¿Se derrumbó el costo de construir software un 90%?
- Redacción IT NOW
- hace 9 minutos
- 4 Min. de lectura
Los agentes de código están acelerando procesos que antes ocupaban semanas en pocas horas. El efecto no es sólo técnico: redesigna la economía del desarrollo, aumenta la demanda por productos digitales y obliga a los ingenieros a subirse rápido al nuevo paradigma si no quieren quedar relegados. ¿Qué hay de real y qué de hiperbole en la promesa de “software mucho más barato”?
El salto que se siente en los equipos hoy no es tanto una mejora incremental de autocompletado como una reconfiguración del flujo de trabajo. Herramientas como Claude Code han mostrado que un conjunto de agentes coordinados puede tomar especificaciones de negocio, generar APIs, crear suites de pruebas y desplegar funcionalidades con mínima intervención humana, tareas que históricamente absorbían la mayor parte del tiempo y del presupuesto de un proyecto. Esa compresión del tiempo de implementación —de semanas a días, según usuarios y pruebas públicas— es la raíz de estimaciones agresivas sobre ahorros de costo (que en algunos casos los proponentes sitúan en el orden del 80–90%).
Sin embargo, la afirmación “90% menos coste” necesita matices: la economía del software tiene al menos tres variables que no desaparecen con una mejor IA. Primero, la pensación estratégica —diseñar la solución correcta, entender restricciones legales, integraciones y riesgos— sigue siendo trabajo humano intenso. Segundo, la verificación y la seguridad: las nuevas cadenas donde los agentes operan han mostrado vectores de riesgo inéditos; investigaciones recientes documentan vulnerabilidades en IDEs y flujos de trabajo asistidos por IA que pueden exponer datos sensibles o permitir ejecución remota si no se reescriben controles de seguridad. Dicho de otro modo: la factura puede bajar, pero el coste de fallar (o de remediar agujeros) puede subir si no se robustecen procesos.
Tercero, la calidad a largo plazo. Los agentes son excelentes generadores de primera versión y de pruebas masivas; también tienden a reproducir patrones y a introducir deuda técnica cuando se usan sin criterio. Las encuestas recientes muestran que, pese a las ganancias de productividad declaradas, la confianza de los desarrolladores y la opinión sobre la calidad sigue siendo cautelosa: muchos equipos reportan ahorros de tiempo del 30–60% en tareas concretas, pero menos consenso sobre mejoras estructurales inmediatas. Es decir: el tiempo de hacer se comprime, pero el tiempo de pensar bien y de gobernar la plataforma —arquitectura, seguridad, compliance— mantiene su precio.
El fenómeno económico que mejor explica lo que puede venir es clásico: la paradoja de Jevons. Cuando algo se abarata, su uso no disminuye, sino que se expande —y muchas veces de manera exponencial— hasta crear nuevas demandas. Si desarrollar una app interna pasa de costar US$50.000 a US$5.000, desaparecen las barreras para transformar cientos de hojas de cálculo, procesos manuales y servicios aislados en productos digitales. Eso genera más trabajo para crear software (y más valor capturable), pero también redistribuye dónde y cómo se gasta el capital humano: menos codificación repetitiva, más diseño de producto, automatización de procesos y mantenimiento evolutivo.
¿Entonces qué valoran las empresas y qué deben hacer los equipos técnicos? La respuesta práctica que emergió en entrevistas y pruebas de campo es que la ventaja competitiva pasa de “saber programar” a “saber cómo aplicar y supervisar agentes”. El verdadero moat hoy es el conocimiento del dominio (finanzas, salud, logística) y la capacidad de traducir ese conocimiento en especificaciones robustas, así como la habilidad para auditar y gobernar el software generado. Un desarrollador que domina herramientas agentic y entiende el negocio puede multiplicar su impacto: no desaparece la necesidad de ingenieros, cambia el perfil y sube el valor de quienes combinan técnica y dominio.
También hay riesgos que no conviene subestimar: dependencia de proveedores de modelos, costes operativos de inferencia a gran escala, vulnerabilidades en pipelines autónomos y la necesidad de nuevas prácticas de QA y seguridad “pensadas para agentes”. Empresas que piensen en ahorrar simplemente sustituyendo equipos enteros por agentes sin invertir en gobernanza, pruebas continuas y protección de datos corren alto riesgo de sufrir fallos costosos. Al mismo tiempo, quienes adopten una estrategia prudente —equipos pequeños, humanos en lazo (human-in-the-loop), métricas de calidad y mapas de riesgo— pueden convertir la reducción de coste por unidad en una ventaja estratégica real.
En resumen, no es una "Segunda Venida" instantánea que borre puestos ni que haga innecesaria la ingeniería; es, más probablemente, la mayor reorganización del flujo de trabajo de software desde la era del Open Source y la nube. Habrá proyectos que efectivamente cuesten una fracción de lo que costaban, nuevos mercados y mayor accesibilidad para equipos pequeños —pero también habrá fricciones técnicas, legales y de seguridad que demandarán nuevas habilidades. Para las empresas y los profesionales de TI la pregunta ya no es si la IA codificadora afectará al sector, sino cómo se preparan para gobernar, auditar y sacar provecho ético y sostenible de ella. El 2026 será el año en que muchos comprobarán si se subieron al tren a tiempo.
Comentarios