¿Merece la pena aprender a programar en 2025, en la era de la IA?

Escucha... Es el runrún de la inteligencia artificial diciendo que pronto no vas a pintar nada. Que los programadores vamos a ser cosa del pasado y que es mejor que cambies de profesión...

Seguro que has oído que la IA escribirá más del 90% del código antes de que acabe el año. que Zuck, el de Meta, ha dicho que la IA será capaz de programar como un ingeniero de nivel medio a lo largo de 2025. Y que herramientas como Copilot o Cursor permiten a gente sin conocimientos o con poca experiencia escribir código rápidamente o a un programador normal convertirse en un "desarrollador 10x".

Normal que te entre miedo y que te preguntes si merece la pena empezar a programar en 2025, o seguir formándote si te dedicas al desarrollo de código. Incluso te puedes estar preguntando si te valdría más la pena cambiar de profesión... Y no exagero, porque esto me lo han planteado ya.

Tranquilidad, respira hondo. Vamos a verlo con un poco de calma... Vamos a ver todo esto en perspectiva. La realidad, como casi siempre, tiene muchos matices.

Si lo prefieres puedes acceder a este contenido (enlaces directos, sin registro):

1. Escucharlo como podcast, contado por el autor, en Spotify
2. Verlo en vídeo, contado por el autor, en YouTube
3. Leerlo como eBook en formato EPUB
4. Leerlo como eBook en formato PDF

Quizá no lo recuerdes porque eres muy joven, pero cuando aparecieron WordPress y los primeros gestores de contenidos, parecía que cualquiera podía hacer una web. Los desarrolladores Front-End y Back-End al paro. ¿Montar un blog?: un clic. ¿Poner en marcha una tienda online?: instalar un plugin. Pero luego venía la realidad y, si querías algo mínimamente a medida, integrar una API o escalar porque tenías muchos visitantes, la cosa se complicaba.

Con la IA y la programación pasa algo parecido. Te pueden dar hechas las pantallas y lógica, pero para crear aplicaciones de verdad, sólidas y robustas, y que se puedan mantener y escalar, necesitas mucho más.

Al final, aunque una IA te genere miles de líneas de código a la primera, no entiende el impacto en tu negocio ni cómo debería funcionar realmente tu software.

Y ya conoces la regla de Pareto: que el 80% de los resultados vienen del 20% de las causas. Pues aquí lo mismo: la IA puede hacer el 80% del trabajo, pero el 20% restante es ahora mucho más importante que nunca.

El error común al hablar de esto, y que se nos olvida incluso a los que llevamos muchos años programando, es pensar que desarrollar software es tan solo escribir código. Y voy a poner un ejemplo muy claro con el tema de moda: el Vibe Coding.

Vibe Coding: ¿La nueva magia o un espejismo peligroso?

El Vibe Coding nos hace creer que cualquiera, sin haber programado nunca, puede crear aplicaciones y ponerlas a generar dinero en una tarde tonta o en un fin de semana con ayuda de la IA.

El término "vibe coding" lo inventó Andrej Karpathy, un tipo muy listo que trabajó en Tesla y en OpenAI. La idea es que, en lugar de teclear código, línea por línea, simplemente le dices a un agente basado en inteligencia artificial exactamente qué quieres hacer, como si hablaras con un compañero, y la IA lo hace. Es decir, programas no porque sepas hacerlo sino que partes de una buena "vibra", algo que crees que puede funcionar, y le subcontratas el trabajo a una IA en vez de hacerlo tú o un programador profesional.

Parece magia. Las redes sociales se han llenado de gente publicando cosas que hacían con este sistema. Las herramientas como GitHub Copilot, Cursor, Replit o hasta chatGPT, hacen que sea posible. Son como asistentes súperlistos que entienden lo que pides en lenguaje normal y lo traducen a código. No hay ni que teclear: le hablas directamente al ordenador.

