Prueba técnica para devs en la era IA: 3 señales clave

Un mal fichaje puede costar más que un año de nómina

Un directivo de una tecnológica española contrató a un supuesto experto en DevOps y el resultado fue un perjuicio de más de 300.000 euros en menos de un mes de trabajo. Otro equipo del sector bancario gastó más de 200.000 euros en menos de una semana por incorporar herramientas de IA sin nadie capacitado para evaluarlas y supervisarlas.

Si diriges una startup, la pregunta no es si puedes permitirte un error así. La pregunta es cuántos errores así puedes permitirte antes de quedarte sin caja. Y la respuesta, casi siempre, es ninguno.

El artículo original de emprendedores.es recoge estos casos y añade uno más: una empresa europea de outsourcing contrató un equipo de ingenieros de redes para un proyecto internacional y descubrió después que ninguno había hecho un proyecto de ese tipo en su vida. El equipo abandonó el proyecto sin terminarlo y la compañía tuvo que desembolsar tres millones de euros para rehacerlo y pagar las indemnizaciones correspondientes.

El autor no se queda en la anécdota. Cita al Boston Consulting Group para recordar que el 70% de los proyectos de desarrollo de software fracasa por cancelación, sobrecoste, retraso o incumplimiento de objetivos clave. Su conclusión es incómoda: o se sobrevende el proyecto, o se contrata un equipo destinado al fracaso. Muchas veces, las dos cosas.

¿Es culpa del desarrollador o de quien lo contrata?

La respuesta que da el artículo es directa: no falló la IA, falló la selección. En el caso del equipo bancario no hubo control que limitara el gasto, y tampoco había nadie con la preparación necesaria para usar esas herramientas con criterio.

El texto describe además un mecanismo que cualquier founder reconocerá. En las empresas grandes la responsabilidad circula como una patata caliente: nadie decidió nada, pero todo el mundo decidió algo. Al final de la cadena queda el profesional metido en un proyecto para el que no fue formado ni advertido, al que se le exige el milagro. En las empresas pequeñas pasa lo contrario: más que seleccionar, se vende la compañía. Y si el candidato acepta el sueldo y lleva camiseta negra, se le declara crack y visionario.

Hay un detalle del artículo que vale como diagnóstico rápido. El autor propone una prueba de dos preguntas para cualquier equipo de desarrollo: cuántos merge requests semanales hace el equipo y cuál es el nivel de cobertura de código. Si nadie sabe responder, no hay supervisión real del trabajo. Y sin supervisión, la IA no reduce la deuda técnica: la engorda, la perfuma y la esconde bajo otra capa de código.

¿Qué dice la evidencia sobre el código generado con IA?

Aquí el research aporta datos que confirman el diagnóstico desde fuera. Una investigación revisada por pares de CodeScene, firmada por Markus Borg y Adam Tornhill y publicada en enero de 2026, encontró que los asistentes de código con IA aumentan el riesgo de defectos en al menos un 30% cuando se aplican sobre código poco saludable. La conclusión del estudio es que, en esos contextos, la IA actúa como un multiplicador de deuda técnica en lugar de un acelerador.

El mismo trabajo documenta el caso de loveholidays, donde el uso temprano de agentes de código con Claude degradó la salud del código. Tras introducir salvaguardas, el equipo pasó de 0 a un 50% de código asistido por agentes en cinco meses manteniendo la calidad. Stuart Caborn, Distinguished Engineer de la compañía, lo resumió así: la IA tiene un efecto amplificador; si tus prácticas de ingeniería son fuertes te ayuda a ir más rápido, y si son débiles te destruye.

Los números sobre seguridad apuntan en la misma dirección. Según recoge TechTarget, un paper académico encontró que al menos el 48% de las sugerencias de código generadas por IA contenían vulnerabilidades, y una encuesta de Snyk citada en el mismo artículo reveló que cerca del 80% de los desarrolladores creía que el código generado por IA era más seguro. Esa confianza mal calibrada es, precisamente, el riesgo.

El contrapunto lo pone una encuesta informal a 103 desarrolladores publicada por SD Times: el 87% ya usa o piensa adoptar herramientas de IA, el 56% dice que mejoraron su productividad, pero solo el 31% confía en la exactitud de lo que genera la IA y apenas un 4% declara confianza alta. En esa misma encuesta, Claude Code fue el asistente favorito para el 41%, por delante de Cursor (21%) y GitHub Copilot (10%).

