial. «Cualquier solicitud de incorporación de cambios (PR) debe ser revisada y aprobada por una persona; ningún código entra sin supervisión», aclara Nandy.
El agente autónomo de codificación ejecuta pruebas antes de presentar PRs y se emplean etiquetas generadas por IA y controles de calidad antes de fusionar los cambios. Los Principios de Innovación en IA de Docusign subrayan el control humano y las salvaguardas.
La documentación de la plataforma Krew es explícita en cuanto a que un agente no puede aprobar automáticamente cambios ni realizar acciones irreversibles sin consentimiento humano.
Para Nandy, la IA es como una motosierra: una herramienta poderosa que exige un manejo cuidadoso para evitar daños. Además, advierte contra la sobreutilización de IA cuando métodos tradicionales serían más eficientes y predecibles.
Un modelo operativo basado en valor y contexto
Docusign fundamenta su enfoque en cinco principios: medir valor, hacer que las soluciones exitosas sean reutilizables, mantener costes y gobernanza sostenibles, establecer guardarraíles y adaptar las tecnologías al contexto propio de la organización.
Así, han logrado pasar de fomentar el uso puntual a consolidar flujos de trabajo mantenibles, evaluables y mejorables colaborativamente. Como siguiente paso práctico para líderes técnicos, Nandy recomienda escoger un flujo de trabajo concreto, definir el resultado esperado, asignar responsables y establecer dónde la aprobación humana es imprescindible antes de escalarlo.
La experiencia de Docusign demuestra que solo con la adopción no basta; se precisa de herramientas compartidas, liderazgo claro, feedback constante y métricas enfocadas en la mejora real del trabajo.
