Abro LinkedIn — y ahí hay otro post: "La IA escribe código mejor que los humanos, la profesión de programador está muriendo". Reviso Twitter — la misma historia. YouTube — expertos prediciendo el fin de la era de los desarrolladores.
Luego miro las ofertas de trabajo. Empresas ofreciendo $150-200K anuales para desarrolladores mid-level. AWS pagando 31% más a programadores que saben trabajar con IA. La demanda de especialistas en machine learning subió 82% en los últimos dos años.
Algo no cuadra, ¿verdad?
Averigüemos qué está pasando realmente. Sin pánico y sin hype — solo hechos.
Qué es realmente la IA (Spoiler: Es más tonta de lo que parece)
¿Sabes a qué me recuerda la IA? A ese estudiante de diez que se empolla todo antes de los exámenes. Memoriza toneladas de información pero no entiende cómo funciona realmente.
Cuando ChatGPT genera código, no está "pensando" una solución. Está recordando ejemplos similares de millones de líneas de código con las que fue entrenado. GitHub, Stack Overflow, documentación — todo está en su "memoria" como una gigantesca base de datos de patrones.
Imagina un estudiante preparándose para un examen. Ha resuelto 500 problemas de matemáticas. Cuando le dan un problema similar en el examen, piensa: "Oh, esto es como el problema número 347, solo que con números diferentes". Lo resuelve por analogía.
La IA funciona exactamente igual. Solo que en lugar de 500 problemas, tiene millones de ejemplos de código.
Un desarrollador decidió hacer un experimento. Empezó a responder preguntas técnicas usando ChatGPT. Las primeras semanas parecían geniales — las respuestas sonaban profesionales. Pero luego notó un patrón: la IA simplemente estaba reformulando respuestas populares que ya estaban en la misma discusión unos posts más arriba.
Así que la IA no inventaba nuevas soluciones. Funcionaba como un buscador avanzado con función de parafraseo.
Donde la IA falla (Y pasa constantemente)
Ahora hablemos de lo que las redes neuronales no pueden hacer. Y es una lista larga.
No entiende el contexto de tu proyecto
La IA solo ve lo que le muestras. No sabe que ya tienes tres formas diferentes de manejar fechas en tu proyecto. Que tu API funciona con una estructura de datos específica. Que ciertas librerías entran en conflicto entre sí.
Pídele que escriba una función de validación de email:
function validateEmail(email) {
const regex = /^[^\s@]+@[^\s@]+\.[^\s@]+$/;
return regex.test(email);
}Se ve decente, ¿no? Ahora imagina que tu sistema necesita manejar cirílico en emails. O distinguir direcciones de email desechables de las permanentes. O que ya tienes un validador centralizado, y agregar otro crea confusión.
La IA no sabe esto. Escribió código "correcto" que es inútil para tu caso específico.
Crea vulnerabilidades de seguridad
Las redes neuronales fueron entrenadas con código público. Y el código público está lleno de bugs y prácticas obsoletas.
Pídele a la IA que cree una función de base de datos:
def get_user_by_id(user_id):
query = "SELECT * FROM users WHERE id = " + str(user_id)
return database.execute(query)Este código abre la puerta a inyección SQL. Cualquier atacante puede robar o eliminar datos. Pero la IA no entiende el peligro — solo copió un patrón que vio miles de veces en tutoriales viejos.
O tomemos autenticación. La IA puede sugerir guardar tokens en localStorage:
localStorage.setItem('authToken', token);
¿Funciona? Sí. ¿Es seguro? No. Esto crea una vulnerabilidad XSS. Un desarrollador profesional usa httpOnly cookies. La IA no, porque la forma simple aparece más seguido.
Escribe código lento
El rendimiento es algo en lo que la IA ni siquiera piensa.
Aquí hay una función para encontrar duplicados en un array:
function findDuplicates(arr) {
let duplicates = [];
for (let i = 0; i < arr.length; i++) {
for (let j = i + 1; j < arr.length; j++) {
if (arr[i] === arr[j] && !duplicates.includes(arr[i])) {
duplicates.push(arr[i]);
}
}
}
return duplicates;
}La IA generará algo así. Complejidad O(n³). En un array de 1000 elementos, esto toma segundos. Un programador lo escribe con un Set en O(n) — miles de veces más rápido.
