Deuna: Una arquitectura basada en microservicios

Deuna! es un ecosistema financiero creado por el Banco Pichincha, que lleva dos años en el mercado. Felipe Duclos Letelier, Chief Product and Technology Officer de Deuna, señala que el corazón de su arquitectura se basa en microservicios, APIs y una infraestructura cloud native, complementada con un conjunto de productos como Auth0, Mambu, Frame Banking y Databrick. “Este mix nos ha permitido acompañar de manera óptima el crecimiento transaccional que hemos experimentado, así como acelerar la liberación de cada feature que diseñamos”.

La solución fue desarrollada internamente con un equipo de colaboradores y socios tecnológicos. Para organizar este trabajo, el ejecutivo menciona que adoptaron un marco metodológico basado en Scrum y lo escalaron mediante el modelo Spotify, que combina células, tribus y capítulos que permite gestionar la complejidad del proceso de entrega.

Además, para aprovechar al máximo el potencial del modelo, incorporaron gradualmente prácticas de DevOps, especialmente altos niveles de automatización en los pipelines que despliegan el software en los diferentes entornos. Esto se combina con herramientas que automatizan pruebas unitarias, funcionales, no funcionales y de seguridad. “Todo esto nos ha permitido mejorar tanto la velocidad de desarrollo de nuestros features como mantener altas tasas de calidad”.

Para la operación, utilizaron prácticas de ITIL modificadas para que se adecuen a la visión que propone DevSecOps. “Estamos gradualmente automatizando también toda la carga de trabajo asociada a los procesos de monitoreo y resolución de incidentes”.

Felipe Duclos describe los principales desafíos iniciales que enfrentaron al integrar estas metodologías. Primero, fue necesario educar a los equipos sobre los marcos ágiles utilizados y construir un modelo de gobierno del producto que priorizara adecuadamente las necesidades y soluciones propuestas. El mayor desafío inicial, según Duclos, fue crear conciencia sobre la necesidad de balancear adecuadamente la necesidad de salir al público con la solución en un plazo definido, con la eventual deuda que esto puede generar.

Actualmente, enfrentan nuevos desafíos relacionados con la deuda técnica acumulada que se generó, trabajando en la refactorización de la arquitectura y el sistema de diseño. “Comenzamos con modelos manuales de testing y, desde hace más de seis meses, estamos trabajando en la automatización de nuestros casos de prueba”.

Además, con el crecimiento que están experimentando, surgen nuevas necesidades, como ampliar los equipos, mantener la eficiencia y asegurar un retorno adecuado.

En este proceso, el ejecutivo señala que se ha logrado construir una arquitectura moderna, flexible y elástica que acompaña la evolución del negocio. Además, se han implementado buenas prácticas relacionadas con el modelo de gobierno del producto, asegurando que este pueda evolucionar de manera coherente con las necesidades de los clientes, priorice lo urgente, aceptando las limitaciones de capacidad que son inevitables en cualquier organización.

Para Felipe Duclos, el éxito de esta iniciativa se fundamenta en un equipo de personas apasionadas y talentosas, que comparten la misma visión, no temen a los desafíos y creen firmemente que nada es imposible. La adopción de un marco de trabajo que maximiza el potencial de estos elementos, manteniendo siempre una perspectiva pragmática centrada en el retorno del modelo más que en el modelo en sí. Y, por último, la medición de todo y de manera temprana y activa para resolver problemas.

Los planes a futuro en términos de adopción tecnológica se centran en aprovechar las capacidades de la IA generativa. Para ello, Felipe Duclos señala que se han identificado varios casos de uso, siendo el más avanzado la implementación de un motor de IA generativa a lo largo de todo el ciclo de entrega. “Estamos convencidos de que esta tecnología puede mejorar la productividad, la velocidad y la calidad del ciclo, apoyando el trabajo de nuestros colaboradores. Incluso hemos realizado pilotos que nos han permitido automatizar más del 50% de las tareas necesarias para un caso de prueba”.

Menciona que “la adopción de modelos de inteligencia artificial generativa será fundamental en el competitivo escenario en el que nos desenvolvemos diariamente”.