“No cabe duda de que la IA cambiará la forma en que se genera código. Pero no me sorprendería que nos lleváramos una decepción, que la popularidad bajara”, señala Daniel Jackson, informático del MIT que investiga la integración de la IA en proyectos a gran escala.
Jackson advierte que los modelos de IA son fundamentalmente distintos de los compiladores, ya que no siempre siguen instrucciones: “A veces un modelo puede ejecutar una tarea mejor que el desarrollador, y otras, hacerlo mucho peor”. Para él, la codificación intuitiva se viene abajo cuando se construye software serio.
“Casi no hay aplicaciones en las que ‘casi todo funciona’ sea suficiente. Si te interesa una aplicación, te importa que funcione bien”, describe Jackson. Muchos proyectos son complejos, y cambios en una sección pueden provocar errores en otras. Los programadores experimentados entienden el panorama general, sostiene Jackson, pero: “Los LLM no pueden razonar sobre ese tipo de dependencias”.
Jackson considera que el desarrollo de software deberá adaptarse con bases de código más modulares y menos dependencias, para paliar las limitaciones de la IA. Aunque espera que esta sustituya a algunos desarrolladores, también cree que obligará a muchos más a repensar su enfoque y centrarse en el diseño de sistemas. Depender demasiado de la IA puede ser, según él, “un desastre inminente”: “No solo tendremos masas de código roto y plagado de brechas de seguridad, sino también una nueva generación de programadores incapaces de resolverlas”.
El Digital News Report 2025 del Reuters Institute revela un panorama mediático global cada vez más fragmentado, con una continua caída en el engagement con los medios tradicionales y una creciente dependencia de las plataformas digitales, los videos y los agregadores online. Mientras la confianza en las noticias se mantiene estable globalmente, la influencia de los creadores de contenido y la irrupción de la IA marcan nuevas dinámicas de consumo.
Aprender a codificar
Incluso las empresas que ya han integrado herramientas de codificación en su proceso de desarrollo de software afirman que la tecnología sigue siendo demasiado poco fiable para un uso más generalizado.
Christine Yen, CEO de Honeycomb, una empresa que proporciona tecnología para supervisar el rendimiento de grandes sistemas de software, señala que los proyectos sencillos o formulistas, como la creación de bibliotecas de componentes, son más susceptibles de utilizar IA. Aun así, afirma que los desarrolladores de su empresa que usan IA en su trabajo solo han aumentado su productividad en un 50%.
Yen añade que, para cualquier tarea que requiera buen juicio, en la que el rendimiento sea crucial o en la que el código resultante interactúe con sistemas o datos sensibles, “la IA aún no es lo suficientemente buena como para ser verdaderamente útil”. Y remata: “Lo difícil de crear sistemas de software no es simplemente escribir mucho código. Los ingenieros seguirán siendo necesarios, al menos por ahora, para aportar esa curaduría, juicio, orientación y dirección”.
Otros sugieren que se avecina un cambio en el perfil de la mano de obra. “No estamos viendo menos demanda de desarrolladores. Estamos viendo menos demanda de desarrolladores de rendimiento medio o bajo”, subraya Liad Elidan, CEO de Milestone, una empresa que ayuda a compañías a medir el impacto de sus proyectos de IA generativa.
“Si estoy construyendo un producto, quizá antes necesitaba 50 ingenieros y ahora tal vez solo necesite 20 o 30. Eso es absolutamente real”, expone Naveen Rao, vicepresidente de IA en Databricks, una compañía que ayuda a grandes empresas a construir sus propios sistemas de inteligencia artificial.
Sin embargo, Rao sostiene que aprender a codificar seguirá siendo una habilidad valiosa durante bastante tiempo: “Es como decir: ‘No le enseñes matemáticas a tu hijo’. Entender cómo sacar el máximo partido a las computadoras seguirá siendo muy valioso”.
Yegge y Kim, codificadores veteranos, creen que la mayoría de los desarrolladores pueden adaptarse a la ola que se avecina. En su libro sobre vibe coding, ambos recomiendan nuevas estrategias para el desarrollo de software, como bases de código modulares, pruebas constantes y mucha experimentación. Yegge sostiene que el uso de la IA para escribir software está evolucionando hacia su propia forma de arte, ligeramente arriesgada: “Se trata de cómo hacerlo sin destruir el disco duro ni vaciar la cuenta bancaria”.
Artículo originalmente publicado en WIRED. Adaptado por Alondra Flores.