Parece perfecto, la verdad.

Pero ojo, no todo es maravilloso. Existen muchos problemas invisibles para la IA y para los no técnicos, que solo alguien con conocimientos y experiencia puede ver. El "vibe coding" puede ser peligroso si no sabes lo que estás haciendo.

Es como si cualquiera pudiera construir una casa solo con instrucciones de una IA, sin entender de cimientos o de materiales. ¿Acabarías con algo sólido y seguro?

Hay riesgos importantes y en un momento vamos a verlos.

El "vibe coding" puede ser útil para crear prototipos y cosas rápidas y sencillas, incluso por parte de gente sin conocimientos técnicos, pero para proyectos serios la cosa es muy diferente.

En mi opinión, de hecho, el "Vibe Coding" está sustituyendo más bien a las famosas herramientas No Code / Low Code como Microsoft Power Apps o Google App Sheet, no tanto a los desarrolladores de software.

Andrej Karphathy, el que acuñó el término "Vibe Coding" es, de hecho, un gran experto en inteligencia artificial, no un principiante, y él mismo dice que "no está mal para proyectos de fin de semana". Merece la pena leer el tweet completo en el que describe el asunto (te dejo el enlace en la descripción).

Es un poco como que chatGPT escriba artículos por ti. Internet está inundado de contenidos muy bien escritos por la IA pero de calidad, estilo y utilidad muy dudosos. ¿Pueden valer para ciertos casos? Seguro, pero el contenido de calidad sigue requiriendo mucho tiempo y mucho trabajo aunque te apoyes en la IA para acelerar ciertas cosas.

Volviendo al software, en un mundo donde cualquiera puede generar una app, el valor está en saber qué hacer cuando esa app se vuelve real, o sea:

• Cuando hay usuarios y no se permiten fallos graves.
• Cuando hay dinero en juego.
• Cuando hay datos que proteger.

Es ahí donde el conocimiento y la experiencia pesan más que el código.

Esto no quiere decir tampoco que la IA no valga para nada. Algunos desarrolladores experimentados la desprecian, sobre todo porque han hecho algunas pruebas con alguna de las herramientas, seguramente sin comprenderlas muy bien o sin saber sacarles bien todo el partido y llegan a la conclusión de que no sirven, y no quieren saber nada de ellas. Pues eso, amigo mío, es también un grave error.

O sea, tan grave es pensar que nos van a dejar a todos en el paro, como subestimarlas y decir que no valen para nada.

Lo que la IA hace ahora: Tareas que ya no necesitas hacer

Hemos hablado del miedo a ser reemplazados, pero la realidad es que la IA ya está aquí para echarnos una mano con muchas tareas del día a día. En lugar de verla como un enemigo, podemos empezar a usarla como un potente asistente.

¿En qué tareas concretas te puede ayudar la IA ahora mismo?

