Ex-CTO revela: 6 razones para NO usar IA en código

Por qué un ex-CTO se niega a usar IA para programar

Un ex-CTO ha declarado públicamente que nunca usará IA para escribir código, citando 6 razones fundamentales que van desde el deterioro de habilidades hasta una burbuja económica de $1 billón en deuda de infraestructura con beneficios mínimos. Esta postura radical contrasta con la adopción masiva de herramientas como GitHub Copilot y Cursor que ya usan el 70% de los desarrolladores según encuestas de 2025.

Para founders de startups tecnológicas, este debate no es filosófico: es sobre calidad del producto, deuda técnica y competitividad del equipo. Si tu CTO o lead engineer toma una postura extrema (pro-IA o anti-IA), ¿estás tomando la decisión correcta para tu negocio?

¿Cuáles son los 6 argumentos contra el uso de IA en coding?

El autor, con experiencia como CTO, estructura su rechazo en 6 pilares que todo founder debería evaluar:

👥 ¿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

Alegría del oficio: Programar es un acto creativo. Reemplazar la escritura de código por prompts elimina la satisfacción intrínseca que mantiene a los mejores ingenieros motivados.
Deterioro de habilidades (Skill Decay): La IA crea una ilusión de aprendizaje. Sin luchar con tareas complejas, los ingenieros pierden la capacidad de juzgar calidad y manejar restricciones técnicas reales.
Colapso de habilidades (Skill Collapse): Menos ingenieros junior capacitados = menos seniors futuros = menos datos de entrenamiento de calidad. Es un ciclo de retroalimentación negativo.
El software es deporte de equipo: El código es un pasivo; el activo real es la comprensión humana compartida que la IA no puede producir.
Burbuja económica: Aproximadamente $1 billón en deuda en infraestructura de IA con beneficios negligibles y altos costos ambientales.
Responsabilidad: Eliminar la supervisión humana en sistemas críticos es peligroso. ¿Quién responde cuando el código generado por IA falla en producción?

¿Qué dice el mercado en 2026 sobre IA y desarrollo de software?

La industria no está en blanco y negro. Según Antonio Pita, profesor de la UOC en Estudios de Informática, la IA no ha destruido la programación sino que la ha "reiniciado". La realidad del mercado en 2026 muestra:

La IA bajó el techo de entrada para nuevos desarrolladores (acceso más fácil), pero subió el piso de expectativas para desarrolladores senior. Ya no basta con escribir código rápido; ahora debes supervisar, validar y diseñar sistemas.

Bill Gates stated en enero de 2026 que, aunque la IA puede programar de forma excelente, aún necesita supervisión humana para corregir sesgos algorítmicos, integrar valores éticos y diseñar sistemas contextualizados.

¿Existe evidencia de skill decay en ingenieros junior?

Este es el punto más crítico para founders. Si contratas juniors que dependen 100% de IA, ¿qué capacidad real tienen cuando el sistema falla?

Las búsquedas actuales no proporcionan datos cuantitativos específicos sobre degradación de habilidades, pero hay evidencia indirecta preocupante:

La paradoja observada: los juniors tienen herramientas más poderosas pero menor comprensión de sistemas fundamentales
El mercado prioriza comprensión arquitectónica sobre "copiar y pegar código"
Emergen perfiles de "entrenadores de bots" (bot trainers) que supervisan modelos de IA

El Foro Económico Mundial (enero 2026) proyecta 170 millones de nuevos empleos por IA en esta década, con 92 millones de puestos obsoletos. Saldo neto: +78 millones de empleos. Pero la transición no es automática: requiere recapacitación real.

¿La burbuja de IA es real o exageración?

El argumento de los $1 billón en deuda de infraestructura con beneficios mínimos es serio. En 2026, expertos señalan que estamos en el "año de los cuellos de botella" en IA:

Saturación digital y "cansancio social" emergente
Transición de "demos" (2025) a "implementación real" (2026)
Altos costos operacionales de modelos grandes
Impacto ambiental significativo de data centers

Para una startup, esto significa: no sigas el hype. Evalúa ROI real de cada herramienta de IA que implementas. ¿Reduce costos operacionales? ¿Mejora velocidad sin sacrificar calidad? ¿O es solo un gasto de infraestructura que no escala?