En datos de prueba, la diferencia es invisible. En producción, tu app se convierte en tortuga.
No puede manejar tareas inusuales
Hay investigaciones probando cómo la IA escribe código en lenguajes raramente encontrados online. Usaron Ada por ejemplo — un lenguaje para sistemas críticos en aviación y medicina.
¿Resultado? La mitad del código generado ni siquiera compilaba. El resto compilaba pero funcionaba incorrectamente. La IA literalmente inventaba sintaxis que "se veía similar" a código real.
Lo mismo pasa con frameworks de nicho, librerías internas de empresas, tareas específicas de dominio. Si no hay muchos ejemplos online — la IA está indefensa.
Fracasos reales: Cuando empresas intentaron reemplazar personas con IA
La teoría es una cosa, pero veamos qué pasó realmente.
Empresas fintech estadounidenses
En 2023-2024, varias startups fintech decidieron "optimizar". Despidieron desarrolladores, mantuvieron managers y un par de seniors que "solo revisarían código de IA".
Los primeros meses parecían bien. Features salían rápido. Los managers celebraban los ahorros de costos.
Luego empezaron los problemas. Bugs en producción. Vulnerabilidades de seguridad críticas. Caídas de servicio. Quejas de clientes. Multas de reguladores.
Cuando investigaron, encontraron: el código de IA se veía bien en la superficie, pero por dentro estaba lleno de deuda técnica. Desajustes de arquitectura. Duplicación de lógica. Bugs no obvios que solo aparecían bajo ciertas condiciones.
Las empresas urgentemente empezaron a buscar desarrolladores de nuevo. Pero los mejores especialistas ya habían encontrado otros trabajos. Tuvieron que contratar nueva gente al doble o triple del salario. Además de pasar meses limpiando el caos técnico.
Los ahorros se convirtieron en pérdidas.
La historia de Klarna en Suecia
Klarna — una gran empresa fintech — anunció en 2024 que despediría a 700 personas y las reemplazaría con IA. Los medios escribieron artículos entusiastas sobre "el futuro sin programadores".
Un año después, la empresa calladamente empezó a traer gente de vuelta. Porque la calidad del servicio cayó críticamente. Los clientes se quejaban. Los competidores adelantaban en funcionalidad. El desarrollo de nuevas features se estancó.
Resultó que la IA podía producir código simple, pero no podía:
- Entender lógica de negocio compleja
- Coordinar trabajo entre diferentes partes del sistema
- Tomar decisiones arquitectónicas
- Reaccionar rápido a problemas inesperados
Experimento de Carnegie Mellon
Los investigadores decidieron probar: ¿puede un equipo de agentes de IA trabajar como una empresa IT real?
Crearon una oficina virtual. Cada rol — un agente de IA separado: desarrolladores, testers, managers, diseñadores. Les dieron tareas de complejidad variable.
¿Mejor resultado? Claude 3.5 completó 24% de las tareas. GPT-4 — menos del 9%. Otros modelos fallaron aún más.
Pero la parte más graciosa — cómo fallaron:
- Un "desarrollador" se quedó atascado en un cuadro de diálogo del navegador y no pudo continuar trabajando
- Otro no encontró a la persona correcta en Slack, así que simplemente creó un nuevo usuario con el nombre necesario
- Un tercero cerró una tarea como completada sin hacer nada en realidad
Conclusión de los investigadores: a la IA le falta catastróficamente sentido común. No entiende lo que hace.
Qué está pasando realmente en el mercado laboral
Ahora viene la parte interesante. Mientras todos dicen "la IA está matando la profesión", está pasando lo contrario en el mercado.
Los salarios están subiendo
El Foro Económico Mundial publicó un pronóstico: la demanda de especialistas en IA/ML saltará 82% en los próximos años. Sí, leíste bien — más de cuatro quintas partes.
AWS agrega un 31% extra a los salarios de programadores con experiencia en IA. Y en Estados Unidos, cada segunda oferta de trabajo relacionada con IA promete $174K anuales — casi el doble de lo que gana el desarrollador promedio.
