El año pasado, le entregué todas las tareas repetitivas a la IA: CRUD, pruebas unitarias, refactorización, documentación inicial.

Ahora, el tiempo dedicado a escribir código a mano se redujo en casi un 40%, pero el doble de tiempo se invierte en “pensar claramente en los requisitos” y “buscar errores en la salida de la IA”.
La IA genera código rápidamente, pero los casos límite que fallan son la norma, y el contexto del negocio a menudo desaparece.
En ese momento, si no tomas decisiones, nadie te respalda.
Una opinión que puede ir en contra del consenso: el desarrollo de software no está muriendo, sino que se está polarizando.
Los trabajos básicos de construcción disminuirán, pero el diseño de sistemas, la descomposición de complejidad y la integración interdisciplinaria serán aún más costosos.
¿La diferencia en usar IA será como la diferencia entre saber programar o no?
Pero lo que realmente marca la diferencia no es lo llamativo del prompt, sino si entiendes el negocio, si puedes juzgar los trade-offs, y si te atreves a interrumpirla cuando la IA hable tonterías.
El título en ciencias de la computación no quedará obsoleto, al contrario, será aún más necesario tener una base sólida.
La IA es un amplificador, no una máquina de deseos.
Las personas sin pensamiento sistémico solo acumularán más deuda técnica más rápido usando IA.
En el futuro, el equipo podría estar compuesto por un veterano y varios agentes.
Pero esa persona debe ser a la vez guardián del producto, la arquitectura y la calidad.
El umbral solo será más alto.
¿En qué medida han cambiado su trabajo por la IA?
¿Realmente han ahorrado esfuerzo, o solo han convertido 10 errores simples en 20?
Hablemos.