Ex-CTO revela por qué no usa IA: 95% proyectos fracasan

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

El 95% de los proyectos piloto de IA fracasan sin generar valor empresarial medible según datos de 2026. Esta cifra explica por qué Antman, ex-CTO y fundador, ha tomado la decisión radical de no usar IA para coding ni escritura técnica.

Para un founder que depende de su stack tecnológico, esta postura no es nostalgia: es una estrategia de supervivencia basada en cuatro pilares que desafían la narrativa dominante del ecosistema tech.

¿Qué es el skill collapse y por qué debería importarte?

El argumento central del autor gira alrededor del skill decay (degradación de habilidades) y el riesgo de skill collapse: el colapso en la formación de nuevos ingenieros senior. Cuando externalizas el esfuerzo cognitivo a la IA, pierdes la capacidad de pensar como ingeniero.

👥 ¿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 datos respaldan esta preocupación: según la Stack Overflow Developer Survey 2026, el 84% de los desarrolladores ya usan o planean usar herramientas de IA, con 51% de uso diario. Pero Gartner pronostica un aumento del 2,500% en defectos de software derivados de prácticas de codificación aceleradas por IA.

El problema no es la herramienta: es la ilusión de productividad. Un developer que genera código 30% más rápido pero comete más errores está creando deuda técnica invisible que tu startup pagará con intereses cuando necesite escalar.

¿El software es un activo o un pasivo?

Aquí está el insight más valioso para founders: las líneas de código no son tu activo, son tu pasivo. El activo real es el entendimiento compartido de tu equipo sobre cómo funciona el sistema.

Cuando un ingeniero escribe código, está documentando su comprensión del problema para sus colegas. Cuando la IA escribe código, nadie entiende realmente qué hace ese código hasta que falla en producción. En ese momento, tu equipo está depurando lógica que nunca comprendieron.

Para startups en etapa temprana, esto es crítico: tu primer ingeniero debe entender cada línea porque no habrá equipo de 50 personas para mantenerlo. La IA puede acelerar el MVP, pero también puede crear un sistema que nadie en tu equipo pueda modificar con confianza.

¿Existe realmente una burbuja de IA?

El autor presenta un análisis financiero contundente: la economía de IA está construida sobre deuda masiva con cero beneficios en la mayoría de los casos. Las empresas de IA queman capital a velocidades insostenibles mientras prometen eficiencias que no se materializan.

El contexto actual respalda esta visión: la IA generativa está oficialmente en el Valle de la Desilusión del ciclo Gartner 2026. El 75% de los líderes tecnológicos reportan problemas moderados o graves de deuda técnica relacionada con implementación de IA.

Para tu startup, esto significa algo simple: no bases tu ventaja competitiva en herramientas que podrían desaparecer o volverse insostenibles económicamente. Construye sobre fundamentos que sobrevivan al hype cycle.

¿Cuál es el costo ambiental real de la IA?

Un argumento menos discutido pero crucial: los data centers de IA consumen energía equivalente a países medianos enteros. Cada query a un modelo grande tiene un costo ambiental que las empresas no internalizan en sus precios.

Para founders conscientes, esto plantea una pregunta ética y estratégica: ¿estás construyendo un negocio sostenible o dependes de infraestructura insostenible? En Europa especialmente, la regulación ambiental podría impactar costos operativos de herramientas de IA en los próximos años.

¿Qué significa esto para tu startup?

No se trata de rechazar la IA completamente. Se trata de usarla con criterio estratégico. Aquí hay acciones concretas que puedes implementar:

Define boundaries claros: Usa IA para boilerplate, tests unitarios y documentación, pero nunca para lógica de negocio crítica que tu equipo deba mantener a largo plazo.
Invierte en fundamentos: Asegúrate de que tu equipo técnico tenga bases sólidas antes de adoptar IA. Un developer senior con IA es 10x más productivo; un junior dependiente de IA es un riesgo operativo.
Implementa review obligatorio: Todo código generado por IA debe ser revisado línea por línea por un humano que lo entienda. Si nadie puede explicarlo, no entra al repositorio.
Mide deuda técnica: Agrega métricas de deuda técnica a tu dashboard. Si la velocidad aumenta pero los bugs también, estás acumulando pasivos ocultos.
Mantén conocimiento interno: Documenta por qué se tomaron decisiones técnicas. La IA no puede capturar el contexto de negocio que llevó a esas decisiones.

¿Cuándo SÍ tiene sentido usar IA en tu startup?

La postura del autor es extrema, pero hay casos donde la IA genera valor real:

Prototipado rápido: Validar ideas antes de invertir ingeniería humana significativa
Tareas repetitivas: Generar tests, migraciones de código, refactorizaciones mecánicas
Documentación: Mantener docs actualizadas cuando el código cambia frecuentemente
Code review inicial: Detectar patrones comunes de errores antes del review humano

La clave es: IA como asistente, no como reemplazo del criterio técnico. Tu startup necesita velocidad, pero no a costa de crear un sistema que nadie entiende.

La decisión estratégica para founders

Al final, esta no es una pregunta técnica: es una pregunta de estrategia de negocio. ¿Qué estás construyendo?

Si tu ventaja competitiva es la velocidad de iteración y tu producto cambiará completamente en 6 meses, la IA puede tener sentido. Si estás construyendo infraestructura crítica que debe durar años, el craft humano y el entendimiento profundo son innegociables.

El autor elige craft sobre eficiencia. Tú debes elegir según tu contexto: etapa de startup, tipo de producto, capital disponible y horizonte temporal. Pero hazlo con los ojos abiertos: la eficiencia de hoy puede ser la deuda técnica de mañana.