Durante años se repitió que la inteligencia artificial no reemplazaría a los programadores, sino únicamente a quienes no aprendieran a utilizarla. En 2026 esa explicación empieza a quedarse corta.
Las empresas ya están utilizando agentes de inteligencia artificial para escribir código, corregir errores, generar pruebas, revisar pull requests, documentar sistemas y realizar migraciones que anteriormente necesitaban semanas de trabajo humano.
Y el cambio ya empieza a verse también en la contratación.
Algunas compañías están preguntando primero si un agente puede realizar el trabajo antes de aprobar una nueva contratación. Otras están reduciendo determinados puestos de ingeniería mientras buscan perfiles más senior y especialistas capaces de trabajar junto con sistemas de IA.
Los datos laborales muestran además una señal especialmente delicada: los profesionales jóvenes de ocupaciones altamente expuestas a inteligencia artificial están encontrando más dificultades para entrar al mercado laboral.
Pero la realidad es más compleja que afirmar simplemente que “la IA está eliminando a todos los programadores”.
En muchas empresas ocurre exactamente lo contrario: mantienen sus equipos y utilizan la productividad adicional para construir más software.
Lo que sí parece estar desapareciendo progresivamente es una forma concreta de trabajar:
el programador cuyo principal valor consiste únicamente en transformar instrucciones claras en líneas de código.
Puede leer también | OpenHands: la plataforma de desarrollo de software con IA de código abierto
La IA ya no solamente ayuda a programar: ya programa
Los primeros asistentes como GitHub Copilot funcionaban principalmente como un autocompletado extremadamente avanzado.
El programador escribía:
function calcularTotal(...)y la IA sugería las siguientes líneas.
La nueva generación de herramientas funciona de manera muy diferente.
Agentes como Claude Code, GitHub Copilot, Gemini y otros sistemas pueden recibir una instrucción de alto nivel como:
Corrige el problema de autenticación,
actualiza las pruebas,
ejecuta el proyecto
y prepara un pull request.Después pueden inspeccionar el repositorio, modificar varios archivos, ejecutar comandos, analizar errores, volver a corregir el código y continuar trabajando hasta obtener un resultado.
Ya no estamos hablando simplemente de:
“ayudar al programador a escribir más rápido”.
Estamos hablando de delegar tareas completas de ingeniería.
El 66% de los desarrolladores ya utiliza asistentes o agentes de programación
La encuesta de desarrolladores de Stack Overflow correspondiente a 2026 muestra hasta qué punto estas herramientas han dejado de ser experimentales.
Entre los profesionales encuestados:
| Uso de IA | Porcentaje |
|---|---|
| Utiliza asistentes o agentes de programación | 65,9% |
| Utiliza herramientas generales de chat con IA | 62,5% |
| Utiliza agentes o workflows automatizados | 26,2% |
| Utiliza herramientas de IA internas de su empresa | 17,8% |
Además, alrededor del 73% de quienes utilizan asistentes de programación lo hacen diariamente.
La IA ya no es una herramienta que un grupo pequeño de desarrolladores prueba durante su tiempo libre.
Está entrando directamente en los procesos cotidianos de ingeniería.
¿Qué tareas ya se están delegando?
Los resultados de Stack Overflow son todavía más interesantes cuando se analiza qué están dejando los desarrolladores en manos de la IA.
| Tarea delegada a IA | Uso reportado |
|---|---|
| Escribir, editar o generar código | 72,9% |
| Depurar problemas | 62,2% |
| Crear o mantener pruebas | 50,6% |
| Documentación | 48,3% |
| Revisión de código y pull requests | 44,9% |
| Diseño y arquitectura | 26,4% |
| Investigación de incidentes | 25,9% |
| Planificación y estimación | 25,2% |
Existe un patrón evidente.
La IA se utiliza mucho más en aquellas tareas donde el resultado puede verificarse mediante:
- Compilación.
- Tests.
- Linters.
- Comparación con código existente.
Y mucho menos cuando las consecuencias requieren decisiones organizativas o responsabilidad directa sobre producción.
La primera víctima puede no ser el programador, sino la tarea de programar
Esta diferencia es fundamental para comprender lo que está ocurriendo.
Una profesión está formada por muchas tareas.
Un desarrollador puede dedicar su jornada a:
- Entender requisitos.
- Hablar con usuarios.
- Diseñar arquitectura.