• Generación de código repetitivo o "de fontanería": esto es el grueso de lo que la mayoría de desarrolladores hace cada día. Así que la IA puede hacerlo por ti en segundos y ahorrarte tiempo y aburrimiento, y podrás centrarte en la lógica más compleja. Se habla de ganancias exponenciales de productividad al generar este tipo de código rápidamente.
• Sugerencias y autocompletado de código: herramientas como GitHub Copilot, Cursor o Cline se integran en tu editor y te sugieren líneas de código o incluso funciones completas mientras escribes. Esto puede acelerar tu ritmo de trabajo y ayudarte a descubrir nuevas formas de hacer las cosas.
• Explicación de código: ¿te encuentras con un fragmento de código que no entiendes? ¿Código "legacy" que está escrito en una especie de lengua muerta? Pues puedes pedirle a una IA que te lo explique en lenguaje natural.
• Refactorización y optimización básica: las herramientas de IA pueden ayudarte a identificar partes de tu código que se pueden mejorar o simplificar, hacer cambios complejos en muchos sitios al mismo tiempo (un refactoring a lo bestia, vamos), etc.... Incluso hay casos de éxito muy llamativos, como el estudio de Nvidia, que descubrió que DeepSeek R1 podía escribir kernels personalizados para GPUs (que son funciones en C++ que se ejecutan en paralelo en los núcleos de una GPU) que, en algunos casos, eran mejores que los optimizados por ingenieros expertos.
• Detección y corrección de errores: si hay un error claro, la IA te dirá cuál es el problema y cómo solucionarlo.
• Generación de documentación: no hay nada que más pereza dé que documentar el código. Pero es indispensable. Bueno, pues la IA puede ayudarte a generar comentarios y documentación básica a partir de tu código.
• Creación de tests unitarios: escribir pruebas para tu código es fundamental, pero a veces consume mucho tiempo. La IA puede ayudarte a generar tests básicos para verificar la funcionalidad de tu código.
• Búsqueda de información y respuestas a dudas técnicas: para programadores que están empezando, la IA puede ser como un tutor que les ayuda y revisa su trabajo, aunque tienen que tener cuidado porque no siempre da respuestas correctas (ejemplo de Angular y AngularJS). Por otro lado, los programadores expertos usan la IA para resolver problemas muy rápido y encontrar soluciones que antes llevaban mucho tiempo.

Como ves, la IA puede quitarte de encima muchas tareas repetitivas y ayudarte a ser más eficiente. Pero ojo, esto no significa que puedas desconectar el cerebro.

El 30% del trabajo que la IA no puede hacer

El trabajo de programación, muchas veces es más un arte que una ciencia exacta, aunque pueda parecer mentira. Pero cuando llevas muchos años trabajando con ello, te das cuenta enseguida.

El trabajo de un desarrollador que va más allá de escribir código es alrededor de un 30% y se centra cada vez más en la evolución y el mantenimiento del software existente, especialmente a medida que la IA va a asumiendo cada vez más partes de escritura de código, como acabamos de ver.
Ese 30% son tareas como:

