Durante mucho tiempo, la imagen del programador fue la de alguien frente a una pantalla, escribiendo línea tras línea hasta conseguir que una máquina hiciera lo que se le pedía. Esa imagen no ha desaparecido, pero se está quedando corta. Hoy, una parte del código puede surgir de una instrucción en lenguaje natural, una sugerencia del editor o un agente que explora un proyecto y propone cambios.
Eso cambia el trabajo. No lo vuelve automáticamente más sencillo ni elimina la necesidad de saber programar. La IA puede producir código con rapidez, pero alguien tiene que decidir qué problema vale la pena resolver, comprobar que la solución funciona en el contexto real y hacerse responsable de sus efectos.
La adopción ya es amplia, aunque la confianza sigue siendo cautelosa. En la encuesta de Stack Overflow de 2025, el 84% de quienes respondieron dijo que usa o planea usar herramientas de IA en su trabajo; al mismo tiempo, más personas desconfiaban de la precisión de sus resultados que las que confiaban en ella. El informe DORA de ese año ofrece una lectura útil: la IA tiende a amplificar lo que una organización ya hace bien y también sus problemas. Una herramienta más rápida no compensa requisitos confusos, sistemas difíciles de mantener ni una cultura que no deja tiempo para revisar.Fuentes: Stack Overflow, encuesta de 2025 · DORA, informe de 2025
Lo que empieza a delegarse
La IA puede encargarse de una primera versión de tareas acotadas y repetitivas. Por ejemplo:
- Escribir funciones sencillas, estructuras iniciales y código repetitivo.
- Proponer pruebas unitarias a partir de un comportamiento descrito.
- Explicar qué hace una función o resumir partes de un código desconocido.
- Sugerir documentación, comentarios, consultas o ejemplos de uso.
- Ayudar a localizar errores probables y ofrecer opciones para corregirlos.
- Convertir datos entre formatos o adaptar código siguiendo un patrón existente.
- Explorar un repositorio y proponer cambios en varios archivos, cuando la herramienta tiene ese alcance.
Delegar aquí significa pedir una propuesta, no entregar el control. La IA puede entender mal una regla de negocio, usar una biblioteca de forma incorrecta o pasar por alto un caso límite. Incluso cuando el resultado parece convincente, hay que integrarlo, probarlo y revisarlo. La encuesta de Stack Overflow refleja esa tensión: muchos desarrolladores encuentran utilidad en estas herramientas, pero persisten dudas sobre la exactitud de lo que generan.Fuente: Stack Overflow, sección sobre IA
El criterio humano gana peso
Cuanto más fácil resulta generar código, más importante es decidir si ese código debe existir. El programador sigue teniendo que entender las necesidades de las personas, conversar con quienes conocen el problema y convertir pedidos vagos en requisitos que puedan verificarse.
También conserva tareas difíciles de reducir a una instrucción breve: elegir cómo se organiza un sistema, decidir qué riesgos son aceptables, preservar la privacidad, manejar información sensible y pensar cómo se mantendrá el producto con el tiempo. Una solución que compila puede ser insegura, costosa de operar o inadecuada para quienes la usarán.
Por eso, la revisión deja de ser el último trámite antes de entregar y se convierte en una actividad central. Revisar código generado implica preguntar: ¿hace lo que necesitamos?, ¿qué supuestos está haciendo?, ¿qué pasa cuando falla?, ¿expone datos?, ¿será comprensible para el próximo equipo? La respuesta no está siempre en el código mismo: también requiere conocer el producto, la organización y sus usuarios.
Nuevas actividades en el oficio
Dar contexto a las herramientas
Para obtener ayuda útil, el desarrollador debe reunir los requisitos, las convenciones del proyecto y las restricciones relevantes. Pedir «hazme una aplicación» suele producir algo superficial; plantear una tarea concreta, proporcionar ejemplos y definir cómo se comprobará el resultado mejora la colaboración.
Diseñar comprobaciones
Las pruebas automáticas, los analizadores, las revisiones de seguridad y la integración continua ayudan a comprobar cambios con rapidez. El desarrollador necesita diseñar esas barreras, interpretar sus resultados y detectar lo que todavía no cubren.
Coordinar agentes y cambios
Algunas herramientas pueden trabajar con varios archivos, ejecutar comandos o preparar cambios completos. Eso introduce trabajo de supervisión: dividir el encargo, limitar el alcance, revisar qué hizo la herramienta y decidir si sus cambios encajan con los de otras personas.
Administrar el riesgo y los datos
No todo código puede compartirse con cualquier servicio. Los equipos deben establecer qué información se puede enviar, qué herramientas están autorizadas y quién valida los resultados antes de usarlos en producción.
Aprender y enseñar de otra manera
La IA puede explicar tecnologías desconocidas o crear ejemplos para estudiar. Pero aprender a programar sigue requiriendo comprender fundamentos, depurar por cuenta propia y reconocer cuándo una explicación está equivocada. Para quienes empiezan, existe un riesgo especial: aceptar una solución que todavía no saben evaluar.
Qué no conviene entregar por completo
Hay decisiones que necesitan una persona con autoridad y conocimiento del contexto. No conviene delegar sin supervisión:
- La definición final de los requisitos del producto.
- La aceptación de riesgos de seguridad, privacidad o cumplimiento.
- La aprobación de cambios que afectan datos, dinero o sistemas críticos.
- La evaluación de si una solución es accesible, justa y apropiada para sus usuarios.
- La responsabilidad frente a un error o un daño causado por el software.
La herramienta puede contribuir a esas tareas —por ejemplo, señalando riesgos potenciales—, pero no asume la responsabilidad profesional, legal o ética de quien la utiliza ni de la organización que publica el sistema.
Una profesión menos centrada en teclear
Esto no significa que escribir código vaya a dejar de importar. Entender estructuras de datos, redes, bases de datos, pruebas, seguridad y arquitectura ayuda a detectar errores y a orientar mejor a la IA. Lo que cambia es la proporción del tiempo: menos esfuerzo en producir cada línea desde cero, y más en especificar, integrar, verificar y mantener una solución completa.
Tampoco todos los equipos obtendrán el mismo beneficio. Si la documentación está desactualizada, el código es difícil de probar o nadie sabe quién revisa los cambios, generar más código puede aumentar el trabajo pendiente. DORA lo plantea como un efecto de amplificación: los resultados dependen tanto de las prácticas y las condiciones del equipo como de la herramienta.Fuente: DORA, informe de 2025
Para las personas programadoras, la oportunidad está en usar la automatización para quitarse trabajo mecánico y dedicar más atención a comprender problemas, conversar con usuarios y construir sistemas confiables. El peligro está en confundir velocidad con progreso: entregar antes algo que nadie entiende ni puede mantener no es una mejora.
La pregunta, entonces, no es solo cuántas líneas puede escribir la IA. Es qué hacemos las personas con el tiempo que libera, qué decisiones seguimos tomando y cómo comprobamos que el software realmente sirve. En ese futuro, programar no será únicamente decirle a la computadora qué hacer. Será saber qué pedir, qué aceptar, qué corregir y cuándo detenerse.
Fuentes: Stack Overflow Developer Survey 2025 y DORA, State of AI-assisted Software Development 2025.