¿Qué significa esto para tu startup?

Como founder, no puedes permitirte posturas extremas. Ni "IA para todo" ni "IA para nada". Aquí hay 5 acciones concretas que puedes implementar esta semana:

1. Define una política de uso de IA en tu equipo técnico

No dejes que cada ingeniero decida por su cuenta. Establece:

¿Qué tareas sí pueden automatizarse con IA? (boilerplate, tests básicos, documentación)
¿Qué tareas no deben usar IA? (arquitectura crítica, seguridad, lógica de negocio core)
¿Qué nivel de revisión humana es obligatorio antes de mergear código generado por IA?

2. Invierte en comprensión arquitectónica, no solo en velocidad

Si tus ingenieros junior dependen 100% de IA, no están aprendiendo. Implementa:

Sesiones de code review educativo donde expliquen el "por qué" de cada decisión
Rotación de tareas: que los juniors escriban código sin IA al menos 20% del tiempo
Documentación de decisiones técnicas: ¿por qué esta arquitectura y no otra?

3. Crea el rol de "supervisor de IA" en tu equipo

Según tendencias de 2026, los bot trainers son roles críticos. Designa a alguien responsable de:

Validar que el código generado por IA cumple estándares de calidad
Detectar sesgos o patrones problemáticos en el output de IA
Entrenar al equipo en prompting efectivo para tu stack tecnológico específico

4. Mide deuda técnica, no solo velocidad de entrega

La IA puede acelerar delivery, pero ¿a qué costo? Implementa métricas de:

Technical debt ratio: tiempo dedicado a refactorizar vs. features nuevas
Bug rate en producción: ¿el código generado por IA tiene más errores?
Tiempo de onboarding: ¿los nuevos ingenieros entienden el códigobase o es una caja negra?

5. Evalúa ROI real de cada herramienta de IA

Antes de suscribirte a la próxima herramienta "AI-powered", pregunta:

¿Cuánto tiempo real ahorra por semana por ingeniero?
¿El costo de la herramienta se paga con ese ahorro?
¿Hay alternativas open-source o más económicas?
¿Qué pasa si la herramienta desaparece o cambia su pricing?

Conclusión: ni demonizar ni adorar la IA

La postura del ex-CTO es extrema, pero sus advertencias son válidas. La IA en programación no es buena ni mala: es una herramienta poderosa que requiere supervisión humana.

Para founders hispanohablantes, el equilibrio es clave:

LATAM: Mercados emergentes con menos capital requieren más ingenio, menos gasto en herramientas. No compres IA por hype.
España: Acceso a mercado europeo con regulación más estricta. La responsabilidad y trazabilidad del código son críticas.

El activo real de tu startup no es el código que escribes hoy. Es la comprensión compartida de tu equipo sobre cómo construir, escalar y mantener sistemas. La IA puede acelerar la escritura, pero no puede reemplazar esa comprensión humana.

En 2026, la ventaja competitiva no está en quién usa más IA. Está en quién la usa con criterio, supervisión y propósito claro.

Fuentes

https://antman-does-software.com/i-will-never-use-ai-to-code-or-write (fuente original)
https://www.deia.eus/bermatu/2025/12/27/inteligencia-artificial-2026-seis-tendencias-clave-10516128.html (Antonio Pita, UOC - tendencias IA 2026)
https://www.eldebate.com/economia/empleo/20260125/deberias-estudiar-2026-no-sustituido-ia-segun-bill-gates-cns_376681.html (Bill Gates - supervisión humana en IA)
https://www.forbesargentina.com/innovacion/como-automatizar-despedir-verdadero-desafio-ia-2026-n84979 (Foro Económico Mundial - impacto laboral IA)
https://forbes.com.mx/los-agentes-de-ia-llegaron-en-2025-esto-es-lo-que-ocurrio-y-los-retos-que-se-avecinan-en-2026/ (Forbes México - agentes de IA 2025-2026)