Coding no está resuelto: lo que los CEOs tech ignoran

Por qué la pregunta "¿está resuelto coding?" no se va

En 2026 la narrativa dominante en tech dice que los LLMs ya escriben código production-ready: más rápido, más barato y, con buen prompt, igual de bueno que un ingeniero. El ingeniero y creador de contenido Alex Ewerlöf publicó el 28 de septiembre una columna titulada Coding Is Not Solved que se volvió referencia porque enumera, sin aspavientos, las cosas que ese relato oculta. Y dos hechos recientes le dan peso: el CEO de Shopify, Tobias Lütke, acaba de pedir perdón pública por los mismosoutputs que él mismo obligó a producir, y GitHub estuvo casi ocho horas caído en agosto, arrastrando Copilot con él.

La discusión importa porque define cuánto vale hoy un equipo de ingeniería, qué se puede externalizar a un agente y dónde está el riesgo sistémico de apoyarse en infraestructura que ya no distingue entre "lo escribí yo" y "lo escribió un modelo por mí".

Qué dice exactamente Ewerlöf

El argumento central del post se sostiene en tres puntos verificables con la práctica de cualquier equipo:

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Los requisitos no funcionales (NFR) son la mayor parte del costo. Mantenimiento, fiabilidad, seguridad y escalabilidad dominan el TCO de un sistema. La creación del código es solo la puerta de entrada.
La IA no puede ser accountable. Un modelo no sufre consecuencias, no responde ante un juez y no sale corriendo cuando un despliegue rompe producción. Si tú no puedes controlar el output, tampoco puedes ser responsable de él.
Lógica y volumen siguen siendo el punto débil. Los LLMs resuelven sintaxis y runtime errors porque les pasamos los fallos en un loop, pero fallan en razonamiento lógico sostenido y degradan su precisión a medida que el contexto crece.

Ewerlöf clasifica el código generado por IA como útil en tres nichos: software personal, POC y armas (riesgo deliberado). Lo que esos tres casos tienen en común, según él, es alta tolerancia al riesgo. El software profesional —salud, finanzas, defensa, automoción, energía— exige lo contrario: alguien que responda cuando algo se rompe.

Toby Lütke y la "slop grenade": cuando el CEO se corrige a sí mismo

El caso más citado esta semana es Shopify. En abril de 2025, según Business Insider, Lütke envió un memo interno declarando que "el uso reflejo de IA es ahora una expectativa base en Shopify" y que pedir más headcount requeriría demostrar primero que la IA no podía hacer el trabajo. Harley Finkelstein, presidente de la empresa, llegó a definir a Shopify como "probablemente la compañía más AI-pilled del mundo", recoge Yahoo Finance.

Diecisiete meses después, el 15 de septiembre, Lütke contó en el podcast The Knowledge Project el resultado. Según Search Engine Journal, describió un patrón donde los empleados aprueban pull requests sin leerlos y dejan que un colega limpie el desastre. "Los llamamos slop grenades, que la gente se lanza entre sí. Eso es definitivamente algo malo", dijo. Para Lütke, la métrica que importa cambió: ya no es cuánto produces, sino cuánto verificas.

El número que pone cifra al fenómeno: hasta ~50% de los pull requests de Shopify nacen hoy de conversaciones en chat donde opera River, el agente interno de la compañía, según sus propias palabras en el mismo episodio. La adopción es total; el control de calidad, no.

DHH dice exactamente lo contrario

La otra cara del debate la puso David Heinemeier Hansson (DHH) en el keynote de Rails World 2026. Business Insider y The News cubrieron su anuncio: en 37signals, su propia empresa, "hemos dejado de escribir código a mano". La política es formal: el código escrito a mano es la excepción y solo ocurre cuando el agente falla. Cuando eso pasa, el ingeniero escribe lo mínimo y después "arregla la máquina".

DHH preguntó al auditorio cuántos programadores seguían escribiendo cantidades significativas de código a mano cada semana. Levantaron la mano unas cinco personas en una sala llena de rails devs, según el reporte.

