IA y código: la brecha entre craft y resultados

Dos visiones del mismo oficio: la fractura que la IA está abriendo entre desarrolladores

Hay una conversación que se repite en Slack, en foros de Hacker News y en cada meetup de tecnología: ¿la IA nos hace mejores programadores o simplemente nos convierte en revisores de código que no escribimos? La pregunta no es solo filosófica. Está redefiniendo culturas de equipo, decisiones de contratación y, para muchos founders, la manera en que construyen sus productos.

Un reciente ensayo de Les Orchard en su blog personal lo expresa con una honestidad poco común en el sector: hay un duelo real entre quienes aprendieron a programar como artesanía y quienes hoy solo quieren que el software funcione. Y ambos tienen razón, aunque no puedan trabajar juntos sin roces.

El dato que lo cambia todo: el 90% ya usa IA para escribir código

No estamos hablando de una adopción marginal. Según el informe DORA 2025 de Google Cloud, elaborado con datos de casi 5.000 desarrolladores, el 90% de los profesionales del desarrollo de software ya utiliza inteligencia artificial, un salto del 14% respecto al año anterior. De ese grupo, el 65% la usa de forma intensiva en su trabajo diario.

👥 ¿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

Más llamativo aún: más del 80% percibe que la IA aumenta su productividad y el 59% reporta mejoras en la calidad del código. Son números que deberían cerrar el debate, pero no lo hacen. Porque el debate, en realidad, nunca fue sobre eficiencia.

La paradoja de la confianza: todos la usan, pocos confían plenamente en ella

Aquí está el núcleo del conflicto: solo el 24% de los desarrolladores confía mucho o bastante en la IA, mientras que el 30% confía poco o nada, pese a utilizarla. Este dato, también del informe DORA 2025, revela algo más profundo que una resistencia técnica.

Los desarrolladores que crecieron resolviendo problemas línea a línea, los que sienten que entender el código es parte de su identidad profesional, perciben la IA no como una herramienta sino como una amenaza al significado de lo que hacen. No es irracionalidad: es duelo. La pérdida del proceso como fuente de satisfacción.

En el otro lado del espectro están quienes usan Cursor, GitHub Copilot o Claude para generar funcionalidades completas en minutos. Para ellos, el debate sobre artesanía suena como nostalgia. Lo que importa es el resultado: ¿el producto funciona? ¿Llega al usuario? ¿Escala?

Para founders de startups: esto no es un debate académico

Si estás construyendo un producto con un equipo técnico reducido, esta división te afecta directamente. Estos son los tres escenarios más comunes que enfrentan los equipos hoy:

1. El dev senior que se resiste a las herramientas IA

Tiene razones válidas: el código generado por IA puede introducir vulnerabilidades, deuda técnica invisible y lógica difícil de mantener. Entelgy documenta en su análisis de 2026 que el código generado automáticamente presenta retos técnicos y éticos que deben abordarse con rigor. Un dev que entiende profundamente el sistema puede detectar esos problemas antes de que se conviertan en incidentes de producción.

2. El dev junior que solo programa con IA

Puede entregar funcionalidades rápido, pero a veces no entiende lo que está desplegando. El riesgo no es la velocidad sino la falta de comprensión sistémica: si algo falla, la capacidad de diagnóstico es limitada. La IA amplifica capacidades existentes; si la base es débil, el problema también se amplifica.

3. El equipo mixto sin acuerdo sobre cómo usar IA

Este es el escenario más frecuente y el más costoso. Sin una política clara sobre cuándo usar IA generativa, qué revisar obligatoriamente y cómo documentar el código asistido, el equipo pierde tiempo en fricciones innecesarias. Según Deloitte, el principal obstáculo para la adopción de IA no es la disponibilidad de herramientas sino la implementación efectiva en procesos y decisiones cotidianas.

El nuevo rol del programador: estratega más que artesano

La narrativa que más tracción está ganando en 2026 es la de la productividad humana aumentada: la IA absorbe las tareas cognitivas repetitivas para que el desarrollador pueda concentrarse en decisiones estratégicas, supervisión y consideraciones éticas. Equipos que han adoptado este enfoque reportan reducciones del 30% o más en los ciclos de desarrollo y mejoras significativas en métricas como el MTTR (tiempo medio de resolución de incidentes).

Esto no elimina el valor de entender el código en profundidad. Lo reposiciona. La artesanía ya no está en escribir cada línea; está en saber qué preguntar, cómo evaluar lo que la IA produce y dónde intervenir con criterio humano.

Lo que los datos no dicen: el costo humano del cambio

Hay algo que los informes de adopción no capturan bien: el impacto en la identidad profesional de quienes llevan décadas programando. El ensayo de Les Orchard lo nombra como duelo, y esa palabra importa. No es solo resistencia al cambio; es la sensación de que algo valioso se está perdiendo en la transición.

Para founders, esto tiene implicaciones concretas en retención de talento. Un dev senior que siente que su expertise se está devaluando puede desconectarse emocionalmente del proyecto mucho antes de renunciar. La conversación sobre IA en el equipo no puede ser solo sobre productividad; también debe ser sobre cómo cada persona encuentra significado en su trabajo en este nuevo contexto.

Tres decisiones prácticas que puedes tomar esta semana

Define una política de IA para tu equipo técnico: qué herramientas están aprobadas, qué nivel de revisión humana es obligatorio y cómo se documenta el código asistido. Sin reglas explícitas, cada dev opera con sus propios supuestos.
Crea espacios de diálogo, no solo de implementación: antes de adoptar una nueva herramienta de IA, pregunta a tu equipo cómo la sienten. Las resistencias no resueltas se convierten en fricción técnica y cultural.
Mide resultados, no horas de codificación: si alguien entrega funcionalidades de calidad en menos tiempo usando IA, eso es un activo. Si alguien escribe código más lento pero más robusto, también. Define métricas que capturen ambos valores.

Conclusión

La división entre craft lovers y result chasers no va a desaparecer con más herramientas ni con más argumentos. Es una tensión estructural entre dos formas legítimas de entender el oficio de programar. Para los founders que construyen startups tecnológicas hoy, el desafío no es tomar partido: es crear equipos donde ambas sensibilidades se complementen en lugar de colisionar.

La IA seguirá avanzando. El 90% de adopción actual se acercará al 100% en los próximos años. Lo que definirá a los equipos ganadores no será si usan IA, sino si saben integrarla con inteligencia humana, criterio técnico y una cultura de equipo que no sacrifique el sentido de lo que hacen.

Descubre cómo otros founders están integrando IA en sus equipos técnicos sin perder calidad ni cultura. Únete gratis a la comunidad de Ecosistema Startup.

Únete a la comunidad