¿Por qué la IA está dejando sin ilusión laboral a los programadores?

La inteligencia artificial no está eliminando de golpe el trabajo de los programadores. Está haciendo algo bastante más extraño: está cambiando qué significa programar. Herramientas y agentes capaces de generar, modificar, probar y explicar código en segundos han trasladado parte de la jornada desde escribir y resolver problemas hacia encargar tareas, leer cambios, comprobarlos, corregirlos y decidir si se aceptan. Para algunos desarrolladores, esa transición mejora el oficio. Para otros, le está quitando precisamente aquello que les hizo elegirlo.

No es solo una impresión nacida en foros de internet. Los datos dibujan una paradoja bastante clara. El uso de IA se dispara y la productividad percibida mejora, pero la confianza no avanza al mismo ritmo. En la encuesta de Stack Overflow de 2025, el 84% de los participantes utilizaba o tenía previsto utilizar herramientas de IA en desarrollo, mientras que entre los profesionales un 51% ya las empleaba a diario. Sin embargo, el sentimiento favorable hacia estas herramientas cayó al 60%, desde niveles superiores al 70% en los dos años anteriores.

De escribir código a supervisar una máquina que lo escribe

Hasta hace poco, un programador podía pasar una mañana peleándose con una función, una consulta a una base de datos o un error que aparecía solo cuando parecía tener ganas. Había documentación, pruebas, café, palabrotas discretas y ese pequeño fogonazo de satisfacción cuando todo encajaba. El trabajo nunca consistió únicamente en teclear, desde luego, pero escribir código era una parte central de la relación entre el desarrollador y el problema.

Los agentes de programación están alterando ese ciclo. Ya no se limitan a completar unas líneas como un autocompletado sofisticado. Pueden recibir una tarea, recorrer un repositorio, modificar varios archivos, ejecutar pruebas y devolver un cambio prácticamente preparado para incorporarse al proyecto. Anthropic describe precisamente esta evolución como un desplazamiento desde escribir código hacia orquestar agentes que lo escriben, aunque su análisis procede de una de las compañías que desarrollan estas herramientas.

La jornada puede adquirir entonces otro ritmo. Se formula una petición, la máquina trabaja, aparece un bloque de cambios, se revisa, se acepta o se rechaza y comienza otra ronda. Más que tallar una pieza desde cero, el programador se convierte por momentos en el encargado de una fábrica donde las piezas salen de la cinta a una velocidad incómodamente alta.

Y fabricar deprisa no significa poder comprobar deprisa.

La IA produce código más rápido de lo que puede revisarse

Aquí aparece uno de los problemas mejor documentados de esta transformación. El informe State of Code de Sonar, elaborado con 1.149 profesionales y publicado en 2026, calcula que el código generado o asistido por IA representa alrededor del 42% del código incorporado por sus participantes. Al mismo tiempo, el 96% no confía plenamente en que ese código sea funcionalmente correcto.

El detalle importante está unas líneas más abajo. Solo el 48% afirma comprobar siempre el código asistido por IA antes de incorporarlo, aunque el 95% reconoce dedicar algún esfuerzo a revisar, probar o corregir esas respuestas. Para un 59%, ese esfuerzo es moderado o considerable, y el 38% sostiene que revisar código generado por IA exige más trabajo que revisar el escrito por compañeros humanos.

Es una paradoja muy del siglo XXI: la máquina puede producir en segundos algo que un humano necesita varios minutos para entender. Multiplique eso por decenas de cambios diarios y el cuello de botella cambia de sitio. Antes faltaba tiempo para escribir; ahora puede faltar tiempo para saber exactamente qué demonios se ha escrito.

Stack Overflow encontró el mismo roce desde otro ángulo. El 46% de los desarrolladores encuestados desconfiaba de la exactitud de las respuestas de IA, frente al 33% que decía confiar en ellas. La frustración más citada, por un 66%, era recibir soluciones que parecen correctas pero no terminan de serlo; un 45% señalaba también que depurar código generado por IA puede llevar más tiempo.

Un error humano suele dejar huellas. Una variable equivocada, una condición olvidada, una chapuza reconocible a veinte metros. El código generado por modelos puede plantear otro problema: parece razonable. Está bien formateado. Tiene nombres convincentes. Incluso puede venir acompañado de una explicación impecablemente segura de sí misma. Después resulta que ha interpretado mal una condición del negocio, ha duplicado una función existente o ha resuelto elegantemente un problema que nadie le había pedido resolver.

Ese tipo de fallo cambia también la carga mental del programador. Leer código ajeno ya era una tarea exigente; leer grandes cantidades de código producido casi instantáneamente obliga a mantener una sospecha constante. No basta con comprobar si compila. Hay que entender si hace exactamente lo previsto, si introduce efectos secundarios, si respeta la arquitectura y si el arreglo de esta tarde no será el incidente del martes próximo.

Más productividad no significa necesariamente un trabajo mejor

Sería engañoso presentar la IA como una máquina dedicada exclusivamente a torturar desarrolladores. También elimina mucho trabajo mecánico. Genera pruebas, documentación, estructuras repetitivas, consultas sencillas o borradores que antes consumían una cantidad considerable de tiempo.

Atlassian encontró en su estudio de experiencia del desarrollador de 2025 que el 68% de los programadores decía ahorrar más de 10 horas semanales gracias a la IA. El dato parece espectacular. Pero el mismo estudio detectó que la mitad perdía al menos 10 horas por semana en tareas no relacionadas directamente con programar, debido a herramientas fragmentadas, búsquedas de información y otras fricciones organizativas. Según sus resultados, los desarrolladores dedicaban apenas un 16% de su tiempo a escribir código.

