La IA ha permitido a los desarrolladores codificar más rápido que nunca. Esto resulta ser un problema. – Desde dentro

Cualquiera que lo haya probado alguna vez lo sabe. Programar con IA puede ser maravilloso. Especialmente si no tienes (casi) idea de programación. Aquí es donde los modelos de IA generativa experimentaron su primera y probablemente única revolución.

Los desarrolladores fueron los primeros en utilizar esta nueva tecnología. La aparición de GitHub Copilot en 2021 nos demostró que ya no es necesario hackear tanto código porque la máquina ya lo ha hecho por ti, y desde entonces el progreso de la IA generativa en el campo de la programación ha sido asombroso.

La pregunta es: ¿fue positivo? La respuesta no es nada clara. Es evidente que la IA ha permitido:

1. Que millones de personas que no eran programadores pudieran convertir en realidad sus ideas de aplicaciones y juegos.
2. Que millones de profesionales puedan ahorrar tiempo al no tener que escribir código repetitivo (Placa de caldera) para centrarse en otras partes más importantes y productivas de su trabajo

Por supuesto, la industria ha sido particularmente persistente en su visión de transformar este segmento. Nadella Satya (CEO de Microsoft) y Sundar Pichai (CEO de Alphabet/Google) se jactó hace meses de que alrededor del 25% del código que generan sus empresas es generado por IA. Mientras tanto, Jensen Huang fue un paso más allá y aclaró que a estas alturas ya nadie debería aprender a codificar porque la IA lo haría por nosotros.

Son declaraciones muy poderosas, pero detrás de ellas se esconde otra realidad: esta No es oro todo lo que brilla en el mundo de la IA para programadores. En MIT Technology Review hablaron con más de 30 desarrolladores y expertos en la materia y llegaron a interesantes conclusiones.

La IA es mejor programadora que nunca. Al menos según los puntos de referencia.

En agosto de 2024, OpenAI lanzó un lanzamiento único: presenta SWE-Bench verificadoun punto de referencia diseñado para medir la capacidad de programación de los modelos de IA generativa. En este punto, el mejor modelo solo pudo resolver el 33% de las pruebas sugeridas por este punto de referencia. Un año después los mejores modelos. ya más del 70%.

El desarrollo en este ámbito ha sido vertiginoso y hemos sido testigos del nacimiento del mismo. nueva modalidad Programación llamada “Codificación de vibraciones“Y todos los grandes han desarrollado poderosas herramientas de programación para aprovechar la atracción.

Por ejemplo, tenemos OpenAI Codex, Gemini CLI o Claude Code, pero startups como Cursor y Windsurf también han aprovechado esta fiebre por la programación en IA.

Todas estas herramientas prometen esencialmente lo mismo: que codificarás más y mejor. En teoría, la productividad se está disparando y, aunque ciertamente se escribe más código que nunca gracias a la inteligencia artificial y los programadores. Han pasado de escribir su propio código a comprobar qué producen las máquinas.

Estudios recientes muestran que los desarrolladores experimentados que pensaban que eran más productivos en realidad no lo eran. Estimaron que eran un 20% más rápido porque avanzaban sin bloqueos, pero en realidad habían tardado un 19% más que sin IA. según las pruebas realizadas.

Hay otro problema: La calidad del código no es necesariamente buena.y como decimos, los desarrolladores necesitan revisar este código antes de usarlo en producción. En la última encuesta de Stack Overflow, una de las comunidades de desarrolladores más grandes del mundo, Hubo un hecho notable: La percepción positiva sobre las herramientas de IA había disminuido: era del 70% en 2024 y del 60% en 2025.

Hay restricciones, pero aún así todo ya ha cambiado.

Las personas encuestadas por MIT Technology Review estuvieron en general de acuerdo con las conclusiones. Las herramientas de programación de IA generativa son excelentes para crear código repetitivo, escribir pruebas, corregir errores o explicar el código a nuevos desarrolladores.

Sin embargo, todavía tienen limitaciones importantes. Lo más notable es su corta memoria.. Estos modelos solo son capaces de manejar una fracción de la carga de trabajo en entornos profesionales: si su código es grande, es posible que el modelo de IA no pueda “consumirlo” y comprenderlo todo a la vez. Ideal para proyectos pequeños. Para grandes desarrollos, probablemente no tanto.

El problema de las alucinaciones también afecta al código, y en repositorios con una gran cantidad de componentes, los modelos de IA pueden perderse y no comprender la estructura y sus relaciones. Los problemas están ahí y pueden acabar acumulándose y provocando exactamente lo contrario de lo que intentaban evitar.

Sin embargo, varios expertos explican en este texto lo difícil que es en realidad volver atrás. Kyle Daigle, director de operaciones de GitHub, dijo: «Los días en que codificamos cada línea de código a mano probablemente hayan quedado atrás». Erin Yepis, analista de Stack Overflow, señaló que si bien este optimismo desenfrenado sobre la IA ha disminuido un poco, en realidad es una señal de algo más: que los programadores están adoptando la tecnología pero aceptando los riesgos al hacerlo.

Y luego hay otra realidad. Uno que se repite día tras día y que parece innegable. La IA que tenemos hoy es la peor de todas las que tendremos en el futuro. Puede que no sea mañana o la próxima semana, pero está claro que la IA que has programado eventualmente mejorará. Y en algún momento podría llegar un punto en el que estas restricciones desaparezcan. Lo hagan o no, está claro que la IA ha cambiado la programación para siempre.

Imagen | Mohamed Rahmani

En | OpenAI ha convertido a ChatGPT en la corriente principal de la IA. En el mundo empresarial, la partida la gana su gran rival