- Escribir código.
- Depurar.
- Revisar código.
- Realizar pruebas.
- Desplegar.
- Investigar incidentes.
La IA no necesita reemplazar todas esas actividades para cambiar completamente el número de personas necesarias.
Si automatiza gran parte de:
- Código repetitivo.
- CRUD.
- Tests unitarios.
- Documentación.
- Refactorización sencilla.
un equipo de diez personas podría terminar realizando un volumen similar de trabajo con seis o siete.
O podría mantener a las diez personas y producir el doble.
Las dos cosas están ocurriendo.
Shopify cambió directamente la regla para contratar personas
Uno de los ejemplos más conocidos proviene de Shopify.
Su CEO, Tobi Lütke, comunicó a los empleados que utilizar inteligencia artificial debía convertirse en una expectativa básica dentro de la compañía.
Pero la parte más importante del mensaje estaba relacionada con las nuevas contrataciones.
Antes de solicitar más personal o recursos, un equipo debe demostrar por qué no puede conseguir el resultado utilizando inteligencia artificial.
En otras palabras, la pregunta empresarial está cambiando.
Antes era:
“¿Necesitamos contratar otro desarrollador?”
Ahora puede ser:
“¿Por qué necesitamos contratarlo si nuestros agentes pueden asumir parte de ese trabajo?”
Eso no es un despido, pero sí puede eliminar una contratación
Este fenómeno es importante porque el impacto de la IA sobre el empleo no tiene que aparecer únicamente mediante grandes anuncios de despidos.
Puede ocurrir silenciosamente.
Un programador abandona una empresa.
Antes:
Programador se va
|
v
abrir vacante
|
v
contratar reemplazo
Ahora:
Programador se va
|
v
redistribuir tareas
|
v
usar agentes de IA
|
v
no reemplazar puesto
En las estadísticas no aparece necesariamente como:
“programador despedido por una IA”.
Simplemente deja de existir una vacante.
Salesforce está midiendo enormes aumentos de producción por ingeniero
Salesforce es otro ejemplo interesante.
La compañía ha integrado agentes de programación profundamente dentro de sus equipos de ingeniería.
En abril de 2026, Salesforce reportó que, comparado con abril de 2025:
- Los trabajos completados por desarrollador aumentaron 50,8%.
- Los pull requests fusionados por desarrollador aumentaron 79%.
- Su medición interna de producción efectiva aumentó 151,3%.
La compañía también describió una migración de 33 endpoints de API que anteriormente habría requerido aproximadamente:
231 días-personay que mediante un workflow basado en agentes pudo completarse en una fracción de ese esfuerzo tradicional.
Eso cambia la matemática de los equipos
Si una empresa necesita realizar un proyecto equivalente a:
200 días-personatradicionalmente puede pensar:
10 programadores x 20 días
Pero si agentes permiten completar gran parte del trabajo repetitivo, la pregunta se convierte en:
¿Cuántos ingenieros necesito para dirigir, revisar y validar el trabajo de los agentes?
Ese cambio puede afectar directamente al tamaño de los equipos.
Google afirma que buena parte de su nuevo código ya utiliza IA
Las grandes tecnológicas están avanzando todavía más rápido.
Google ha informado que una parte muy significativa del código nuevo dentro de la compañía se genera con asistencia de inteligencia artificial y posteriormente es revisada y aprobada por ingenieros.
Esto introduce una transformación conceptual muy importante.
El desarrollador deja progresivamente de ser únicamente:
persona que escribe códigopara convertirse en:
persona que define
+
supervisa
+
evalúa
+
corrige
+
aprueba códigoEs una función diferente.
El desarrollador comienza a parecerse a un director de agentes
Un ingeniero puede trabajar en paralelo con varios agentes.
Por ejemplo:
| Agente | Tarea |
|---|---|
| Agente 1 | Implementar API |
| Agente 2 | Crear pruebas |
| Agente 3 | Actualizar documentación |
| Agente 4 | Buscar vulnerabilidades |
Mientras tanto, el ingeniero humano se concentra en:
- Requisitos.
- Arquitectura.
- Prioridades.
- Integración.
- Revisión.
- Seguridad.
El código sigue existiendo.
Pero una parte creciente puede dejar de ser escrita manualmente por una persona.
El mayor impacto ya aparece entre los programadores jóvenes
Aquí aparece uno de los datos más preocupantes.
