Lo que de verdad construyo cuando un cliente dice «añade IA al producto»

«Añade IA al producto» es el encargo que más escucho ahora, y casi nunca es una sola función. Debajo suele haber una de cuatro tareas distintas: un chat o buscador que transmite una respuesta en vez de mostrar un spinner, un paso de diseño a código que esboza un componente a partir de Figma en vez de escribirlo desde cero, una herramienta interna que lee algo desordenado (una captura, un PDF, una hoja de cálculo) en vez de obligar a alguien a volver a teclearlo, o una función multimodal de verdad donde la entrada no es texto en absoluto. Nombrar cuál es de verdad decide toda la construcción.

Prefiero pasar la primera llamada clasificando el encargo en estas cuatro categorías que empezar con una hoja comparativa de modelos. El modelo rara vez es la parte difícil. La fontanería alrededor - el estado mientras los tokens llegan en streaming, un archivo de Figma que un agente pueda parsear de verdad, una cola para las capturas que un bot interno tiene que procesar - ahí es donde se van las semanas.

1. UI en streaming con el Vercel AI SDK

Una caja de chat que responde todo de golpe, tras cinco segundos de espera, se siente rota incluso cuando el modelo es rápido - la gente lee la primera frase mientras se sigue escribiendo, no después. Los hooks useChat y useCompletion del Vercel AI SDK gestionan el flujo de tokens, pero lo que los clientes de verdad juzgan es lo que hay alrededor: un botón de stop que cancela de verdad la petición, un regenerate que no duplica el último mensaje, y una UI que no salta cuando un bloque de código o una tabla llega en streaming a mitad de frase.

El fallo más frecuente que veo en construcciones existentes no es el streaming en sí - es el estado. Un componente de React que vuelve a renderizar toda la lista de mensajes en cada token, un flag de carga que nunca se resetea tras una petición cancelada, un campo de entrada que sigue deshabilitado tras un error. Nada de eso se nota en una demo con un solo mensaje de camino feliz; todo eso se nota después del décimo mensaje de un usuario en el día.

2. Figma-to-Code vía MCP, y dónde el humano todavía tiene que mirar

Un servidor MCP que expone un archivo de Figma deja que Cursor o Claude lean el diseño real - nombres de frames, tokens de espaciado, variantes de componentes - en vez de adivinar a partir de una captura. Eso lleva rápido un primer borrador de componente a un estado razonable: estructura correcta, espaciado más o menos correcto, nombres de clase reales en vez de placeholders.

No acierta con los breakpoints responsivos, la accesibilidad, ni los estados que un diseñador nunca dibujó - hover, disabled, vacío, cargando - sin que una persona lo revise. Trato la salida de MCP como un primer borrador rápido, no un PR listo para fusionar: el tiempo que ahorra está en teclear el boilerplate, no en la revisión.

3. Herramientas internas potenciadas por IA, y dónde lo multimodal realmente se paga

La función de IA con mejor ROI que construyo casi nunca es de cara al cliente. Una herramienta interna que lee la factura en PDF de un proveedor y rellena los campos que un contable antes volvía a teclear, u otra que mira una captura de un reporte de bug y redacta el ticket - menos riesgo que un chatbot público, más volumen del que la mayoría espera, y a nadie le importa un borde tosco porque le ahorra su propio tiempo.

Ahí es también donde la IA multimodal - un modelo que lee una imagen o un PDF en vez de solo texto - se paga sola. Añadir entrada de imagen a una función de cara al cliente «porque se puede» normalmente no compensa la superficie de fallo extra. Añadirla a un formulario que un empleado rellena cuarenta veces al día, sustituyendo un documento que si no volvería a teclear, se amortiza en el primer mes.

Conclusión: nombre la función antes de nombrar el modelo

«Añade IA al producto» solo se convierte en un plan cuando es una de estas cosas: un chat que transmite bien, un paso de diseño que esboza en vez de reemplazar a un desarrollador, una herramienta interna que automatiza un trabajo concreto de reescritura, o una entrada multimodal de verdad. Construyo las cuatro, conectadas con el Vercel AI SDK, MCP y el modelo que encaja con el trabajo, no el que más se menciona ese mes. Escriba por el formulario qué se supone que la IA debe leer o decir, y le diré cuál de las cuatro es.