• Depuración: la depuración sigue siendo un área muy complicada para las IAs. Van muy bien cuando hay un mensaje de error claro para una cuestión común, pero muchos de los errores que debemos arreglar no está claro qué los produce, no son comunes y suelen ser una combinación de muchos factores. Como cualquiera que haya programado un poco en serio sabe, la depuración es un proceso interactivo e iterativo que conlleva formular hipótesis (¿qué diablos pasa y por qué podría ser?), recopilar evidencias para esas hipótesis ejecutando el código paso a paso y viendo los valores de las variables, y combinarlo con nuestra experiencia y el conocimiento del conjunto del software para dar con el problema. Además, los modelos tienen pocos datos de entrenamiento específicos para depuración de código, ni información que defina claramente la secuencia de decisiones que los desarrolladores humanos tomamos durante el proceso de depuración. Aunque se están realizando esfuerzos para equipar a las IAs con herramientas de depuración interactivas para que puedan ejecutar paso a paso e inspeccionar variables (por ejemplo, Microsoft Research tiene un proyecto muy interesante llamado debug-gym), la resolución de problemas complejos del mundo real sigue siendo muy difícil. Así que todavía existe una brecha muy grande ahí hasta que las IAs algún día puedan abordar de forma autónoma la depuración de errores complejos.
• Mantenimiento y deuda técnica: el código generado por IA puede tener errores sutiles y acumular deuda técnica si no se revisa cuidadosamente. Depurar problemas complejos en código que uno no escribió o que fue generado por una IA que no siempre explica su lógica requiere una comprensión fundamental de la programación y la capacidad de identificar patrones y errores que no son evidentes. La IA puede ayudar a encontrar posibles problemas, pero solo los más evidentes.
• Refactorización y mejora del código: el software no es estático, o sea, no lo creas y te olvidas de él. Los usuarios piden cosas nuevas, surgen nuevas necesidades... A medida que nuestro software evoluciona, es necesario añadir cosas teniendo en cuenta todo lo anterior, refactorizar el código existente para mejorarlo y que encaje mejor con lo nuevo, mejorar el rendimiento y la mantenibilidad y, si podemos, tratar de ir eliminando deuda técnica. La IA puede sugerir refactorizaciones, pero un desarrollador experimentado debe evaluar si son adecuadas y si no introducen nuevos problemas. Además, la IA tiende a generar código nuevo en lugar de reutilizar o mover código existente a funciones de utilidad compartida, lo que puede llevar a bases de código más grandes y mucho más difíciles de mantener. Eso sí, te puede ayudar con las refactorizaciones si tienes claro qué se debe hacer, haciendo cambios grandes en toda la base de código.
• Pruebas y garantía de calidad: asegurar la calidad del software, incluso del generado por IA, sigue siendo una responsabilidad crucial del desarrollador. Esto implica diseñar e implementar pruebas exhaustivas, tanto unitarias como de integración, para garantizar que los cambios no introduzcan regresiones y que el software cumpla con los requisitos. Aunque la IA te puede generar las pruebas unitarias, es tu trabajo definir la estrategia de pruebas y asegurarte de que cubran los casos de uso verdaderamente importantes. Y sobre todo verificar que el código de la IA es bueno y apropiado para lo que quieres hacer. Al final la IA es como un becario superlisto que hace las cosas que le pides rápido y bien, pero que como no lo controles muy de cerca te la puede liar parda. Tu trabajo va a evolucionar también a leer y revisar mucho código (el que genera la IA) en lugar de escribirlo, y debes tenerlo en cuenta.
• Comprensión profunda y arquitectura: el problema no es aprender a programar, sino hacerlo en profundidad. Comprender los conceptos, la lógica y los fundamentos que hay debajo es lo que hace que luego se pueda utilizar de manera inteligente cualquier asistente de IA. Sin una base sólida, confiar a ciegas en la IA puede desembocar en errores desastrosos. Aunque los modelos de IA puede generar código, no comprenden el impacto en el negocio ni en la arquitectura general del sistema. Los desarrolladores deben tener un conocimiento profundo del dominio de la aplicación y también de su arquitectura para así poder tomar decisiones técnicas de alto nivel y asegurar que las nuevas funcionalidades o las modificaciones se integren correctamente y mantengan la coherencia del sistema.
• Integración empresarial: el software, salvo que sea una app pequeña para una cosa muy concreta, rara vez se crea de forma aislada. Los desarrolladores tenemos que integrar lo que creamos con sistemas existentes, lo que requiere comprender las APIs, los protocolos y los flujos de datos, que muchas veces son específicos y especiales, nada genéricos, vamos. En todo esto te puede ayudar la IA, pero no en lo esencial.
• Conocimiento tácito: esto es muy importante... El conocimiento tácito se refiere al conocimiento y a las habilidades que adquirimos a través de la experiencia y la práctica, pero que no se pueden expresar fácilmente en palabras o fórmulas. Es un tipo de conocimiento que se desarrolla de manera intuitiva y se basa en la percepción, la intuición y la habilidad para realizar tareas de manera efectiva. Puede ser difícil de transmitir o enseñar a otros porque la única forma de adquirirlo es por la experiencia. Ahí una IA poco tiene que hacer.
• Colaboración: trabajar en proyectos de software implica colaboración con otros desarrolladores, equipos de producto y personas con interés en el proyecto (los conocidos como stakeholders: clientes, otros departamentos de la empresa, el gestor del producto...). Comunicar eficazmente las decisiones técnicas, entender la historia de un código que lleva a lo mejor años en desarrollo y cambio, saber por qué se tomaron ciertas decisiones en su momento y, en general, compartir el conocimiento del sistema (que suele ser conocimiento tácito como el que acabamos de comentar) son habilidades esenciales que van más allá de la simple escritura de código.

