Vivimos en un mundo donde las herramientas de programación impulsadas por inteligencia artificial prometen abaratar la creación de software.
Según algunos analistas, el llamado vibe coding permitiría que startups reproduzcan rápidamente funciones complejas de plataformas SaaS consolidadas.
Esto ha generado predicciones dramáticas sobre el posible fin de las empresas tradicionales de software.
En teoría, los proyectos de software libre, que históricamente han operado con recursos limitados, deberían beneficiarse primero de esta era de “código barato”. Sin embargo, la realidad ha resultado mucho más compleja.
Más código, pero no necesariamente mejor
Diversos expertos coinciden en que las herramientas de IA para programar han generado tantos problemas como soluciones.
Su facilidad de uso ha provocado una avalancha de contribuciones de baja calidad que amenaza con saturar los proyectos. Si bien crear nuevas funciones es más sencillo que nunca, mantenerlas sigue siendo igual de difícil —o incluso más—, lo que aumenta la fragmentación del ecosistema.
El resultado no es una simple abundancia de software, sino un escenario mucho más complicado de gestionar.
Calidad versus cantidad
Muchos proyectos con repositorios abiertos han detectado una caída en la calidad promedio de las contribuciones.
Jean-Baptiste Kempf, CEO de la organización VideoLAN que gestiona VLC, afirmó que las solicitudes de integración provenientes de desarrolladores junior son, en muchos casos, de calidad “lamentable”.
Aun así, Kempf se mantiene optimista respecto al uso de IA, pero enfatiza que estas herramientas son más útiles “para desarrolladores experimentados”.
El caso Blender y la fatiga de los revisores
Un fenómeno similar ocurre en Blender, el software de modelado 3D mantenido como proyecto abierto desde 2002.
Francesco Siddi, CEO de la Blender Foundation, explicó que muchas contribuciones asistidas por modelos de lenguaje han desperdiciado el tiempo de los revisores y afectado su motivación.
Blender aún no ha establecido una política definitiva sobre el uso de IA, pero actualmente estas herramientas no son ni obligatorias ni recomendadas para colaboradores o desarrolladores principales.
Nuevas barreras para controlar la avalancha
El volumen de solicitudes se ha vuelto tan elevado que algunos desarrolladores están creando herramientas para restringir contribuciones.
Mitchell Hashimoto lanzó recientemente un sistema que limita aportes en GitHub a usuarios “avalados”, rompiendo con la tradicional política de puertas abiertas del software libre.
Según él, la IA eliminó la barrera natural de entrada que permitía confiar por defecto en los contribuyentes.
También afecta a los programas de recompensas
El impacto no se limita al desarrollo de código.
El proyecto cURL suspendió su programa de recompensas por vulnerabilidades tras verse desbordado por reportes generados automáticamente —lo que su creador, Daniel Stenberg, describió como “AI slop”.
Antes, elaborar un informe de seguridad requería tiempo y esfuerzo; ahora, la fricción prácticamente ha desaparecido, y el volumen se ha disparado.
Los beneficios reales de la IA
A pesar de estos desafíos, las herramientas de IA generativa también ofrecen ventajas claras.
En VLC, por ejemplo, han facilitado la creación de nuevos módulos, siempre que un desarrollador senior supervise el proceso.
Un experto puede proporcionar al modelo toda la base de código y pedirle que adapte el software a un nuevo sistema operativo. En manos adecuadas, la IA acelera significativamente el desarrollo.
El problema surge cuando quienes no dominan el código dependen excesivamente de estas herramientas.
Prioridades distintas: innovación versus mantenimiento
Otro desafío importante es la diferencia de incentivos.
En grandes empresas tecnológicas, escribir código nuevo suele ser más valorado que mantener el existente. En cambio, el software libre prioriza estabilidad y sostenibilidad.
Konstantin Vinogradov, inversor en proyectos open source, señala que el crecimiento exponencial del código y sus interdependencias no va acompañado de un aumento proporcional en mantenedores activos.
La IA ha acelerado ambos lados de la ecuación: más código y más complejidad.
¿Más fácil programar o más difícil gestionar?
Si la ingeniería de software se entiende como la producción de código funcional, la IA simplifica el proceso.
Pero si se considera como la gestión de complejidad creciente, entonces las herramientas de IA pueden complicarlo aún más.
Mantener bajo control esa expansión requiere planificación activa y estructuras organizativas sólidas.
Un problema persistente
Para Vinogradov, la situación es familiar en el mundo del código abierto: mucho trabajo por hacer y pocos ingenieros experimentados para hacerlo.
La IA potencia a los buenos mantenedores, pero no aumenta su número.
Las herramientas pueden amplificar capacidades, pero los problemas fundamentales —escasez de revisores cualificados, deuda técnica y complejidad acumulada— siguen vigentes.
Reflexión final
Las herramientas de programación con IA no son una solución mágica para el software libre. Son una herramienta poderosa, pero también generan nuevos desafíos en calidad, gobernanza y sostenibilidad.
En 2026, el verdadero reto no será generar más código, sino gestionar mejor su calidad y complejidad.