Investigadores del Stanford Digital Economy Lab analizaron datos administrativos de nóminas de ADP correspondientes a millones de trabajadores estadounidenses.
La revisión publicada en agosto de 2026 encontró que:
el empleo de trabajadores entre 22 y 25 años dentro de profesiones altamente expuestas a IA se encuentra alrededor de un 19% por debajo de donde habría estado si hubiera seguido el comportamiento de ocupaciones menos expuestas.
El efecto no aparece de la misma manera entre trabajadores experimentados.
El problema parece estar principalmente en las nuevas contrataciones
Este detalle resulta todavía más importante.
Los investigadores encontraron que el ajuste se produce principalmente mediante:
menos contratación de jóvenes
y no simplemente mediante despidos masivos.
Eso encaja perfectamente con el cambio que está ocurriendo dentro de los equipos de software.
Muchas de las tareas que tradicionalmente se entregaban al programador junior son precisamente aquellas donde la IA funciona mejor.
¿Qué hacía tradicionalmente un junior?
Un desarrollador recién incorporado podía comenzar con:
- Funciones sencillas.
- CRUD.
- Tests.
- Corrección de bugs simples.
- Documentación.
- Scripts.
- Refactorizaciones pequeñas.
¿Qué hacen especialmente bien Claude Code, Copilot y otros agentes?
Exactamente muchas de esas tareas.
La IA está atacando el primer escalón de la carrera
Esto genera una paradoja complicada.
Las empresas siguen necesitando:
- Arquitectos.
- Ingenieros senior.
- Especialistas en seguridad.
- Expertos de dominio.
Pero esas personas llegaron a tener experiencia después de pasar años realizando tareas relativamente sencillas.
Si las empresas dejan de contratar juniors, aparece una pregunta:
¿de dónde saldrán los seniors dentro de cinco o diez años?
El Census Bureau también encuentra problemas para quienes comienzan
Una investigación del U.S. Census Bureau publicada en 2026 encontró un patrón parecido.
Entre trabajadores de 22 a 24 años en industrias altamente expuestas a IA, la contratación cayó de manera significativa después de la llegada de ChatGPT.
El empleo ajustado de los trabajadores en etapas tempranas de carrera dentro de los sectores más expuestos disminuyó alrededor de:
12%durante los diez trimestres analizados.
Los autores son prudentes y reconocen que existen otros factores económicos.
Pero el patrón de reducción en contratación aparece claramente asociado a sectores donde la exposición a inteligencia artificial es mayor.
En septiembre apareció otra señal para recién graduados
Otro estudio del Census Bureau analizó resultados laborales de graduados universitarios según el nivel de exposición de sus carreras a IA.
Entre las especialidades más expuestas, los investigadores encontraron:
- Menor probabilidad de conseguir el primer empleo.
- Menores ingresos iniciales.
- Desplazamiento hacia industrias con salarios inferiores.
Esto no afecta exclusivamente a informática.
Pero software y otras profesiones digitales forman parte del grupo donde el fenómeno se observa con especial atención.
“Programador” y “desarrollador de software” empiezan a separarse
Una de las señales más interesantes aparece en las nuevas proyecciones del Bureau of Labor Statistics estadounidense.
Para el periodo 2025-2035, las proyecciones distinguen:
| Profesión | Proyección de empleo |
|---|---|
| Computer programmers | -7,3% |
| Software developers | +10,2% |
La diferencia parece contradictoria.
Pero en realidad puede explicar perfectamente lo que está ocurriendo.
Escribir código pierde valor; construir software no
El programador tradicional puede recibir una especificación y transformarla en código.
Un desarrollador de software moderno necesita además:
- Entender negocio.
- Diseñar soluciones.
- Tomar decisiones arquitectónicas.
- Evaluar riesgos.
- Trabajar con infraestructura.
- Coordinar sistemas.
- Validar calidad.
La IA automatiza mucho más fácilmente:
“escribe esta función”que:
“decide qué sistema debe construir
esta empresa y cómo debe funcionar
durante los próximos cinco años”El propio BLS menciona explícitamente la automatización con IA
En sus proyecciones actuales, el Bureau of Labor Statistics explica que las tareas de programación continúan automatizándose, incluida la utilización de inteligencia artificial.
También señala que herramientas low-code, no-code e IA pueden asumir determinadas tareas de desarrollo web.
