La IA no termina con programar: el dato que lo complica
El reloj dijo 19% más lento; los desarrolladores juraron que habían sido 20% más rápidos. Ese es el resultado del ensayo controlado que METR corrió en 2025 con 16 desarrolladores open source experimentados sobre 246 issues reales de sus propios repositorios: antes de empezar esperaban recortar su tiempo un 24%, al terminar creían haberlo recortado un 20%, y la medición real fue 19% más de tiempo.
Para un founder que acaba de firmar licencias de herramientas de IA para todo su equipo, ese número es incómodo. Pero el ensayo que motiva esta nota, publicado en hrih.si, propone una lectura más útil: la IA no está terminando con la programación, está moviendo el cuello de botella. Y lo movió hacia donde casi nadie estaba mirando.
La promesa que se repite desde 1954
El 10 de noviembre de 1954, el Programming Research Group de IBM cerró un informe preliminar sobre un lenguaje llamado FORTRAN. Una de sus frases aseguraba que FORTRAN 'prácticamente eliminaría la codificación y la depuración', y venía con presupuesto: resolver problemas por menos de la mitad del costo. La industria tenía un nombre para eso: automatic programming. Tú describías lo que querías y la máquina escribía el programa.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasFORTRAN llegó en 1957 y sí eliminó una forma de codificar. Casi nadie traduce fórmulas a instrucciones de máquina a mano. La depuración sobrevivió sin problemas. Lo que hizo FORTRAN fue quitar una parte tediosa del trabajo y subir el trabajo un nivel: la gente dejó de pensar en registros y empezó a pensar en problemas más grandes.
El patrón se repitió en cada escalón. En 1981, una empresa británica llamada D.J. 'AI' Systems vendió un generador de programas BASIC llamado The Last One. El nombre era todo el argumento de venta: escribiría todos tus programas, así que sería el último programa que comprarías. Los reseñadores lo encontraron útil para algunos programas de negocio. No fue el último.
El ensayo sostiene que este escalón es distinto en una sola cosa: la velocidad. GitHub Copilot salió en preview en junio de 2021. Para 2025, el 84% de los desarrolladores en la encuesta de Stack Overflow ya usaba herramientas de IA o planeaba hacerlo. Cuatro años, de novedad a default.
Cuánto se usan realmente los agentes en 2026
La encuesta 2026 Developer Ecosystem de JetBrains, con más de 15.000 desarrolladores profesionales y trabajo de campo entre mayo y julio, encontró que el 90% usa agentes de código en el trabajo al menos una vez por semana y el 68% los usa a diario. Claude Code pasó del 18% en enero a cerca del 39% de uso laboral, y en Estados Unidos llegó al 47%. Codex, de OpenAI, subió del 3% al 16%. GitHub Copilot bajó del 29% al 21% y Cursor cayó del 18% al 12%.
El mercado se movió rápido, pero la satisfacción no acompañó. En la encuesta de Stack Overflow, el sentimiento favorable cayó del 77% en 2023 al 60% en 2025, y solo repuntó al 62% este año. En 2025, más desarrolladores desconfiaban de la precisión del output de IA (46%) que confiaban en ella (33%). La frustración número uno, elegida por el 66%, fue la de soluciones de IA que están casi bien pero no del todo. El 45% dijo que depurar código generado por IA les lleva más tiempo.
Casi bien es una forma cara de estar equivocado: hay que leer cada línea para encontrar la que no va.
El cuello de botella se movió a la revisión
Hacer más rápido un paso de un proceso hace que el trabajo se acumule frente al siguiente paso más lento. Eso es lo que le está pasando a los equipos de software.
Faros AI miró telemetría de más de 10.000 desarrolladores en 1.255 equipos en 2025: los equipos con alta adopción de IA cerraron 21% más tareas y mergearon 98% más pull requests, y su tiempo de revisión subió 91%. En 2026 Faros repitió el ejercicio con 22.000 desarrolladores: la finalización de tareas por desarrollador subió 34%, pero el tiempo mediano de revisión se multiplicó por cinco, el 31% de los pull requests se mergeaba sin revisión alguna y la ratio de incidentes por pull request se más que triplicó.
El código se abarató, leerlo se encareció, y algunos equipos dejaron de leer. Eso importa porque el código no siempre es bueno: Veracode probó más de 100 modelos de lenguaje en 80 tareas de programación en 2025 y el 45% de los resultados tenía una falla de seguridad.
El BairesDev Q3 2026 Dev Barometer, recogido por Yahoo Finance, encontró que el 42% de los desarrolladores encuestados dice que la IA escribe al menos la mitad de su código, contra el 12% un año antes, y que ahorran 13 horas semanales. Pero el 67% dedica más tiempo a revisar código generado por IA y el 52% más tiempo a depurar problemas introducidos por IA. Entre los CTOs encuestados, el 78% aumentó el gasto en revisión de código, QA y validación.