En este sentido, la habilidad del desarrollador para aprender continuamente y adaptarse a nuevas herramientas y metodologías, incluyendo la IA, se vuelve fundamental. En lugar de centrarse únicamente en la sintaxis de un lenguaje, la clave está en la habilidad de aprender y en comprender cómo integrar la IA como una herramienta más en el flujo de trabajo.

Cosas que la IA (todavía) hace mal

Porque la IA, por muy potente que sea, sigue haciendo muchas cosas mal. Y eso nos da pistas de por donde deberíamos ir nosotros, porque por ahí no nos van a sustituir.

Vamos a ver las más importantes:

• A veces, la IA escribe código de muy mala calidad.

  • No siempre hace lo que queremos o no lo hace bien.
  • Si el lenguaje de programación o la biblioteca que vamos a usar, no es muy conocido, la IA puede escribir mal el código, e inventarse cosas porque no tiene suficiente información. Si las estás usando ya lo habrás vivido en tus carnes muchas veces.
  • El código que hace la IA puede tener fallos de seguridad si no lo revisas bien.
  • El código que genera la IA muchas veces rompe y hay que arreglarlo, lo que hace que en muchas ocasiones te pases demasiado tiempo retocándolo, por lo que en neto puedes perder productividad.

• No fomenta la reutilización: usar mucho la IA puede hacer que la gente copie y pegue mucho código y no se reutilice lo que ya existe.

• A veces, la IA dice cosas que no son verdad o alucina, inventándose cosas locas. No te creas todo lo que te diga. Sobre todo cuando le preguntas dudas y no lo haces de la manera adecuada.

• Si una aplicación está hecha solo por IA, puede ser muy difícil de entender sin la propia IA.

• La IA a veces añade complejidad y muchas cosas innecesarias al código.

• La IA puede sugerir soluciones sin pensar en si son buenas para tu negocio o tu cliente.

• Si solo te centras en la IA, puedes olvidar aprender las bases de la programación, que siguen siendo muy importantes. Si te abandonas a la IA puedes olvidar cómo hacer las cosas por ti mismo.

• La IA es una herramienta, no un sustituto de pensar por ti mismo.

Más allá del código: Las habilidades que la IA no puede reemplazar (y que te harán imprescindible)

Hemos visto cómo la IA puede ayudarnos con tareas concretas de código, incluso generar prototipos rápidamente con el "vibe coding". También hemos visto que hay cosas que no puede hacer o que las hace mal. Entonces, según todo esto, ¿qué habilidades necesitamos desarrollar para seguir siendo valiosos y no ser reemplazados?

La respuesta está en ir más allá de la simple sintaxis y la generación de código, claro. Hay una serie de capacidades humanas que la IA, al menos por ahora, no puede replicar completamente y que te harán imprescindible en el futuro.

Voy a ser muy duro con la siguiente frase. Espero que nadie se la tome a mal: Si actúas como un "mono entrenado" que se limita a escribir el código que le dicen que tiene que escribir, sin pensar nada más, estás condenado a desaparecer.

Pero si comprendes bien los fundamentos de los lenguajes y plataformas, la arquitectura del proyecto en el que trabajas, sabes colaborar con el equipo y sabes sacarle partido a la IA, vas a seguir siendo esencial para las empresas.