Pero, al mismo tiempo, proyecta un crecimiento importante para desarrolladores de software porque:
- Se necesita cada vez más software.
- Crece la inteligencia artificial.
- Crece la robótica.
- Crece IoT.
- Crece la automatización.
- Crece la ciberseguridad.
La conclusión es aparentemente paradójica:
la IA puede reducir la cantidad de trabajo humano necesaria para escribir cada programa mientras aumenta la cantidad total de software que la sociedad quiere construir.
Por eso todavía no existe evidencia de desaparición masiva del empleo
Stanford es explícito en este punto.
Sus datos de 2026 no muestran una sustitución generalizada de trabajadores en toda la economía.
Incluso dentro de software, la situación es mucho más compleja que una eliminación lineal de puestos.
Algunas empresas reducen personal.
Otras dejan de contratar tantos juniors.
Otras mantienen las mismas plantillas.
Y otras siguen contratando porque ahora pueden crear productos que anteriormente eran demasiado caros.
Un estudio reciente encuentra exactamente el fenómeno contrario: más software, no menos ingenieros
Un informe de Karat realizado con The Harris Poll entre responsables tecnológicos de Estados Unidos y China aporta un contrapunto importante.
Entre los líderes tecnológicos estadounidenses encuestados:
el 90% indicó que está utilizando la IA para producir más manteniendo o aumentando el número de ingenieros.
Solo alrededor del 10% señaló que la utiliza para mantener la misma producción con menos personas.
Este dato contradice la idea de que todas las empresas estén intentando despedir desarrolladores.
Lo que está ocurriendo puede parecerse al efecto Jevons
Cuando una tecnología reduce el coste de producir algo, ese producto puede empezar a utilizarse mucho más.
Antes una empresa podía pensar:
“esa aplicación interna cuesta seis meses de desarrollo, no la hagamos”.
Ahora:
“con dos ingenieros y agentes podemos tenerla en tres semanas”.
El resultado no es necesariamente menos software.
Puede ser muchísimo más software.
Gartner también prevé equipos más pequeños, pero más numerosos
Gartner publicó en 2026 una predicción especialmente interesante.
Para 2029 estima que:
el 60% de las organizaciones adoptará equipos de ingeniería de software más pequeños a gran escala, frente a aproximadamente 15% en 2026.
Pero Gartner advierte que eso no significa necesariamente menos ingenieros en total.
La idea sería:
ANTES 1 equipo 10 ingenieros FUTURO Equipo A 4 ingenieros + agentes Equipo B 4 ingenieros + agentes Equipo C 4 ingenieros + agentes
Los equipos se reducen.
Pero la empresa puede crear más equipos porque el coste de producir software disminuye.
¿Entonces las empresas están reemplazando programadores o no?
La respuesta más precisa en 2026 es:
sí, determinadas tareas y determinados puestos ya están siendo sustituidos, pero todavía no existe evidencia de sustitución generalizada de toda la profesión.
Podemos separar el fenómeno en cuatro escenarios.
| Escenario | Qué está ocurriendo |
|---|---|
| Sustitución directa | Una empresa reduce puestos porque automatiza parte del trabajo. |
| No contratación | No reemplaza empleados que se van o aprueba menos nuevas vacantes. |
| Amplificación | Mantiene empleados y produce más software. |
| Transformación | Cambia perfiles junior por desarrolladores senior o especialistas en IA. |
Thomson Reuters ofrece un ejemplo perfecto de esta transformación
En julio de 2026, Thomson Reuters anunció recortes dentro de áreas de ingeniería mientras avanzaba en la adopción de inteligencia artificial.
Pero al mismo tiempo informó que esperaba crear más de 250 nuevas posiciones de ingeniería durante los siguientes dos años.
La gran mayoría estaría orientada hacia perfiles:
senior y AI-native.
Es decir, la empresa puede eliminar puestos de un tipo y contratar otros diferentes.
El mensaje para el programador es más incómodo que “la IA te reemplazará”
Porque el verdadero cambio puede ser:
la empresa ya no necesita exactamente el perfil que necesitaba hace tres años.
Antes podía contratar a alguien principalmente porque sabía:
- Java.
- Python.
- JavaScript.
- SQL.
Ahora puede buscar alguien que además sepa:
- Diseñar sistemas.
- Coordinar agentes.
- Revisar código generado.
- Detectar errores de IA.
- Comprender seguridad.
