Cuando se presentó el “One Big Beautiful Bill” (OBBB) como un enorme documento no estructurado de 900 páginas, el equipo de TurboTax de Intuit enfrentó un desafío monumental. No tenían formularios estandarizados que seguir, ni instrucciones oficiales del IRS y una fecha límite estricta que cumplir. Tradicionalmente, implementar una legislación tan compleja requeriría meses de trabajo manual.
En cambio, Intuit desarrolló un flujo de trabajo especializado impulsado por IA que comprimió meses de trabajo en apenas días. Esta no fue sólo una victoria para la preparación de impuestos; creó un modelo para cualquier industria (como la atención médica, el derecho o las finanzas) que debe traducir regulaciones complejas en software preciso y de alto riesgo.
El desafío: complejidad sin una hoja de ruta
Para comprender la magnitud de este logro, hay que observar cómo Intuit manejó anteriormente importantes cambios legislativos. Durante la Ley de Empleos y Reducción de Impuestos (TCJA) de 2017, el equipo trabajó sin IA, decodificando manualmente secciones legales y rastreando cómo se interconectaban.
La OBBB presentó obstáculos aún mayores:
– Caos estructural: Llegó como un documento desestructurado sin un esquema fijo.
– Inconsistencia legislativa: Las versiones de la Cámara y el Senado usaron lenguaje diferente para describir las mismas disposiciones.
– El problema del “objetivo en movimiento”: El equipo tuvo que comenzar a codificar antes de que el IRS hubiera publicado formularios o instrucciones oficiales.
En una industria regulada, hay margen de error cero. Un solo error en el cálculo de impuestos puede tener importantes consecuencias legales y financieras para millones de usuarios.
El flujo de trabajo: del texto legal al código funcional
Intuit no se limitó a “pedirle a ChatGPT” que escribiera su código. En lugar de ello, implementaron una estrategia de múltiples niveles que pasó del análisis general a una implementación altamente especializada.
1. Destilación rápida de documentos
El equipo utilizó modelos de lenguaje grande (LLM) de uso general como ChatGPT para realizar el trabajo pesado del análisis de documentos. Usaron estos modelos para:
– Resumir las versiones de la Cámara y el Senado.
– Conciliar las diferencias entre ambos.
– Filtre el texto masivo para identificar solo las disposiciones específicas que impactaron a los clientes de TurboTax.
Esta fase convirtió lo que solían ser semanas de lectura manual en cuestión de horas.
2. Cerrar la brecha con IA de dominio específico
Los modelos generales de IA chocaron contra un muro en lo que respecta a la codificación real. TurboTax no se ejecuta en lenguajes de programación estándar; se basa en un lenguaje propietario y específico de dominio mantenido por Intuit.
Para resolver esto, el equipo recurrió a Claude. A diferencia de los modelos generales, Claude se utilizó para mapear profundamente la dependencia, identificando cómo las nuevas disposiciones legales interactuarían con décadas de código complejo existente. Esto permitió a los desarrolladores ignorar lo que permanecía igual y centrarse exclusivamente en lo que estaba cambiando.
3. Automatización de la experiencia del usuario y las pruebas
Para garantizar que la velocidad no comprometa la calidad, Intuit creó dos herramientas patentadas críticas:
– IU generada automáticamente: Una herramienta que genera automáticamente pantallas de productos según la nueva ley, lo que reduce la necesidad de diseño manual.
– Pruebas unitarias avanzadas: Las pruebas tradicionales solo le indican si un fragmento de código “aprueba” o “falla”. El nuevo marco de Intuit identifica el segmento de código exacto que causó una falla y explica por qué, lo que permite a los desarrolladores corregir errores instantáneamente dentro del marco.
Un plan para industrias reguladas
El éxito de este proyecto proporciona un marco de cuatro partes para cualquier organización que trabaje dentro de límites regulatorios estrictos:
- Utilice IA general para análisis: Aproveche los LLM comerciales para analizar, resumir y filtrar cantidades masivas de datos no estructurados.
- Utilice herramientas especializadas para la implementación: Cuando pase de “leer” a “construir”, haga la transición a herramientas que comprendan su entorno propietario específico.
- Priorice las pruebas inteligentes: No se limite a crear pruebas de “aprobado/reprobado”; construir una infraestructura de diagnóstico que explique por qué ocurrió una falla.
- Distribuya la fluidez de la IA: La IA no debería ser una herramienta reservada para los ingenieros; debe integrarse en todos los departamentos para garantizar que toda la organización pueda validar y utilizar la tecnología de forma eficaz.
“Todo se reduce a contar con experiencia humana para poder validar y verificar casi cualquier cosa”, dice Sarah Aerni, vicepresidenta de tecnología de Intuit.
Conclusión
Al combinar IA de uso general para un análisis rápido con herramientas patentadas para codificación y pruebas especializadas, Intuit demostró que la IA puede acelerar drásticamente los ciclos de desarrollo sin sacrificar la precisión absoluta requerida por las industrias reguladas.