Las habilidades que deberías tratar de desarrollar son al menos 3 o 4 de las siguientes, que dependerán un poco de la experiencia que tengas y que puedas conseguir:

• Aprender a pensar: una habilidad cada vez más importante a medida que todo el mundo delega todo en las IAs es aprender a pensar, a descomponer problemas en tareas más sencillas y encontrar la relación entre ellas. No aprendas código por el código
• Pensamiento crítico y evaluación del código generado por la IA: no hay que confiar ciegamente en la salida de la IA. No todo el código que generan es perfecto, seguro, eficiente o ni siquiera es el más apropiado para tu caso concreto. Se necesita un ojo humano para revisar, evaluar y refinar el código generado. Confiar ciegamente en el código de la IA sin entenderlo te llevará seguro a problemas en el largo plazo. Gran parte de nuestro trabajo hoy en día y en el futuro es garantizar la calidad del código que genera la IA, no te engañes.
• Habilidades de "Tech Lead": a medida que la IA asume más la escritura del código, tu rol como desarrollador evoluciona hacia el de un líder técnico que gestiona y guía a los "equipos" de asistentes de IA. Esto implica definir los requisitos, supervisar el trabajo de la IA y asegurarse de que se alinea con los objetivos del proyecto.
• Resolución de problemas complejos y depuración avanzada: buena suerte para que una IA analice y solucione un problema en producción sin un mensaje de error claro y meridiano. Esta habilidad requiere pensamiento lógico, experiencia y una comprensión muy a fondo de cómo funciona el software en diferentes entornos. Trata de adquirir experiencia en ello.
• Mejorar capacidades de comunicación: el desarrollo de software es inherentemente colaborativo. Trabajar en equipo, comunicar ideas claramente, entender las necesidades de otros desarrolladores, diseñadores, responsables de producto y clientes son habilidades interpersonales cruciales que la IA no puede sustituir. Incluso si una persona pudiera "vibe codear" un proyecto sola, la colaboración sigue siendo esencial en la mayoría de los entornos profesionales.
• Creatividad e innovación: la IA puede generar variaciones de cosas existentes, pero la capacidad de inventar soluciones, técnicas o ideas nuevas para hacer las cosas, y aportar creatividad al proceso de desarrollo sigue siendo una habilidad puramente humana. La IA tampoco entiende de diseño bonito o de que una aplicación web sea fácil de usar, así que la usabilidad y la experiencia de usuario son áreas en las que las personas van a seguir destacando mucho tiempo.
• Diseño de arquitecturas de software complejas: la IA puede sugerir fragmentos de código o incluso patrones, pero diseñar sistemas robustos, escalables y mantenibles requiere una comprensión muy completa de todos los componentes, sus interacciones y de las posibles limitaciones del sistema. Esto implica tomar decisiones sobre la arquitectura, la elección de tecnologías y la planificación a largo plazo, algo que va más allá de la capacidad actual de la IA. Aquí, si eres un perfil con experiencia tienes mucho que aportar.
• Aprendizaje continuo y adaptación al cambio: nuestro sector no para ni un minuto. Está cambiando y evolucionando todo el rato. Y la IA también lo está haciendo a toda velocidad. Tu disposición personal y tu capacidad para aprender nuevas tecnologías, nuevas herramientas y nuevos paradigmas de programación es esencial para mantenerte relevante en el futuro. Además las IAs tienen un corte de conocimiento en una determinada fecha por lo que no pueden estar tan al día cómo tú. Es también una ventaja que puedes aprovechar.

El resumen de todo esto es que aprender a programar (o seguir aprendiendo a programar) sigue siendo muy importante, pero tienes que enfocarte en ir más allá de solamente escribir código.

Desarrollar todas estas habilidades "blandas" y de alto nivel, te permitirá trabajar CON la IA de manera efectiva.

La IA no ha venido a quitarte el trabajo, sino a cambiarlo. Te libera de tareas tediosas para que puedas centrarte en lo que realmente importa: crear software de valor, resolver problemas complejos y seguir aprendiendo.

Cómo programar CON la IA y no ser reemplazado POR la IA

La incorporación de la inteligencia artificial al desarrollo de software es una realidad inevitable. Te guste o no es lo que hay y tendrás que adaptarte.