- Evaluar arquitectura.
- Entender el negocio.
El lenguaje de programación deja de ser la principal ventaja competitiva
Durante años era habitual preguntar:
“¿Qué lenguaje debo aprender para conseguir trabajo?”
Python.
Java.
JavaScript.
C#.
Rust.
Pero un agente puede trabajar con todos ellos simultáneamente.
Por eso una habilidad cada vez más importante será:
saber qué software debe construirse y ser capaz de comprobar si lo generado realmente es correcto.
Los desarrolladores todavía no confían ciegamente en el código generado
Este es otro dato que evita caer en la idea de que los humanos ya dejaron de ser necesarios.
Stack Overflow preguntó a los desarrolladores qué hacen cuando reciben una respuesta generada por IA.
La mayoría:
- La ejecuta localmente.
- La compara con el contexto del repositorio.
- Revisa tests y seguridad.
- Consulta documentación.
Solo una pequeña minoría utiliza la respuesta directamente sin verificarla.
La IA produce más código, pero alguien debe asumir la responsabilidad
Un agente puede escribir:
authentication.pyPero si esa implementación permite que un usuario vea la cuenta de otro, alguien debe responder por la vulnerabilidad.
Una IA no participa en:
- La reunión con el cliente.
- El comité de seguridad.
- La auditoría.
- El incidente.
- La responsabilidad contractual.
Por eso las empresas continúan necesitando profesionales capaces de comprender lo que se está desplegando.
Puede leer también | El lado oscuro de la inteligencia artificial: riesgos, dilemas y consecuencias
Más código generado también puede significar más errores
La productividad no es gratuita.
El informe de Karat muestra que, aunque las organizaciones están produciendo más funcionalidades, muchos responsables tecnológicos también observan:
- Más trabajo de revisión.
- Más necesidad de pruebas.
- Más esfuerzo definiendo requisitos.
- Problemas de calidad.
En su estudio, 44% de los líderes reportaron un aumento en errores de programación.
El cuello de botella se mueve desde escribir hacia revisar
Antes:
Idea | programador escribe | code review | producción
Ahora:
Idea | agentes generan mucho código | | v ¿quién revisa todo esto?
La capacidad de generar software puede crecer más rápido que la capacidad humana de verificarlo.
Por eso testing, seguridad y arquitectura pueden convertirse en trabajos todavía más importantes.
Los seniors pueden ganar valor en lugar de perderlo
La IA tiene una característica interesante.
Un desarrollador experimentado puede utilizarla para multiplicar conocimientos que ya posee.
Sabe detectar:
- Arquitectura innecesariamente compleja.
- Queries peligrosas.
- Problemas de concurrencia.
- Diseños que no escalarán.
- Errores de seguridad.
Puede pedir a cinco agentes que trabajen simultáneamente y evaluar rápidamente cuál de las propuestas tiene sentido.
Un desarrollador sin bases sólidas puede aceptar precisamente el código incorrecto porque no sabe reconocer el problema.
La IA puede ampliar la diferencia entre junior y senior
Antes, ambos escribían código.
La diferencia era principalmente la complejidad que podían manejar.
Ahora ambos tienen acceso a agentes poderosos.
Pero el senior puede utilizarlos con mejor:
- Contexto.
- Arquitectura.
- Supervisión.
- Validación.
La herramienta es la misma.
El resultado puede ser completamente diferente.
El junior tiene otro problema: ¿cómo adquiere experiencia si la IA hace el trabajo sencillo?
Una persona aprende programación enfrentándose a errores.
Escribe código.
Rompe cosas.
Depura.
Comprende por qué falló.
Repite.
Si desde el primer día simplemente pide:
Claude, corrígelo.puede producir software sin desarrollar el mismo nivel de comprensión.
La encuesta de BairesDev muestra precisamente esta tensión
En una investigación realizada entre más de 1.500 desarrolladores en 77 países, BairesDev encontró una importante diferencia de percepción.
Muchos juniors consideran que la IA mejora significativamente su aprendizaje.
Pero los seniors que trabajan con ellos son bastante más cautelosos sobre cuánto comprenden realmente del código generado que entregan.
Ese problema puede convertirse en uno de los mayores retos de formación de la próxima generación.
¿Qué trabajos de programación están más expuestos?
Los primeros candidatos son aquellos donde:
- Los requisitos son claros.