Así se entiende mejor la sensación de algunos profesionales. La IA puede ahorrar tiempo sin devolver necesariamente ese tiempo a la parte del trabajo que les gusta. Una empresa que consigue producir una funcionalidad en dos horas en lugar de cuatro rara vez regala las otras dos para contemplar los árboles por la ventana. Normalmente caben más funcionalidades, más cambios y más proyectos simultáneos.

La ganancia de velocidad puede convertirse, de ese modo, en aumento de volumen. El programador no trabaja menos: administra una corriente más abundante de producción automatizada.

El estado de flujo también entra en juego

Hay un componente difícil de reflejar en una tabla: el placer de resolver un problema. Muchos programadores describen su mejor trabajo mediante el llamado estado de flujo, esos periodos de concentración profunda en los que desaparecen casi todas las distracciones y una cuestión técnica ocupa por completo la atención.

La programación asistida por agentes puede romper esa continuidad. En vez de permanecer dentro de un único problema durante una hora, el desarrollador puede saltar entre una conversación con un agente, dos cambios pendientes de revisión, unas pruebas automáticas y otro agente que ha terminado una tarea distinta. La productividad visible crece; la concentración puede hacerse añicos.

No significa que todos lo perciban como una pérdida. Para quien disfruta especialmente diseñando sistemas, tomando decisiones arquitectónicas o transformando una idea en producto, delegar la escritura rutinaria puede resultar liberador. Y la propia encuesta de Stack Overflow encontró que el 52% de los desarrolladores consideraba que la IA o los agentes habían tenido un efecto positivo sobre su productividad. Entre quienes utilizaban agentes, alrededor del 70% decía haber reducido el tiempo dedicado a determinadas tareas.

Aquí está probablemente la auténtica división. A quien amaba producir código puede parecerle que le han automatizado la parte divertida; a quien amaba construir cosas, quizá le parezca que le han retirado trabajo pesado de encima. Dos personas pueden utilizar exactamente el mismo agente y salir de la oficina con impresiones opuestas.

Saber programar sigue importando, aunque se programe menos

La imagen de un futuro en el que cualquier persona pide una aplicación a una IA y los conocimientos técnicos dejan de importar tampoco encaja demasiado bien con los datos disponibles. La capacidad de entender qué está haciendo el sistema sigue siendo decisiva cuando aparecen errores, excepciones o decisiones que afectan al conjunto de una aplicación.

Anthropic analizó unas 400.000 sesiones de Claude Code realizadas entre octubre de 2025 y abril de 2026. Su investigación encontró un reparto bastante significativo: las personas tomaban principalmente las decisiones sobre qué había que hacer, mientras que el sistema asumía más decisiones sobre cómo ejecutarlo. También observó que una mayor experiencia del usuario en el dominio estaba asociada con mejores resultados.

Tiene lógica. Delegar una tarea exige saber describirla; revisar el resultado exige saber juzgarlo. Cuanto más capaz sea la máquina de producir código, menos valioso puede resultar memorizar determinada sintaxis, pero más importante se vuelve detectar una mala arquitectura, una decisión insegura o una solución que funciona solo en el escenario feliz de una demostración.

Por eso el oficio puede estar desplazándose hacia una mezcla de programador, revisor, arquitecto y supervisor técnico. No suena especialmente romántico. Tampoco significa que escribir código vaya a desaparecer: muchas tareas complejas, sistemas antiguos y entornos críticos continúan necesitando intervención humana directa, y existe una resistencia especialmente elevada a entregar a la IA funciones de responsabilidad sistémica como despliegue, monitorización o planificación de proyectos.

El riesgo de aprender mirando en vez de haciendo

La cuestión resulta todavía más delicada para quienes empiezan. Tradicionalmente, un desarrollador junior aprendía rompiendo cosas pequeñas, escribiendo soluciones imperfectas, descubriendo por qué fallaban y volviendo a intentarlo. Era lento. Precisamente por eso enseñaba. Ese proceso de prueba, error y corrección también construía intuición técnica.

Cuando un agente ofrece inmediatamente una implementación aparentemente profesional, existe la tentación de saltarse ese recorrido. Una investigación publicada en 2026 sobre programación asistida por agentes encontró que quienes revisaban activamente los archivos generados comprendían mejor el código que quienes aceptaban los cambios de forma automática, aunque la revisión seguía sin reproducir por completo el aprendizaje asociado a escribirlo.

Ahí aparece una ironía considerable. Las empresas necesitan profesionales capaces de detectar errores de la IA, pero parte del conocimiento necesario para detectar esos errores se construye haciendo personalmente el trabajo que la IA comienza a asumir.

El nuevo valor está en entender lo que la máquina produce

La inteligencia artificial no ha convertido todavía al programador en una especie en peligro de extinción. Ha abierto una transformación quizá más inmediata: producir código empieza a ser barato; entenderlo, verificarlo y responsabilizarse de él sigue siendo caro.

Eso explica por qué algunos desarrolladores sienten que su trabajo ha perdido parte de su atractivo. No necesariamente porque la IA les sustituya, sino porque puede desplazar su jornada desde crear hacia inspeccionar, desde resolver hacia supervisar, desde entrar durante horas en un problema hacia alternar instrucciones, resultados y botones de aceptación.

Otros vivirán exactamente la revolución contraria: menos horas peleándose con código repetitivo y más espacio para diseñar productos, tomar decisiones y construir cosas que antes exigían semanas. La profesión no se mueve en una sola dirección.

Pero el cambio de fondo ya resulta difícil de ignorar. Durante décadas, el programador era quien convertía una idea en código. Con los agentes de IA, cada vez más veces será quien decida qué código merece existir, compruebe que hace lo que promete y asuma las consecuencias cuando no lo haga. La máquina escribe deprisa. El juicio humano, por ahora, continúa teniendo otro ritmo.