Si has llegado aquí desde mi artículo anterior, ya sabes que llevo casi 50 años en informática y he visto cuatro grandes transformaciones de la profesión. Si no, lo resumo en una frase: empecé en 1977 como operador de un IBM 360/20 con 12 KB de memoria y 5,4 MB por disco; ahora construyo un producto SaaS con inteligencia artificial.
Este artículo trata de la cuarta transformación, la que estamos viviendo ahora con la IA generativa, y de cómo se construye software cuando aparece una tecnología que cambia quién hace qué.
Empezaré por la frase que define mi forma de trabajar hoy:
La IA es el equipo que desarrolla. Las ideas son mías.
Qué significa esa frase
Cuando construyo algo nuevo, yo no escribo ni una línea de código. Lo escribe la IA. Pero eso no significa que la IA decida qué se hace ni cómo. Las decisiones son mías:
- Qué problema vamos a resolver.
- Para quién.
- Cómo debería funcionar el producto.
- Qué tecnologías encajan mejor.
- Qué arquitectura tiene sentido.
- Qué priorizamos primero y qué dejamos para después.
- Qué calidad técnica exigimos.
- Qué está bien y qué hay que reescribir.
Todo eso lo decido yo. La IA es muy buena escribiendo código, pero no sabe qué problema merece la pena resolver. No sabe qué tipo de usuario va a usar la herramienta. No sabe si lo que ha escrito es excesivamente complejo o excesivamente simple para el caso. No sabe cuándo está sobreingenierizando ni cuándo está cortando esquinas.
Es como dirigir un equipo de desarrolladores muy competente pero sin contexto del negocio. Si no les dices qué hay que hacer, hacen cualquier cosa. Si no revisas lo que producen, te entregan código que funciona pero que no resuelve tu problema real.
El conocimiento previo, que en mi caso son casi 50 años en la profesión, es lo que hace posible esta forma de trabajar. Saber qué pedir. Saber leer lo que te entrega. Saber detectar cuándo algo no encaja. Saber pedir el cambio correcto.
Sin ese conocimiento, conversar con la IA es como dirigir un equipo de desarrolladores sin saber programar: te entregan algo, no sabes si está bien, no sabes qué pedir como mejora, te quedas atascado a las dos primeras preguntas.
Proyectos para aprender
Cuando uno descubre que algo es posible, la forma de interiorizarlo es construir cosas. Antes de llegar a Billexia construí varios proyectos personales, cada uno con un aprendizaje distinto.
Una app de la compra colaborativa
El primero fue una aplicación móvil de lista de la compra. No una más: una colaborativa, pensada para resolver un problema doméstico real. En una familia o en un grupo que comparte la compra, alguien añade un producto y otra persona lo compra, pero no se sabe en tiempo real qué se ha añadido ni qué se ha comprado. Acabas comprando dos veces lo mismo o discutiendo sobre quién tenía que comprar el aceite.
Lo construí en React Native con Expo, framework que no había tocado antes. La app sincroniza en tiempo real entre dispositivos, muestra quién añade y quién compra cada producto, y los ordena automáticamente por categoría para optimizar la compra en el supermercado. La publiqué en Google Play Store firmando el APK Android yo mismo. Sigue ahí, en Lystocart en Google Play. El aprendizaje no fue técnico, fue de proceso: pasar por todo el ciclo (idea, diseño, código, pruebas, publicación) usando una tecnología nueva, en pocas semanas, solo.
La IA no sustituye el conocimiento. Lo acelera enormemente y multiplica su alcance.
Un patrón que se repetía: OCR, texto, interpretar, ordenar
Dos proyectos distintos acabaron siguiendo exactamente la misma estructura.
El primero fue un libro de relatos familiares. Recopilación de textos escritos por una sola persona, acumulados durante años en formatos heterogéneos: emails antiguos, mensajes de WhatsApp, algunos documentos escaneados a partir de papel. Para los escaneados usé OCR con IA: el OCR clásico falla cada vez que cambia el formato; la IA, en cambio, lee la imagen y extrae el texto sin necesidad de plantillas. Pero el reto principal no estaba en extraer texto, sino en convertir aquella mezcla en un libro coherente: revisar puntuación, eliminar duplicados, dar continuidad y, sobre todo, reordenar cronológicamente fragmentos dispersos que mezclaban épocas y lugares. Ahí la IA brilló: comparando fechas implícitas, agrupando fragmentos relacionados, proponiendo secuencias.
El segundo proyecto tuvo el mismo flujo aunque el contenido fuera distinto. Recetas de cocina manuscritas de una persona, acumuladas en papelitos y libretas: escanear, OCR con IA para extraer cada texto, clasificación automática por tipo (salsas, sopas, ensaladas, dulces, panes), ordenación alfabética dentro de cada tipo, y generación de un documento Word estructurado con el recetario completo.
Salí de ambos proyectos con una idea clara. El patrón se repetía: OCR para extraer texto, IA para interpretar el contenido, criterios definidos por mí para ordenarlo, producto final estructurado. Lo que en cada proyecto eran tareas manuales de semanas o meses, con este patrón se convertían en trabajos de días. Y la técnica de OCR con IA, sin plantillas, me había dejado pensando.