- Existen muchos ejemplos en Internet.
- El resultado se puede probar automáticamente.
- El contexto empresarial es pequeño.
Por ejemplo:
- Landing pages.
- CRUD sencillos.
- Scripts.
- Integraciones básicas.
- Tests unitarios.
- Transformaciones de datos.
- Documentación.
Desarrollo web sencillo está especialmente expuesto
Anthropic encontró que Claude Code es utilizado intensamente para:
- JavaScript.
- HTML.
- Interfaces.
- Aplicaciones web.
En su análisis, aproximadamente el 79% de las interacciones con Claude Code fueron clasificadas como automatización en lugar de simple colaboración.
Esto sugiere que determinadas tareas de frontend y aplicaciones sencillas pueden verse afectadas antes que trabajos donde existe más complejidad operacional.
¿Qué perfiles parecen más resistentes?
No significa que sean inmunes.
Pero actualmente existe más dificultad para sustituir completamente funciones donde se necesita:
- Arquitectura compleja.
- Ciberseguridad.
- Infraestructura crítica.
- Sistemas distribuidos.
- Conocimiento profundo del negocio.
- Performance.
- Hardware.
- Regulación.
- Responsabilidad operacional.
La ciberseguridad puede crecer precisamente por culpa de la IA
Más código generado implica también:
- Más aplicaciones.
- Más dependencias.
- Más superficie de ataque.
- Más configuraciones.
El BLS proyecta que los especialistas en seguridad informática crecerán con mucha más rapidez que el promedio laboral.
La automatización crea software, pero también crea nuevos problemas que alguien tendrá que proteger.
El programador del futuro escribirá menos código manualmente
Eso no significa necesariamente trabajar menos.
Puede significar utilizar el tiempo en otras tareas.
Una jornada podría evolucionar desde:
5 horas escribiendo código 2 horas depurando 1 hora reuniones
hacia:
1 hora definiendo requisitos 1 hora arquitectura 3 horas supervisando agentes 2 horas revisando código y pruebas 1 hora integración
La profesión continúa.
Pero el trabajo cambia profundamente.
Lo peligroso es intentar competir con la IA escribiendo código más rápido
Una persona difícilmente puede competir con un agente en:
generar 500 líneas crear diez tests traducir código documentar funciones
La ventaja humana debe desplazarse hacia aquello que la herramienta todavía necesita recibir:
- Objetivo.
- Contexto.
- Criterio.
- Restricciones.
- Validación.
Aprender únicamente sintaxis ya no será suficiente
Memorizar:
for
if
class
function
SELECT
JOINcontinúa siendo útil para comprender el código.
Pero ya no constituye una ventaja laboral suficiente.
Un profesional debería fortalecer además:
- Estructuras de datos.
- Arquitectura.
- Bases de datos.
- Sistemas operativos.
- Redes.
- Seguridad.
- Testing.
- Cloud.
- Dominio empresarial.
Aprender IA deja de ser opcional para muchos desarrolladores
La encuesta Stack Overflow 2026 refleja también esta transformación educativa.
Aproximadamente:
79%de los desarrolladores encuestados está aprendiendo habilidades relacionadas con inteligencia artificial.
Eso no significa que dejen de aprender programación.
Significa que utilizar agentes está convirtiéndose en otra competencia profesional.
Un nuevo perfil: ingeniero AI-native
Las empresas comienzan a utilizar este término para describir profesionales que no solo conocen IA.
La integran de forma natural dentro de su forma de trabajar.
Un ingeniero AI-native puede:
- Dividir una tarea entre agentes.
- Darles contexto.
- Preparar instrucciones.
- Evaluar resultados.
- Automatizar workflows.
- Controlar costes de tokens.
- Evitar exponer datos sensibles.
- Revisar el código generado.
Ya estamos viendo empresas buscar explícitamente este tipo de perfiles.
¿Desaparecerá el título “programador”?
No necesariamente.
Pero puede sufrir una transformación parecida a otras profesiones tecnológicas.
Hace décadas existían cargos dedicados exclusivamente a:
- Operar mainframes.
- Gestionar cintas.
- Escribir determinado tipo de código repetitivo.
El software no desapareció.
Los roles evolucionaron.
Algo similar puede ocurrir ahora.
El mayor riesgo está en negarse a utilizar la herramienta
Dos desarrolladores con experiencia similar pueden tener productividades completamente diferentes.
