El valor de un programador ya no se mide por la cantidad de código que escribe
La inteligencia artificial está cambiando la forma de trabajar en los equipos de desarrollo. Margarita Sanz del Río, directiva de GitHub, considera que el papel de los programadores evoluciona hacia tareas de mayor valor: definir problemas, tomar decisiones técnicas, revisar resultados y asegurar que el software responde a las necesidades del negocio.
El cambio no consiste únicamente en incorporar asistentes capaces de generar código. También afecta a la manera en que las empresas compran tecnología, organizan sus equipos y evalúan el rendimiento de sus inversiones. El paso de un modelo basado principalmente en licencias a otro vinculado al consumo de herramientas de inteligencia artificial introduce nuevas preguntas para los departamentos de tecnología.
De la licencia estable al consumo variable de IA
Durante años, muchas compañías han gestionado sus herramientas de desarrollo mediante licencias relativamente previsibles. El coste dependía, en buena medida, del número de usuarios o de los productos contratados. La expansión de la IA introduce un componente más dinámico: el consumo puede crecer en función del uso, la complejidad de las tareas y el volumen de solicitudes realizadas a los modelos.
Esta transición obliga a las organizaciones a revisar sus previsiones. No basta con calcular cuántos profesionales tendrán acceso a una plataforma. También es necesario entender cómo se utilizará la inteligencia artificial, para qué procesos y con qué intensidad.
La dificultad aumenta porque el uso de estas herramientas no siempre sigue un patrón sencillo. Un equipo puede emplearlas para completar funciones, documentar proyectos o generar pruebas, mientras que otro puede recurrir a ellas para rediseñar componentes enteros o automatizar procesos internos. Cada caso tiene un impacto distinto sobre los costes y la productividad.
El código generado no es el resultado final
La posibilidad de producir código con rapidez puede dar una imagen engañosa del rendimiento. Más líneas no significan necesariamente un mejor producto, una aplicación más segura o un proyecto terminado antes. En este contexto, el valor profesional se desplaza desde la escritura mecánica hacia la capacidad de orientar y validar el trabajo.
Los programadores deben seguir comprendiendo la arquitectura de los sistemas, las dependencias, los riesgos de seguridad y las necesidades de los usuarios. La IA puede proponer soluciones, pero corresponde al equipo determinar si son adecuadas, mantenibles y coherentes con el proyecto.
La revisión humana adquiere así una importancia central. Evaluar una sugerencia, detectar errores, anticipar problemas de rendimiento o decidir entre varias alternativas requiere experiencia y criterio técnico. La productividad no se mide solo por la velocidad con la que se genera código, sino por la calidad de las decisiones que acompañan a ese proceso.
Formar a los equipos para trabajar con inteligencia artificial
La adopción de la IA también plantea un reto de formación. No todos los profesionales parten del mismo nivel ni necesitan aprender exactamente lo mismo. Los equipos deben desarrollar nuevas capacidades para formular instrucciones claras, revisar las respuestas de los modelos y utilizar estas herramientas sin perder visibilidad sobre el funcionamiento del software.
La formación, además, no debería limitarse a enseñar el uso de una aplicación. Es necesario abordar cuestiones relacionadas con la seguridad, la privacidad, la propiedad intelectual y la gestión del código generado. También conviene establecer criterios comunes para decidir cuándo utilizar IA y cuándo resulta preferible resolver una tarea de forma manual.
Este aprendizaje afecta a perfiles con distinta experiencia. Los profesionales más veteranos pueden aportar contexto y conocimiento del negocio, mientras que los perfiles más jóvenes pueden adaptarse con rapidez a nuevas formas de interacción con las herramientas. La combinación de ambos enfoques puede ser decisiva para que la tecnología se integre de forma responsable.
Medir resultados más allá de la velocidad
Uno de los principales desafíos para las empresas es demostrar el retorno de la inversión. La reducción del tiempo dedicado a una tarea es un indicador útil, pero insuficiente. Una solución aparentemente rápida puede generar más trabajo si aumenta los errores, complica el mantenimiento o exige revisiones constantes.
Por eso, la evaluación debería incluir varios factores:
- Calidad del software: número de errores, incidencias y problemas detectados tras el lanzamiento.
- Tiempo de entrega: rapidez con la que una idea se convierte en una funcionalidad disponible.
- Mantenibilidad: facilidad para comprender, modificar y ampliar el código.
- Seguridad: capacidad para identificar vulnerabilidades antes de que lleguen a producción.
- Experiencia del equipo: reducción de tareas repetitivas y mejora de la concentración en problemas relevantes.
Estas métricas permiten obtener una visión más realista que el simple recuento de líneas producidas o de sugerencias aceptadas por los desarrolladores. El objetivo final es que la tecnología contribuya a crear mejores productos y no solo a incrementar el volumen de código.
Una transformación del trabajo tecnológico
La expansión de la inteligencia artificial no elimina la necesidad de programadores, pero sí redefine sus responsabilidades. El profesional que aporta valor es quien entiende el contexto, plantea el problema correcto y sabe convertir las propuestas de una herramienta en una solución fiable.
Para las empresas, el desafío consiste en combinar innovación y control. Adoptar IA sin una estrategia clara puede dificultar la previsión de costes y hacer más complicado saber si la inversión está dando resultados. Integrarla con objetivos concretos, formación adecuada y métricas de calidad permite, en cambio, aprovechar sus ventajas sin confundir automatización con productividad.
La programación entra así en una etapa en la que la cantidad de código deja de ser el principal indicador. El criterio técnico, la capacidad de supervisión y el impacto del software en el negocio serán los factores que definan el valor de los equipos de desarrollo.