Hubo otros experimentos por el camino, fuera del hilo principal. Una versión móvil del juego Rogue, aquel clásico de los años 80 cuya generación procedural y permadeath inventaron un género entero. Me sirvió para descubrir que la IA también ayuda con cosas creativas (mecánicas de juego, balance, descripciones), no solo con código rutinario. Pero no es ese el hilo de este artículo.
La semilla de Billexia
Lo que vino después fue el clic definitivo.
Una sociedad limitada familiar me pidió ayuda con un problema concreto. Recibían facturas de proveedores cada mes (entre diez y doce, nada extraordinario) que había que registrar para la gestoría y, sobre todo, había que comprobar contra los movimientos de la cuenta corriente. Cada cargo bancario debía tener su factura correspondiente: ni cargos sin factura, ni facturas sin cargo. Un trabajo manual, tedioso, repetitivo. Horas cada trimestre dedicadas a cuadrar papeles.
Construí un pequeño programa en Python para resolverlo. Como en los proyectos anteriores, el código lo escribió la IA. El programa hacía tres cosas:
- Leía cada factura recibida en cualquier formato (PDF, imagen, lo que fuera).
- Enviaba la imagen a la API de Anthropic para extraer los datos estructurados (proveedor, fecha, importe, número de factura) y generaba un CSV con todos los datos.
- Comparaba ese CSV con el extracto bancario y marcaba qué facturas tenían cargo correspondiente, cuáles no, y qué cargos quedaban sin factura asociada.
Lo que antes era trabajo de horas pasó a ser trabajo de minutos.
Ahí fue el “Eureka”. La suma del proyecto del libro familiar y este pequeño programa para la SL familiar dejó algo claro: si una IA puede extraer datos fiables de cualquier factura, sin plantillas, sin reglas, y compararlos contra cualquier extracto bancario, ¿qué pasa cuando lo aplicas no a doce facturas al mes de una pyme, sino a cientos de facturas mensuales que reciben las gestorías de toda España?
Es el mismo problema.
Multiplicado por miles.
Todos los meses.
Con consecuencias contables reales.
Billexia, hoy
Billexia es la solución a eso. Una herramienta SaaS que automatiza la extracción de datos de las facturas recibidas mediante IA. Recibe el archivo en cualquier formato (PDF, JPG, foto de móvil, DOCX, XLSX y otros) y devuelve los datos estructurados listos para importar a la contabilidad o al ERP. Sin plantillas que mantener. Sin reglas que ajustar cuando un proveedor decide cambiar el diseño de su factura.
Ahora está en fase beta. La construyo desde Madrid, solo, con la misma metodología que usé en todos los proyectos anteriores: yo decido qué hay que construir, la IA escribe el código, yo reviso, pido cambios, iteramos.
Las ideas, las decisiones de producto y la dirección técnica son mías. El código lo escribe la IA.
Por qué el conocimiento previo importa más que nunca
Hay una idea que circula sobre la IA generativa que me parece equivocada: que ahora “cualquiera puede construir software”. Es verdad solo a medias.
Cualquiera puede pedirle a una IA que escriba código. Pero saber qué pedir, leer lo que te entrega, detectar cuándo algo no encaja, pedir el cambio correcto, decidir qué arquitectura tiene sentido para qué problema: eso requiere conocimiento previo.
En mi caso, casi 50 años en informática. En el caso de un asesor fiscal, décadas conociendo el día a día de las gestorías. En el caso de un médico, décadas conociendo cómo se diagnostica. En cada disciplina, el conocimiento profundo del dominio es lo que permite usar la IA para crear cosas valiosas.
Una persona con conocimiento profundo más una IA es un equipo enorme. Una persona sin conocimiento más una IA es alguien que pide cosas que no entiende y acepta respuestas que no puede evaluar.
Lo que me sorprende
Mirando atrás, lo que más me sorprende no es la tecnología en sí. Es lo que esa tecnología permite a una sola persona con conocimiento.
En 1995, hacer Billexia hubiera requerido un equipo grande, varios años de desarrollo, y un presupuesto que ningún emprendedor podría asumir. Hoy lo construyo yo, solo, en pocos meses. No porque sea mejor ingeniero que los equipos de 1995. Es porque tengo herramientas radicalmente distintas.
Eso no quita valor al trabajo en equipo. Lo amplifica. Lo que un equipo de diez personas con buenas herramientas puede hacer hoy es radicalmente distinto a lo que podía hacer hace una década.
Si trabajas en una gestoría o llevas la administración de tu propia empresa y te preguntas si la IA va a cambiar tu sector, la respuesta corta es sí. La larga es: probablemente menos rápido de lo que dicen los entusiastas, y mucho más profundamente de lo que dicen los escépticos.
Después de pasar media vida automatizando procesos bancarios, hoy aplico esa experiencia en Billexia, una herramienta SaaS que utiliza IA para extraer datos de facturas automáticamente. Si trabajas en gestoría, asesoría o administración de pymes y quieres saber más, puedes escribirme a cfresco@billexia.com.