Uno trabaja manualmente.
El otro utiliza agentes para:
- Explorar el repositorio.
- Crear prototipos.
- Generar tests.
- Automatizar refactorizaciones.
- Preparar documentación.
Si la calidad final es equivalente, para una empresa la diferencia económica resulta difícil de ignorar.
Pero usar IA tampoco garantiza conservar el empleo
Este es el otro extremo que debe evitarse.
Saber utilizar Claude Code no convierte automáticamente a una persona en indispensable.
Precisamente porque todos los desarrolladores pueden acceder a estas herramientas, la ventaja puede desplazarse hacia:
- Conocimiento del negocio.
- Experiencia.
- Criterio.
- Capacidad de decisión.
- Responsabilidad.
La pregunta importante cambia
Antes una entrevista podía preguntar:
¿Puedes implementar un árbol binario?Ahora podría evolucionar hacia:
Tienes tres agentes,
un repositorio con cinco millones
de líneas y este incidente.
¿Cómo encuentras el problema,
validas la solución
y garantizas que no romperá producción?Eso evalúa capacidades completamente diferentes.
¿Qué debería aprender hoy un estudiante de programación?
Abandonar las bases porque “la IA ya programa” sería un grave error.
Precisamente para revisar a la IA necesitamos comprender:
- Algoritmos.
- Estructuras de datos.
- Programación.
- Bases de datos.
- Redes.
- Sistemas operativos.
- Seguridad.
Pero también debería aprender a trabajar con:
- Agentes de código.
- Git.
- CI/CD.
- Contenedores.
- Cloud.
- Pruebas automáticas.
- Observabilidad.
No aprendas a competir contra Claude: aprende a dirigirlo
Puede resumirse de esta manera.
No conviene construir una carrera alrededor de ser:
más rápido escribiendo códigoque una inteligencia artificial.
Conviene convertirse en la persona capaz de:
decidir qué debe construirse
+
conseguir que los agentes lo construyan
+
demostrar que funciona correctamente¿Qué deberían hacer los programadores durante 2026?
- Utilizar al menos un agente avanzado de programación.
- Aprender a proporcionar contexto de repositorios grandes.
- Fortalecer arquitectura de software.
- Aprender testing y seguridad.
- Comprender CI/CD.
- Aprender Docker y cloud.
- Profundizar en bases de datos.
- Aprender a revisar código generado por IA.
- Especializarse en un dominio empresarial.
- Construir proyectos donde la IA sea herramienta y no sustituto de comprensión.
¿Qué deberían hacer las universidades?
Prohibir completamente la IA puede resultar tan poco realista como permitir que los estudiantes deleguen toda la asignatura.
La formación probablemente necesitará dos niveles.
Primero:
aprender a construir sin IA.
Para comprender realmente algoritmos, estructuras, programación y depuración.
Después:
aprender ingeniería con IA.
Utilizando agentes para resolver proyectos mayores, pero obligando al estudiante a comprender, defender y evaluar lo producido.
El examen del futuro podría ser explicar el código que generó tu agente
En lugar de preguntar únicamente:
Escriba este algoritmo.podría plantearse:
Utilice IA si lo desea.
Ahora explique:
por qué funciona,
qué complejidad tiene,
qué vulnerabilidades presenta,
cómo lo probaría
y qué cambiaría para producción.Ese tipo de evaluación puede acercarse mucho más al trabajo profesional que viene.
¿Estamos ante el fin de los programadores?
Los datos actuales no respaldan esa conclusión.
El Bureau of Labor Statistics continúa proyectando crecimiento para desarrolladores de software durante la próxima década.
La encuesta de Karat muestra que la mayoría de responsables tecnológicos espera mantener o aumentar sus equipos.
Gartner prevé más equipos pequeños apoyados por IA.
Pero también existen señales difíciles de ignorar:
- Menos contratación de trabajadores jóvenes en profesiones muy expuestas.
- Caída proyectada para el puesto tradicional de computer programmer.
- Empresas que exigen justificar nuevas contrataciones frente a IA.
- Agentes que ya escriben la mayor parte del código rutinario.
La respuesta correcta probablemente sea: termina una era de la programación
La industria no está dejando de construir software.
Está construyendo más.
Lo que está cambiando es quién escribe cada línea y cuánto valor económico tiene hacerlo manualmente.