La diferencia entre ambos CEOs no es de matiz: Shopify dice "usa IA, pero revisa lo que produces"; 37signals dice "usa IA y punto". Ewerlöf se ubica más cerca de Lütke en su crítica a la narrativa y más cerca de DHH en la práctica diaria, pero discrepa en una pieza clave: lo que se entrega sin entender no es velocidad, es deuda con interés compuesto.

GitHub caído 7,5 horas: cuando la IA toca infraestructura crítica

El 17 de agosto de 2026 GitHub sufrió una interrupción que, según InfoWorld, empezó a las 13:40 UTC y no se marcó como resuelta hasta las 21:15 UTC. El status page reportó tasas de error cercanas al 20% en API y web, y del 50% en descargas de archivos y raw content. GitHub Copilot estuvo degradado durante 6 horas y 44 minutos, según el post-mortem recogido por TechTarget.

El efecto dominó fue inmediato: pipelines de CI/CD parados, PRs imposibles de abrir o mergear, autenticación SAML/OIDC intermitente. Steve Koelpin, principal AI observability engineer de una compañía Fortune 50, dijo a TechTarget que "todo nuestro trabajo se detuvo. No podíamos desplegar". La dependencia de GitHub Actions, con su marketplace de integraciones únicas, hace que migrar sea un proyecto de meses sin valor añadido.

El incidente no fue el único: TechTarget recuerda que GitHub ya había admitido en abril y el 12 de agosto que la severidad, frecuencia y duración de los outages eran "inaceptables" y se comprometió a mejorar. En paralelo, Cursor lanzó Origin, su propio code hosting, el mismo día del outage; y TechTarget reportó que SpaceX cerró la compra de Cursor por USD 60.000 millones este mes. La presión competitiva existe, pero el switch no es viable en el corto plazo para la mayoría.

Entonces, ¿está resuelto coding?

La respuesta honesta, mirando los tres casos juntos, es depende del riesgo que toleres:

Software personal y POC: los LLMs ya dan valor real y barato. El TCO baja aunque la calidad baje también.
Software profesional con SLAs: la velocidad de generación subió, pero el costo de revisión, integración y propiedad no bajó en la misma proporción. Lo que se gana en generación se paga en horas de lectura de diffs y debugging de comportamiento.
Infraestructura crítica: la IA como capa de razonamiento encima de sistemas deterministas funciona; la IA como sustituto del juicio humano sobre sistemas que afectan vidas o dinero, todavía no tiene accountability que la respalde.

Qué significa esto para tu startup

1. Mide productividad por SLI/SLO, no por tokens consumidos. Si tu CTO te pide que demuestres "valor de IA" con vanity metrics como PRs por semana o líneas de código, pelea por métricas de servicio: latencia, tasa de error, tiempo de recuperación. Esas son las que pagarán tus clientes.

2. Mantén un proyecto paralelo sin IA. Ewerlöf lo recomienda sin ironía: un hobby project donde escribas código a mano te mantiene vigente si el mercado laboral castiga a quien dejó de leer código. La obsolescencia es silenciosa y rápida.

3. Exige ownership real sobre lo que tu equipo envía. Ewerlöf lo resume en tres pilares: conocimiento (entiendes qué problema resuelves y cómo), mandato (puedes decidir sin pedir permiso) y accountability (estás on-call cuando rompe). Si tu organización entrega los tres pilares a un agente y al humano que lo aprueba, el riesgo se queda en el humano que lo aprobó.

4. Diversifica infraestructura crítica con un plan documentado. El outage de GitHub dejó claro que depender al 100% de un solo proveedor sin runbook alternativo cuesta horas de downtime. No migres hoy, pero ten el plan listo.

5. Cuidado con SaaS que cobran tarifa humana por output IA. Si tu proveedor de software subió precios mientras reemplazó ingenieros por agentes, pregúntale por el SLA. La nueva economía del software separa cada vez más precio y calidad: cobra menos si entrega menos; cobra más solo si demuestra más fiabilidad.

La narrativa "coding is solved" no se rompe con un tuit. Se rompe cuando un CEO como Lütke tiene que pedir perdón por los outputs que él mismo empujó, cuando una plataforma como GitHub se cae siete horas y cuando los ingenieros seniors empiezan a preguntar qué pasó con el código que aprobaron sin leer. La IA no te reemplaza: te cambia el tipo de responsabilidad que cargás.