Y no es el fin de la profesión, como dicen algunos. Es tan solo una transformación hacia un modelo híbrido, donde la colaboración entre humanos y IAs será lo habitual. Para salir adelante en este nuevo panorama, deberás dejar de ser "programador" para convertirte en "desarrollador de software", que no es lo mismo, y significa que tendrás que evolucionar e ir más allá de solamente escribir código. Esa época se acabó.

En lugar de temer la automatización de tareas repetitivas, que no aportan valor, los desarrolladores debemos adoptar la IA como una herramienta más para aumentar nuestra productividad. Una herramienta especialmente potente. No significa que vayamos a ser 10 veces más productivos, pero sí seremos más rápidos que antes, podremos abordar proyectos más ambiciosos y será más factible que montemos uno de esos "side projects" para hacer los fines de semana que no acabamos por hacer jamás.

Te voy a dejar unos cuantos consejos concretos que creo que son los más importantes para que la ola de la IA no solo no te arrase, sino que te ayude a mejorar en tu trabajo y en tu empresa:

• No creas todo el bombo sobre la IA. Es una herramienta muy potente, pero tiene sus límites.
• Aprende bien las bases de la programación. La IA es una ayuda, no un reemplazo de tus conocimientos.
• No dejes de pensar por tu cuenta. Parece una tontería decirlo, pero el usar los agentes de programación todos los días hace que pongas el piloto automático y te despistes. Y eso es un grave error. Usa la IA como una herramienta para ser más eficiente, pero no dejes de pensar y entender el código y lo que quieres conseguir con él.
• Practica tus habilidades de programación sin IA. De vez en cuando tómate una mañana sin IA, o aprende cosas nuevas sin utilizarla. Así estarás preparado si la IA falla o no está disponible y sobre todo no te dejarás llevar en piloto automático..
• Entiende los problemas que quieres resolver, no solo cómo escribir código. La IA te ayudará a codificar la solución, pero no a entender por qué haces lo que haces. Parece algo obvio pero, créeme, no lo es.
• Revisa siempre el código que genera la IA. Ya lo hemos visto antes, pero no te puedes fiar de que siempre va a estar bien o será el más apropiado para tus necesidades.
• Programas duraderos y mantenibles. Piensa en cómo hacer programas que duren y sean fáciles de mantener, no solo en hacerlos rápido.
• No dejes de aprender. La IA cambia muy rápido, así que tienes que mantenerte al día, tanto en sus capacidades como en el uso de las herramientas que te proporciona. Y por supuesto en las nuevas tendencias, plataformas y lenguajes de programación que aparecen, ya que la IA no sabe de eso.

Conclusiones

No sé qué depara el futuro, claro, y la IA está avanzando a pasos agigantados. Igual en 2 años tenemos una IA General, que piense de verdad y que no sea simplemente una calculadora de tokens, y lo que he dicho hoy ya suene ridículo para entonces. Pero sinceramente no lo creo.

Así que: sigo sin ver a una IA tomando requisitos a un cliente. Sigo sin ver a una IA solucionando problemas supercomplejos poco comunes que requieren muchísimo conocimiento y experiencia en cómo funciona por debajo el código, el sistema operativo, las comunicaciones y las capas de seguridad que tiene delante una aplicación web. Y sigo sin ver a una IA tomando decisiones sobre qué tareas a priorizar para dar más valor al negocio.

Pero sí que las veo quitándonos del medio lo de picar código repetitivo sin valor añadido, explicándonos cosas que nosotros mismos escribimos hace años o ayudándonos a tomar mejores decisiones, sin perder nosotros nunca el control y la decisión final. Esto ya es así hace un tiempo y los que no se adapten lo van a pasar mal.

Es tu obligación como profesional seguir aprendiendo para que la IA generativa no te sustituya. En los próximos años se va a crear más software que nunca, y gran parte del código lo harán las IAs. Pero detrás se seguirán necesitando personas que tomen las decisiones y que lo puedan llevar al mundo real.

Espero que todo esto te haya ayudado a pensar sobre el asunto y a formarte tu propia opinión.