Durante décadas:
software = programadores escribiendo código
El nuevo modelo comienza a parecerse a:
software = ingenieros + agentes + automatización + revisión humana
Puede leer también | La IA de código abierto es el camino a seguir
Recomendamos
- OpenHands: la plataforma de desarrollo de software con IA de código abierto
- Crea tu app sin saber programar con esta IA gratuita y fácil de usar
- El lado oscuro de la inteligencia artificial: riesgos, dilemas y consecuencias
- La IA de código abierto es el camino a seguir
En resumen
Las empresas ya están sustituyendo parte del trabajo que tradicionalmente realizaban programadores por inteligencia artificial.
Los agentes actuales pueden escribir código, corregir errores, generar pruebas, realizar revisiones y completar tareas completas de desarrollo.
Shopify ya exige a sus equipos evaluar si pueden conseguir un resultado utilizando IA antes de solicitar más personal.
Salesforce está utilizando agentes a gran escala dentro de ingeniería y reporta importantes incrementos de producción por desarrollador.
Al mismo tiempo, investigaciones de Stanford y del Census Bureau encuentran señales de menor contratación y empleo entre trabajadores jóvenes de profesiones altamente expuestas a la automatización.
Pero no existe todavía evidencia de una desaparición generalizada de los desarrolladores.
El BLS proyecta una caída para el puesto tradicional de computer programmer, mientras continúa proyectando crecimiento para software developers.
Y una encuesta reciente de líderes tecnológicos indica que la mayoría de las empresas está utilizando la productividad de la IA para producir más software manteniendo o ampliando sus equipos.
Conclusión editorial
La pregunta “¿la IA reemplazará a los programadores?” probablemente esté mal planteada.
Porque el reemplazo no tiene que producirse de un día para otro.
No necesita aparecer un robot llamado Claude sentado en el escritorio donde ayer había una persona.
Puede ocurrir de una manera mucho menos visible.
Un programador se marcha y no se abre su vacante.
Un proyecto que necesitaba diez personas recibe seis.
Una empresa contrata un senior con agentes en lugar de tres juniors.
Un equipo que hacía cinco proyectos al año comienza a realizar quince con el mismo personal.
Eso también es automatización laboral.
Y algunas de esas señales ya aparecen en los datos.
Pero existe otra parte de la historia.
Nunca habíamos necesitado tanto software.
La inteligencia artificial necesita software.
Los robots necesitan software.
Los automóviles necesitan software.
La infraestructura crítica necesita software.
Las empresas quieren automatizar procesos que hasta ahora nunca justificaban el coste de desarrollar una aplicación.
Por eso pueden ocurrir dos fenómenos simultáneamente:
necesitar menos personas para construir cada aplicación y necesitar más aplicaciones que nunca.
El perdedor más evidente puede no ser entonces “el desarrollador”.
Puede ser el profesional que únicamente sabe recibir una especificación y transformarla manualmente en código.
Porque ésa es precisamente la actividad donde los agentes están avanzando con mayor rapidez.
El ingeniero que entiende arquitectura, seguridad, infraestructura, producto y negocio probablemente tendrá una función diferente.
No necesariamente escribirá cada línea.
Supervisará máquinas capaces de escribirlas.
Y eso cambia profundamente lo que significa aprender programación.
Durante años preguntábamos qué lenguaje convenía dominar.
Java.
Python.
JavaScript.
Rust.
La pregunta que empieza a importar ahora es otra:
¿puedes tomar una necesidad real, convertirla en un sistema correcto y utilizar agentes para construirlo sin perder el control de lo que están haciendo?
Quien pueda responder sí seguirá teniendo un papel importante.
Quien construya toda su ventaja profesional alrededor de escribir rápidamente código rutinario tendrá cada vez más competencia.
Y esa competencia ya no estará únicamente formada por otros programadores.
También estará formada por agentes que trabajan durante horas, conocen prácticamente todos los lenguajes y pueden producir código en paralelo a una velocidad imposible para una sola persona.
Fuentes: Stack Overflow Developer Survey 2026 — AI, Stanford Digital Economy Lab — Canaries in the Coal Mine, U.S. Census Bureau — AI and Early Career Hiring, U.S. Bureau of Labor Statistics — Employment Projections, Karat / Harris Poll — AI Workforce Transformation 2026, Gartner — Smaller Software Engineering Teams, Shopify — AI adoption y Salesforce — Agentic Engineering.
