La inteligencia artificial está provocando un cambio extraño dentro del desarrollo de software.
Durante décadas, una de las partes más costosas de crear un producto digital era convertir una idea en código. Había que diseñar la arquitectura, desarrollar funcionalidades, corregir errores, escribir pruebas y repetir el proceso durante semanas o meses.
Ahora esa barrera comienza a reducirse.
Los nuevos agentes de programación pueden explorar repositorios completos, modificar varios archivos, ejecutar comandos, crear pruebas y resolver tareas que hace apenas unos años requerían horas de trabajo manual.
Pero esta velocidad está creando otro problema.
Podemos construir muchísimo más software… incluso cuando nadie lo necesita.
El desarrollador empieza a convertirse en director de agentes
Una investigación publicada por Anthropic en junio de 2026 analizó aproximadamente 400.000 sesiones reales de Claude Code.
El patrón encontrado resulta especialmente interesante.
En una sesión típica, la persona toma principalmente las decisiones relacionadas con qué debe hacerse, mientras Claude realiza una mayor proporción de las decisiones relacionadas con cómo ejecutarlo.
Eso cambia profundamente el papel tradicional del programador.
Antes podía recibir una tarea y pasar varias horas escribiendo la implementación.
Ahora el flujo puede parecerse cada vez más a esto:
Humano: define el objetivo.
Agente: analiza el proyecto.
Agente: propone una solución.
Agente: escribe el código.
Agente: ejecuta pruebas.
Humano: revisa, corrige y decide si el resultado tiene sentido.
No significa que el desarrollador haya desaparecido.
Significa que una parte de su valor comienza a desplazarse hacia otro lugar:
arquitectura, contexto, validación y criterio.
Y aquí aparece un problema mucho más grande
Imaginemos una empresa tradicional.
Un directivo quiere mejorar un producto y utiliza inteligencia artificial para generar rápidamente 30 nuevas funcionalidades.
La lista pasa al responsable de producto.
Después llega al diseñador.
Se convierte en historias de usuario.
Termina dentro de Jira.
Y finalmente aterriza frente a un desarrollador.
El desarrollador abre Claude Code, Codex o cualquier otro agente y le entrega las tareas.
Poco después comienza a aparecer código.
Todo parece increíblemente eficiente.
Excepto por una pregunta:
¿Quién comprobó que los usuarios querían esas 30 funcionalidades?
Probablemente nadie.
Y ahí aparece una nueva versión del llamado AI slop.
El concepto suele utilizarse para describir contenido de baja calidad producido masivamente mediante inteligencia artificial. En desarrollo de software ya existen investigadores estudiando cómo esa generación barata puede trasladar el verdadero coste hacia quienes después deben revisar, mantener y corregir el resultado.
Podríamos llevar esa misma idea al producto.
Una especie de “feature slop”:
cientos de funcionalidades fáciles de fabricar, pero sin suficiente investigación detrás.
La IA puede hacer que una mala decisión llegue más rápido a producción
Ese podría convertirse en uno de los grandes riesgos de esta nueva etapa.
Antes, desarrollar algo innecesario podía resultar tan caro que el propio coste obligaba a discutirlo.
Había que justificar semanas de trabajo.
Asignar desarrolladores.
Preparar presupuesto.
Priorizarlo frente a otras tareas.
Con agentes capaces de crear prototipos o implementar cambios mucho más rápido, ese filtro económico comienza a debilitarse.
Y entonces aparece una paradoja:
Cuanto más barato sea programar, más importante será saber qué NO programar.
Los datos de DORA apuntan precisamente hacia ese problema organizacional.
Su investigación sobre desarrollo asistido por IA concluyó que aproximadamente el 90 % de los profesionales tecnológicos ya utiliza IA en el trabajo y más del 80 % considera que ha aumentado su productividad.
Pero el informe también plantea algo mucho más importante:
la IA funciona como un amplificador.
Puede potenciar organizaciones que ya tienen buenos procesos, pero también amplificar problemas existentes en equipos mal organizados.
En otras palabras:
una empresa con buen criterio puede desarrollar más rápido.
Una empresa que no sabe qué está haciendo también puede equivocarse más rápido.
El cuello de botella empieza a moverse
Hasta hace poco el cuello de botella era evidente:
“Tenemos muchas ideas, pero necesitamos desarrolladores para construirlas.”
Ahora podríamos estar acercándonos a una situación diferente:
“Podemos construir casi cualquier cosa rápidamente, pero no sabemos cuál merece existir.”
Ahí entran habilidades que durante años parecían secundarias frente al conocimiento técnico.
Entender al usuario.
Detectar problemas reales.
Priorizar.
Diseñar experiencias sencillas.
Eliminar funcionalidades innecesarias.
Conseguir distribución.
Encontrar clientes.
Interpretar datos.
Tomar decisiones.
La programación seguirá siendo importante, pero podría dejar de ser la principal limitación para lanzar muchos tipos de productos digitales.
Tener 100 ideas ya no será una ventaja
La IA puede generar 100 ideas en segundos.
También puede generar:
100 nombres.
100 diseños.
100 funcionalidades.
100 versiones de una landing page.
100 experimentos.
Incluso puede ayudar a implementar buena parte de ellos.
Por tanto, tener ideas pierde parte de su escasez.
El verdadero valor estará en distinguir:
cuál de esas 100 ideas merece convertirse en producto.
Y probablemente todavía más importante:
cuáles 99 deberían eliminarse.
El futuro del programador no parece ser simplemente “dejar de programar”
También sería exagerado concluir que todos los desarrolladores dejarán de tocar código.
Anthropic advierte en su propio informe sobre programación agéntica de 2026 que esta transformación continúa necesitando supervisión, validación y criterio humano, especialmente a medida que aumenta la autonomía de los agentes.
Además, DORA ha encontrado una tensión interesante: la IA acelera la generación inicial de código, pero parte de ese tiempo ganado termina trasladándose hacia auditoría y verificación. Una mayor adopción también puede elevar simultáneamente el volumen de entregas y la inestabilidad si los procesos alrededor del software no están preparados.
Por eso la transformación probablemente sea más compleja que:
“la IA sustituirá a los programadores”.
Puede ser más parecido a:
“los programadores dejarán de dedicar la mayor parte de su valor a escribir código y pasarán a dirigir sistemas capaces de producirlo”.
La verdadera ventaja será el criterio
Estamos entrando en una etapa curiosa de la industria.
Crear software está dejando de ser algo reservado únicamente para quienes conocen profundamente un lenguaje de programación.
Los agentes reducen poco a poco esa barrera.
Pero ninguna herramienta elimina automáticamente la necesidad de decidir:
qué problema merece resolverse, para quién estamos construyendo y por qué alguien debería utilizar nuestro producto.
Quizá ahí se encuentre la gran ironía de la revolución de la IA.
Pasamos décadas intentando conseguir máquinas capaces de escribir nuestro código.
Ahora que comienzan a hacerlo realmente bien, descubrimos que el código nunca fue la única parte difícil.
La parte difícil era saber qué valía la pena construir.
Y en un mundo donde generar software será cada vez más barato, equivocarse de producto también puede convertirse en algo increíblemente fácil.