Ese es el mercado que explica la ronda de Blacksmith: según TechCrunch, la startup de validación de código levantó una Serie B de US$45M liderada por Peak XV Partners en agosto de 2026, con una valoración de US$550M frente a los US$60M de su Serie A menos de un año antes. Validar código sigue siendo un cuello de botella, y es más grande porque la gente escribe más, dijo su CEO.
El problema que nadie quiere mirar: los juniors
En agosto de 2025, Erik Brynjolfsson y dos colegas del Stanford Digital Economy Lab usaron datos de nómina de ADP para ver a quién se estaba contratando. El empleo de desarrolladores de 22 a 25 años estaba casi 20% por debajo de su pico de fines de 2022. Los desarrolladores mayores no mostraban cambios.
Actualizaron el estudio en agosto de 2026, con datos hasta junio: los trabajadores jóvenes en ocupaciones expuestas a IA están 19% por debajo de donde estarían si hubieran seguido el ritmo de sus pares menos expuestos, según reportó GCN. La mayor parte del efecto viene de que las empresas contratan menos jóvenes, no de que despidan a los que ya tienen. El índice de Indeed de ofertas de desarrollo de software está cerca de 21% por debajo de febrero de 2020.
Los autores se cuidan de llamar a esto descriptivo, no causal. Pero el patrón encaja incómodamente bien con aquello en lo que los agentes son buenos: el ticket chico y bien definido que le dábamos al nuevo del equipo.
Y hay una contra-señal que conviene tener a mano. SignalFire analizó datos de contratación de millones de empleados y concluyó que ingeniería fue la función más resiliente de 2025: mientras la contratación total en las grandes tecnológicas cayó 25% frente a 2019, los roles de ingeniería bajaron solo 11%, y en las startups en etapa temprana se contrataron 7% más ingenieros que en 2019, según TechCrunch. Los ingenieros fueron el 55% de las nuevas contrataciones en las 12 empresas que SignalFire clasifica como Tech Majors, contra el 46% en 2019.
Los ingenieros senior se hacen en el trabajo, sobre todo siendo junior en equipos reales: haciendo los tickets aburridos, rompiendo producción una vez y teniendo a alguien que explique con paciencia por qué. Si los agentes se llevan todos los tickets aburridos, de dónde sale el próximo senior. Es difícil revisar bien código que nunca escribiste.
Qué significa esto para tu startup
Si tu equipo ya usa agentes, el cuello de botella de tu producto dejó de ser escribir código. Ahora es revisar, decidir y especificar. Cuatro cosas concretas que puedes implementar esta semana:
- Mide el ciclo completo, no la sensación. El caso METR es la advertencia: los desarrolladores sintieron que habían sido 20% más rápidos cuando el reloj decía 19% más lentos. Toma un puñado de tickets comparables y mide tiempo de apertura a merge, más el tiempo de revisión. Si no puedes medirlo, no sabes si la IA te está ayudando.
- Pon un límite explícito a los pull requests sin revisión. El 31% de PRs mergeando sin revisión y la ratio de incidentes triplicada que reporta Faros AI no son un problema de IA: son un problema de proceso. Define qué tipo de cambio puede pasar sin ojos humanos y qué tipo no, antes de que el volumen lo decida por ti.
- Invierte en el aprendizaje de tus juniors, no en su reemplazo. Si tu equipo dejó de contratar gente sin experiencia, en tres años no tendrás a quién promover. Dale a cada junior un sistema pequeño de punta a punta y hazlo revisar trabajo de agentes junto a un senior. Escribir especificaciones y tests es trabajo real, y probablemente sea el trabajo.
- Trata la especificación como el activo. Si el código se vuelve más barato de regenerar, lo que realmente posees es la especificación y los tests. Escríbelos con el mismo cuidado con el que antes escribías código.
Conclusión
FORTRAN eliminó una forma de codificar. No eliminó a los programadores: hizo muchos más, trabajando en problemas más difíciles, y la depuración vino de acompañante. La IA parece hacer lo mismo, más rápido y más desordenado. El desarrollador de los próximos años pasa el día decidiendo qué debería existir, explicándolo con suficiente claridad para que una máquina lo construya, y comprobando que lo que volvió esté bien. Eso siempre fue la parte difícil. Solo que antes no teníamos tiempo para hacerlo porque estábamos escribiendo.
Fuentes
- hrih.si — The compiler was supposed to end programming too (fuente original)
- TechCrunch — AI was supposed to kill engineering jobs, but new data suggests they're the most resilient
- TechCrunch — AI code-testing startup Blacksmith's valuation jumps almost 10x
- ADTmag — JetBrains Survey Finds AI Coding Agents Becoming Routine Developer Tools
- IBTimes — AI Coding Accelerates as Software Governance Faces a New Test
- GCN — AI hiring gap for workers ages 22 to 25 widens to 19%
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