¿Qué hay de Europa Occidental? Prácticamente la misma historia:
- Alemania: senior regular saca €70-90K, pero si entiendes machine learning — espera €85-110K
- UK: desarrollador clásico — £50-70K, especialista en IA — £70-95K
- Países Bajos: desarrollo — €60-80K, data science — €75-100K
Incluso en Europa del Este, los salarios crecieron:
- Polonia: mid-level regular — $25-35K, desarrollador IA — $35-50K
- República Checa: desarrollo — $30-45K, machine learning — $40-60K
- Rumania: código clásico — $20-30K, IA — $30-45K
La escasez de habilidades no ha desaparecido
Las empresas se quejan: encontrar un buen desarrollador mid-level o senior se ha vuelto aún más difícil que antes.
¿Por qué? Porque los requisitos cambiaron. Ahora necesitan gente que:
- Entienda toda la arquitectura del sistema
- Sepa cómo trabajar con IA como herramienta
- Pueda verificar código generado por seguridad y rendimiento
- Tome decisiones, no solo escriba código según specs
Estos especialistas cuestan dinero. Y realmente no hay suficientes.
La IA no está reemplazando programadores — está cambiando la profesión
Antes, mucho tiempo se iba en trabajo rutinario. Escribir otra REST API. Crear un formulario con validación. Configurar un archivo config. Eran tareas mecánicas.
Ahora la IA hace eso. Y el programador se concentra en lo que requiere inteligencia:
- Diseñar arquitectura
- Elegir la tecnología correcta para una tarea específica
- Optimizar rendimiento
- Asegurar seguridad
- Comunicarse con clientes y traducir requisitos de negocio en soluciones técnicas
Esencialmente, la profesión se vuelve más intelectual. Menos código por código, más toma de decisiones.
Y esas son buenas noticias para quienes recién empiezan a aprender.
Por qué ahora es el mejor momento para empezar a aprender programación
Sí, lo digo en serio. Justo ahora es el momento perfecto.
1. Alta demanda y buen dinero
Muchos trabajos. Salarios altos. Capacidad de trabajar remotamente para el mercado global.
Comparación con otras profesiones (salarios anuales promedio en Estados Unidos):
- Médico: $200-250K
- Abogado: $120-150K
- Programador: $90-120K (pero en grandes empresas hasta $300K+)
- Maestro: $50-60K
- Enfermera: $70-80K
En Europa, la diferencia es aún más notable — programadores en el top 3 de salarios.
2. Puedes aprender más rápido que antes
Antes, para convertirte en programador, tenías que:
- Estudiar 4 años en la universidad
- O pasar años navegando independientemente por un caos de información
Ahora con un buen curso estructurado y práctica, puedes alcanzar nivel junior en 6-12 meses.
Sí, el mercado se ha vuelto más exigente. Pero eso solo significa una cosa: necesitas aprender correctamente. No solo ver video-clases, sino resolver problemas. Muchos problemas. Escribir código. Construir proyectos.
Por ejemplo, en CodeGym los estudiantes resuelven más de 1200 tareas prácticas. Porque la programación es una habilidad. Y las habilidades se desarrollan solo con práctica, no con teoría.
Puedes leer un libro sobre natación. Pero solo aprenderás en la piscina.
3. La barrera de entrada bajó
Un título universitario ya no es obligatorio. Las empresas miran:
- Qué puedes hacer
- Qué proyectos puedes mostrar
- Cómo resuelves problemas en entrevistas
Un portafolio de varios proyectos funcionando vale más que un diploma.
4. La IA es una herramienta, no un competidor
Imagina: eres arquitecto. Antes, los planos se dibujaban a mano — lento y tedioso. Luego apareció AutoCAD — ahora puedes dibujar más rápido y más preciso.
¿Disminuyó el número de arquitectos? No. Hay más de ellos. Pero lo que se requiere de ellos cambió. Ahora no basta con solo presionar un botón — necesitas entender composición, luz, procesamiento.
Lo mismo pasa con la programación.
La IA se hace cargo del trabajo mecánico aburrido. Los programadores se concentran en desafíos interesantes.
Además: quienes aprendan a trabajar efectivamente con IA ganarán más que otros. Es una nueva habilidad que pocos han dominado todavía.
5. El mercado laboral global está abierto
La programación es una de las pocas profesiones donde la geografía no importa.
Un médico de Polonia no puede trabajar en Alemania sin recalificación. Un abogado de Rumania es inútil en Estados Unidos — allí tienen otras leyes.
Pero un programador puede:
- Vivir en Europa del Este
- Trabajar para una empresa estadounidense o de Europa Occidental
- Obtener salario occidental (o cerca)
- Viajar y trabajar desde cualquier lugar del mundo
Esa es una ventaja única.
