La adopción de la IA en la programación crece, pero la productividad se estanca
- Eduardo Cubillo
- 22 jul
- 3 min de lectura
El análisis de directores de tecnología señala que también se está cambiando la naturaleza del trabajo y de los desarrolladores.
El despliegue masivo de herramientas de inteligencia artificial en el desarrollo de software es una realidad innegable. De acuerdo con la encuesta más reciente de Stack Overflow realizada a más de 49.000 desarrolladores, un 84% de los programadores adoptó o planea adoptar esta tecnología.
Por otro lado, el aumento de la productividad se ha estancado en torno al 10%, según un estudio de 2026 de la plataforma de inteligencia para desarrolladores DX Research.
Un análisis publicado por el medio InformationWeek revela que los directores de tecnología (CIO) se enfrentan a un desafío. Ya no es la velocidad, sino el impacto profundo en la estructura de los equipos y la formación del talento.
El primer gran cambio radica en la naturaleza misma del trabajo. La IA está transformando al programador tradicional en un arquitecto y supervisor de sistemas. Raghu Malpani, director de tecnología y producto de UiPath, explica este fenómeno con claridad:
"Los desarrolladores se están transformando de escritores de código a revisores y diseñadores de sistemas. Están definiendo la intención, validando los resultados y entregando más código, más rápido", indicó Malpani.
Esta transición desplaza el cuello de botella hacia las etapas de diseño y definición de negocio.
"La habilidad escasa ya no es escribir código. Es saber qué se debe construir, cómo se debe estructurar arquitectónicamente, si es seguro y si realmente impulsa el resultado del negocio" señaló Erik Brown, socio principal de la consultora West Monroe.
El informe de InformationWeek también enciende las alarmas sobre cómo se mide el éxito. Seguir evaluando la eficiencia mediante métricas de actividad (como líneas de código generadas o tokens consumidos) es un error. De hecho, el exceso de código automatizado está pasando factura: los análisis sectoriales demuestran que las solicitudes de revisión de código generado por IA tardan hasta 4.6 veces más en procesarse y contienen más vulnerabilidades de seguridad. El tiempo que se ahorra al escribir se termina perdiendo en las colas de depuración y corrección.
Por otro lado, la adopción tecnológica está alterando la dinámica laboral sin reducir necesariamente las horas de trabajo. Phil Leslie, director de tecnología e innovación de Cornerstone Research, detalla lo encontrado en sus propios registros de horas facturables:
"El uso de la IA no ha reducido de manera medible la proporción de horas de los analistas. Pero lo que ha hecho es cambiar la combinación: los analistas reportan menos tiempo en programación y depuración, y más en interpretación, metodología y pensamiento. El trabajo se siente diferente, aunque las horas no hayan cambiado" analizó Leslie.
Finalmente, InformationWeek advierte sobre una "bomba de tiempo" respecto al talento joven. Las tareas rutinarias que hoy absorbe la IA eran el terreno de práctica donde los desarrolladores junior pulían su criterio. Prescindir de estos perfiles bajo la premisa de que la máquina los reemplaza es un error estratégico.
Leslie advierte que esta decisión es "casi una puerta de un solo sentido", recordando que "el modelo de aprendizaje es la forma en que casi todas las profesiones desarrollan el criterio en el que sus profesionales senior terminan confiando".
El análisis deja al descubierto algunos conceptos clave con los que todo líder tecnológico deberá gestionar en este nuevo paradigma:
Cuello de botella Upstream: Al automatizar la programación, el freno del desarrollo ya no está en escribir código, sino en la fase previa (definición de negocio, diseño e interfaz), exigiendo que los analistas y gestores de producto entreguen requerimientos mucho más maduros antes de involucrar a los ingenieros.
Rotación de código (Code Churn): Un fenómeno en aumento donde el código generado por IA se descarta o reescribe rápidamente por falta de alineación, sumado a una preocupante caída en la refactorización preventiva por parte de los desarrolladores.
Gobernanza del ciclo completo: La transición de revisar líneas de código individuales a auditar de manera centralizada la seguridad, los permisos, la trazabilidad y el comportamiento en tiempo de ejecución de las herramientas automatizadas.
Perfil interdisciplinario: El cambio en los criterios de contratación hacia desarrolladores con visión de negocio, enfocados en resolver problemas de fondo, cumplir normativas y mantener sistemas sostenibles a largo plazo.
Comentarios