Llevamos meses escuchando el mismo pronóstico catastrofista: la inteligencia artificial va a reemplazar a los programadores. Sin embargo, los datos del mercado laboral estadounidense muestran exactamente lo contrario. Las ofertas de empleo para desarrolladores de software no solo no caen, sino que siguen aumentando.
¿Cómo se explica esta aparente contradicción? Probablemente porque el volumen de código que hay que producir, mantener y auditar está aumentando de manera radical.
La cantidad de software desplegado nunca ha sido tan grande. Los repositorios de código en las grandes plataformas colaborativas están experimentando un crecimiento exponencial. Cuando observas métricas recientes, la curva de creación de nuevos proyectos es vertical.
Fuente: Datos basados en el reporte anual GitHub Octoverse sobre el crecimiento del ecosistema open-source y corporativo.
La clave para entender este fenómeno es puramente económica. Al reducir drásticamente el costo y la fricción inicial de la producción de código, la inteligencia artificial ha hecho que el desarrollo a medida sea accesible a un número mucho mayor de empresas, sectores y proyectos.
Áreas de negocio que hace apenas tres años ni siquiera consideraban crear sus propias herramientas por falta de presupuesto, ahora se están lanzando a ello.
El cambio de paradigma: de picar código a orquestar sistemas
Veámoslo con un ejemplo práctico. Imagina una pyme del sector logístico que tradicionalmente operaba con hojas de cálculo compartidas. Antes, encargar un sistema de gestión de inventario y rutas en tiempo real costaba decenas de miles de euros y requería un equipo de desarrollo dedicado durante meses. Era inviable.
Hoy, un solo desarrollador asistido por IA (como Copilot o Claude) puede levantar la arquitectura base en cuestión de días. Puede generar los esquemas de la base de datos, el boilerplate del backend en Python y la interfaz en React con una velocidad impensable hace una década.
Pero aquí es donde el trabajo del desarrollador se vuelve indispensable. El código autogenerado no se despliega solo en producción. Alguien tiene que:
- Configurar los pipelines de CI/CD para que el despliegue no rompa el entorno en vivo.
- Auditar la seguridad y el rendimiento de las consultas generadas por el LLM.
- Integrar ese sistema con la API legacy del proveedor de envíos, que probablemente tiene una documentación desactualizada que la IA no puede resolver.
- Diseñar la arquitectura cloud para que sea resiliente.
El trabajo manual de escribir bucles for disminuye, pero la carga cognitiva sobre cómo las piezas interactúan en producción se multiplica.
Más proyectos, más mantenimiento, más empleo
La IA nos ha dado una retroexcavadora en lugar de una pala. No nos hemos quedado sin trabajo por poder cavar más rápido; simplemente estamos construyendo infraestructuras mucho más grandes.
Al haber más proyectos de software en marcha, hay más código que mantener. Hay más deuda técnica que gestionar, más arquitecturas que migrar y más sistemas que integrar.
Paradójicamente, lejos de hacer desaparecer los puestos técnicos, esta dinámica de abaratamiento en la creación está generando una explosión de demanda. Esto debería incitarnos a matizar seriamente el discurso superficial sobre las destrucciones masivas de empleos anunciadas por el auge de la automatización. El rol del desarrollador no se destruye. Evoluciona hacia la integración de sistemas y la supervisión de arquitectura. Y resulta que necesitamos más arquitectos que nunca.