Quién realmente arriesga perder su trabajo por la IA
Aquí está la paradoja: la IA amenaza no a los programadores principiantes, sino a quienes han estado haciendo lo mismo durante años y no se desarrollan.
Si has pasado 10 años escribiendo operaciones CRUD típicas, configurando formularios, copiando soluciones — la IA realmente podría reemplazarte. Porque estás haciendo trabajo mecánico.
Pero si tú:
- Entiendes cómo diseñar un sistema desde cero
- Sabes cómo elegir la solución técnica correcta para una tarea específica
- Puedes sentir dónde el código podría romperse
- Ves debilidades en rendimiento y seguridad de la aplicación
- Puedes realmente hablar con personas y convertir sus deseos en tareas técnicas concretas
...entonces eres irremplazable. Y tu valor solo está creciendo.
Y para quienes recién empiezan a aprender, hay una enorme ventaja: estarás aprendiendo programación en un mundo donde la IA ya existe. Para ti, será una herramienta natural — como Google y Stack Overflow para la generación anterior.
Aprenderás inmediatamente a trabajar correctamente con IA. Mientras que quienes aprendieron "a la antigua" ahora están intentando reaprender.
Por dónde empezar si decidiste convertirte en programador
Aquí está mi consejo honesto.
Aprende no solo a escribir código, sino a pensar como un programador.
¿Qué significa eso?
Resuelve muchos problemas. La teoría es importante, pero las habilidades se desarrollan solo con práctica. 100 tutoriales leídos no reemplazarán 100 programas escritos.
Construye proyectos. Los empleadores necesitan ver que puedes crear cosas que funcionen. Un par de proyectos realmente funcionando en tu portafolio valen más que cualquier certificado.
Aprende a leer código de otras personas. En serio, esto es tan importante como escribir el tuyo. En trabajos reales, pasarás la mayor parte del tiempo cavando en lo que otros escribieron antes que tú, no creando todo desde cero.
Intenta entender la lógica de las soluciones. No solo copies código de internet — tómate tiempo para entender cómo funciona por dentro. ¿Por qué usaron esa estructura de datos específica? ¿Cuáles son las alternativas? ¿Cuáles son los compromisos?
No temas a los errores. Cada programador profesional fue una vez un principiante googleando "cómo crear una variable". Todos pasaron por esto.
La IA puede generar una función en un segundo. Pero no puede:
- Entender qué función exacta se necesita en tu situación
- Ver cómo encaja en la arquitectura general
- Predecir dónde surgirán problemas
- Explicar al cliente por qué esta es la solución correcta
- Tomar responsabilidad por el resultado
La gente hace todo esto. Y seguirá haciéndolo por mucho tiempo.
Conclusión: Los programadores se están convirtiendo en élite
¿Sabes qué pasa cuando la tecnología automatiza tareas simples? La demanda de especialistas no cae — crece. Pero los requisitos aumentan.
Cuando apareció la fotografía digital, no hubo menos fotógrafos — hubo más. Pero lo que se requiere de ellos cambió. Ahora no basta con solo presionar un botón — necesitas entender composición, luz, edición.
Lo mismo está pasando con la programación.
La IA no destruirá la profesión — la hará más valiosa. Las máquinas tomarán la rutina. Los humanos manejarán el trabajo intelectual.
Quienes entiendan cómo funcionan los sistemas obtendrán salarios con los que otras profesiones ni sueñan. Crearán productos que cambiarán el mundo. Resolverán desafíos complejos e interesantes.
El mercado está lejos de estar saturado. La digitalización está sucediendo en todos los sectores — desde medicina hasta agricultura. Las empresas que necesitan programadores están creciendo más rápido que los programadores mismos.
Así que si te preguntas si deberías empezar a aprender programación en la era de la IA — la respuesta es clara: absolutamente.
Pero hazlo correctamente:
- Enfócate en la práctica, no en la teoría
- Resuelve problemas reales, no solo mires clases
- Aprende a entender cómo funcionan las tecnologías, no solo a usarlas
- Desarrolla la capacidad de pensar, no de copiar código
El futuro pertenece a quienes pueden resolver problemas. Y la IA solo hará este trabajo más rápido e interesante — si aprendes a usarla, por supuesto.
GO TO FULL VERSION