ai · ai · claude-code · cursor · engineering
Cómo estructuro mi flujo con Claude Code en Harbiz
Un sistema real de uso de AI en un equipo de producto: más allá del vibe coding.
14 may 2026 · 5 min
El problema
La mayoría de equipos adoptan AI de forma reactiva: cada developer prueba la herramienta que se le antoja, sin acordar reglas comunes, y al cabo de tres meses la base de código tiene cuatro estilos distintos, dos generadores de tests incompatibles y nadie sabe qué .cursorrules está activo en producción.
En Harbiz quisimos evitar eso. Lo que sigue es el sistema que estamos rodando — no una propuesta teórica, lo que hacemos cada día.
Equipo de ~8 developers full-stack en una codebase Meteor.js + React + Node. Llevamos 4 meses con Cursor + Claude Code en producción. Esto no es una recomendación universal, es lo que funciona en nuestro contexto.
Tres capas, no una
El error típico es tratar “usar AI” como una sola cosa. Para nosotros son tres capas con reglas distintas:
Capa 1 — Asistencia inline. Autocompletado en el editor. Velocidad pura. Cero reglas más allá de “no copies sin leer”. Es lo que el 100% del equipo usa el 100% del tiempo.
Capa 2 — Generación estructurada. Skills, sub-agents, MCPs. Aquí sí hay reglas: el agente lee un AGENTS.md, sigue el style guide del repo y genera tests por defecto.
Capa 3 — Workflows agénticos. Refactors multi-archivo, revisiones de PR, migraciones. Aquí entra el patrón PM → Developer → Reviewer que probamos el trimestre pasado.
Mini-squad pilot
Antes de extender a todo el equipo, sacamos un mini-squad de 3 personas durante un sprint. El objetivo no era “ir más rápido” sino medir qué pasa cuando 3 developers con el mismo set de skills atacan tickets del backlog real.
Los resultados crudos: el squad cerró 1.4× los tickets de un squad sin AI, pero con 2.1× más comentarios en code review. Lo segundo es la métrica importante: la AI no reduce el trabajo cognitivo, lo desplaza al reviewer.
Lo que falló
No todo salió como esperaba. El 91% del equipo declaró estar incómodo configurando .cursorrules, así que tuvimos que centralizarlo. Lo que en abstracto parece “cada uno con sus reglas” en la práctica era “nadie tiene reglas y todos copian el de Borja”.
Cierre
El sistema sigue evolucionando — el siguiente paso es introducir memoria persistente con ChromaDB + MCP server, lo que cubriré en otro artículo. Pero el principio fundamental ya está: AI estructurada como infraestructura, no como atajo individual.