Desarrollador senior de JPMorgan: «se acabó programar»

El oficio que se fue: lo que cuenta un ingeniero senior de JPMorgan

Con más de 15 años escribiendo software, Piter Marx, ingeniero en JPMorgan Chase, publicó una reflexión que está dando vueltas en los círculos tech: Coding Is Over. Get over it. No es un memo corporativo (aclara que sus opiniones no son la posición del banco), pero captura un sentir que se expande en los equipos de ingeniería de empresas grandes: el acto de escribir código a mano dejó de ser la habilidad escasa que solía ser.

Marx explica que la IA es transversal dentro de JPMorgan Chase y que los ingenieros la usan de formas muy distintas. Hay guardas razonables para un banco de su tamaño, pero también margen para experimentar. "Costs are high, but the firm can afford it", escribe, y puede valer la pena dejar que la gente aprenda primero y resolver el tema de costos después.

Para founders fuera de la banca esto importa porque JPMorgan Chase es uno de los mayores empleadores tech del sector privado: lo que adoptan sus equipos hoy suele filtrarse a empresas chicas en 12-18 meses.

¿Por qué ya no sabe si la IA vale lo que cuesta?

Una de las confesiones más honestas del post es sobre el ROI. Marx no cree que nadie en el banco sepa realmente cómo medir si las herramientas de IA generan más valor del que cuestan. "Would the same work have been cheaper without it? Probably. Would it be done much slower? Maybe. Could it have been done just as well with a cheaper model? To my knowledge nobody has actually run that experiment", escribe.

Su escepticismo sobre los claims de los proveedores es filoso: "Whenever I hear 'we built this with AI in a 50% more efficient way', I say 'BS'. Unless that number is backed by something more rigorous than a number you made up, you don't have a clue."

Esa incertidumbre no es exclusiva de JPMorgan. La serie en seis partes The Great Coding Reset de Business Insider documentó que, en mayo de 2026, las empresas se lanzaron al tokenmaxxing —usar IA lo más posible— con leaderboards internos y presupuestos de experimentación sin tope. Semanas después, según reportó Business Insider, el COO de Uber dijo públicamente que los costos de tokens eran difíciles de justificar y Amazon cerró un leaderboard interno. Para junio, el humor había pasado de "vamos rápido" a "frenen un poco".

La lectura: la historia de productividad con IA es real en algunos casos, no está medida en la mayoría, y la economía sigue en movimiento.

La nueva forma de trabajar: de picar código a orquestar agentes

Donde aterriza Marx es matizado. Se considera un coder above average, pero dice que la IA hoy programa mejor y más rápido que él. "I say that with something close to grief", escribe. "For 15 years I've been grinding and perfecting my craft towards excellence. That's no longer necessary."

Lo que describe es un salto de tipear código a definir objetivos y dejar que los agentes produzcan la implementación. También menciona que Boris Cherny, head de Claude Code en Anthropic, aconsejó borrar los archivos AGENTS.md y Claude.md porque los modelos ya no necesitan ese andamiaje. Marx coincide: muchas de las reglas y nudges que antes precisaba ya no son necesarias.

La ganancia de eficiencia es real, pero también lo es el costo cognitivo. Marx dice que antes hacía trabajo depth-first, un problema a la vez; ahora la expectativa, implícita o explícita, es paralelizar en varios hilos. "That kind of parallelization drains me in a way that sequential deep work never did", advierte. Extraña el build to learn — modelar dominios nuevos escribiendo código desde cero — porque esa ya no es su forma de aprender.

Esta lectura coincide con el análisis de Oleg Lola, CEO de MobiDev, en Forbes: la IA no está eliminando la ingeniería de software, sí está eliminando el trabajo de baja palanca — boilerplate, CRUD, borradores de documentación, scaffolding de tests unitarios. Lola advierte del vibe debt: deuda técnica acumulada a velocidad de IA, donde el código generado se ve bien hasta que en producción hace algo distinto en silencio.

Lo que el ingeniero advierte a los juniors (y a sus propios hijos)

La parte del post con más implicaciones para la próxima generación es la preocupación por el trabajo entry-level. Los puestos que la IA está absorbiendo primero, argumenta, son precisamente los que servían para que un nuevo ingreso aprendiera el oficio: debugging, features simples, glue code. "Learning will start to be something you must want to do, and work hard towards", escribe.

The Great Coding Reset de Business Insider cubre la misma preocupación desde otro ángulo: los seniors sacan más provecho de la IA porque tienen la experiencia técnica para evaluar qué está haciendo el modelo. Si la IA se come el trabajo que entrenaba a los juniors, el pipeline de talento senior se adelgaza.

Marx también es pesimista sobre el factor humano que no se automatiza tan fácil. Observa que los mejores developers con los que trabajó nunca fueron obsesivos unilaterales del código: sabían explicar su punto de vista, sumaban gente a una misión, equilibraban amabilidad con asertividad. "This was true before AI, and it's more true now, because coding itself is no longer a scarce thing". Para sus hijos, su consejo es ser completos: tanto en ciencias duras como en blandas, tanto en historia como en filosofía.

Qué significa esto para tu startup

Tres cosas concretas que podés aplicar esta semana, a partir de lo que pasa en firmas como JPMorgan Chase y de lo que reporta la prensa especializada:

• Separar "la IA escribió código" de "hemos shipped software". Si no podés explicarle a un junior qué se supone que hace la arquitectura y qué la rompe, no podés saber si el código generado es correcto. El artículo de Forbes sobre vibe debt describe la trampa: equipos que sacan un MVP en dos semanas con generación pura de IA y luego pasan cuatro meses intentando construir encima. Meté checkpoints de review en el workflow desde el día uno, no como ocurrencia tardía.

• Recortá la factura de IA antes que el headcount. La serie de Business Insider muestra que el tokenmaxxing ya se está caminando hacia atrás en Uber, Amazon y otros — y la mayoría de empresas nunca midió el ROI de esos tokens. Hacé un experimento con un modelo chico (el tipo de prueba que Marx reclama: comparar GPT 5.6 Luna con modelos frontera en tus cargas reales) antes de renovar cualquier contrato enterprise de IA.

• Decidí a propósito cómo van a aprender los juniors en tu equipo. Si el grunt work que entrenaba a los nuevos se evaporó por default, reemplazalo con un apprenticeship estructurado: juniors emparejados con seniors en supervisión de IA, ownership de módulos específicos que deben entender de punta a punta, y code review como superficie de aprendizaje, no como un impuesto.

Software engineering no es coding, concluye Marx. La línea base de lo que cualquier ingeniero puede producir sube rápido. La habilidad escasa ya no es tipear: es saber qué construir, por qué, y cómo asegurarse de que se sostenga en pie después de que la IA haya mandado el primer draft.

Fuentes

• Coding Is Over. Get over It — Piter Marx
• AI Won't Replace Software Developers In 2026 — Forbes
• The Great Coding Reset — Business Insider