Traducido a lenguaje de contratación: la herramienta ya no es el diferenciador. Casi todo el mundo la usa. El diferenciador es el juicio de quien la opera.

¿Qué debe incluir una prueba técnica para desarrolladores?

El artículo recurre a una analogía que funciona muy bien: los pilotos de la Carrera de Indias en el siglo XVI. Un armador no contrataba a un piloto publicando una oferta y filtrando cartas. El puesto era para una ruta concreta, el candidato debía venir recomendado por otros pilotos, demostrar que había navegado esa ruta y superar un examen ante un tribunal de tres expertos. Todo eran casos prácticos sobre problemas reales de la travesía. Si suspendía, no podía repetir de inmediato: tenía que hacer antes otro viaje a las Indias.

La lección para tu proceso de selección es que el CV perdió valor como moneda y que las referencias ayudan pero no bastan. Lo único razonable es ver trabajar al candidato frente a un reto técnico que contenga dificultades reales del proyecto. Y conviene incluir a propósito algo que probablemente no conozca, porque ahí se observa lo que sabe y, sobre todo, cómo aprende.

Tres señales concretas que deberías estar mirando:

• Cómo formula los prompts y cómo verifica las respuestas. No importa si sabe pedirle cosas a una IA. Importa si comprueba lo que le devuelve antes de integrarlo.
• Qué hace cuando la máquina ofrece una solución rápida, convincente y equivocada. Ese momento separa a quien lleva el timón de quien solo mira cómo gira.
• Cómo detecta un error elegante y peligroso. El código que compila, pasa los tests y esconde un problema de arquitectura o de seguridad es el más caro de todos.

¿Qué significa esto para tu startup?

Con menos capital y menos margen de error que una corporación, una startup no puede permitirse descubrir un mal fichaje tres meses después. Estas son las acciones que puedes implementar esta misma semana.

• Diseña una prueba técnica con dos capas. Una tarea con una dificultad real de tu proyecto y, dentro de ella, un problema que el candidato probablemente no haya visto nunca. Evalúa el razonamiento, no la memoria de algoritmos.
• Pide que justifiquen cada decisión con IA de por medio. Que expliquen por qué eligieron esa librería, qué alternativas descartaron y cómo comprobaron que la sugerencia del asistente era correcta. Si no pueden explicar el código que entregan, no lo controlan.
• Instala guardarraíles antes de escalar el uso de IA. Revisión humana obligatoria, tests automatizados y una política explícita sobre qué datos no se pegan nunca en un prompt. El estudio de CodeScene muestra que sin código saludable la IA multiplica defectos en lugar de acelerar entregas.
• Mide tu equipo con dos preguntas. Cuántos merge requests semanales se hacen y qué cobertura de código tienen. Si nadie lo sabe, tu problema no es la IA: es que no hay supervisión.
• Verifica referencias de proyectos similares. No de empleos anteriores en general, sino de trabajos con retos comparables a los que va a enfrentar contigo.

Conclusión

La IA no rompió la contratación de desarrolladores: expuso lo que ya estaba roto. Durante años se llamó talento a cualquiera que dijera saber hacer lo que necesitábamos facturar, y el CV funcionó como moneda de curso legal hasta que dejó de valer. La diferencia hoy es que un mal fichaje ya no solo retrasa un sprint: con asistentes de IA generando código a velocidad industrial, un equipo sin criterio puede acumular deuda técnica y vulnerabilidades más rápido que nunca.

La buena noticia para una startup es que evaluar bien cuesta poco. Un reto técnico bien diseñado, dos preguntas sobre métricas del equipo y una conversación sobre cómo verifica lo que le devuelve la IA te dan más información que veinte entrevistas de formulario. La mala noticia es que, si no lo haces, el mercado ya te está diciendo cuál es el precio: el 70% de los proyectos de software fracasa, y los casos del artículo original demuestran que la factura llega en semanas, no en años.

Fuentes

• Cómo saber si tu startup está contratando buenos desarrolladores en la era de la IA (emprendedores.es) (fuente original)
• CodeScene: AI Coding Assistants Increase Defect Risk by 30% in Unhealthy Code (PRNewswire)
• AI Coding Tools in Mid-2026: High Adoption, Low Trust (SD Times)
• Security risks of AI-generated code and how to manage them (TechTarget)