¿Qué significa
desarrollar software
cuando la IA programa por ti?

Durante décadas, las tareas tradicionales informáticas han girado en torno a saber programar. No en el sentido de "teclear instrucciones", sino en uno más profundo: entender cómo conseguir que una máquina haga lo que necesitas. Los lenguajes de programación cambian, los frameworks rotan, los paradigmas evolucionan, pero el núcleo siempre ha sido ese: personas que saben hablar con las máquinas, mientras que el resto de la gente no sabe.

Hoy, esa distinción se ha complicado bastante. Los LLMs ya generan código funcional, pasan tests, documentan, refactorizan. No siempre bien, no siempre de forma fiable, pero lo hacen, y cada mes que pasa lo hacen mejor. Eso deja en el aire una pregunta que todavía no tiene una respuesta clara: si la parte más visible del oficio la puede hacer una máquina, ¿qué define a la profesión hoy?

Estas son algunas de las tareas tradicionales del desarrollo de software. ¿Cómo varían con la aparición de la IA?

Tres maneras de mirar el mismo problema

No todo el mundo está viviendo estos cambios desde la misma perspectiva.

El estudiante que empieza la carrera en 2026 llega sabiendo que la IA existe, que es capaz de programar y que es omnipresente en el sector. Y se encuentra con planes de estudio pensados cuando GitHub, Stack Overflow y la nube no existían, donde Windows XP era el sistema operativo estándar y MySpace era la red social dominante. Buena parte del currículo sigue organizado en torno a la escritura manual de código, a pesar de los cambios tecnológicos.

La profesora universitaria se enfrenta a un doble dilema. Por un lado, cómo evaluar y asegurarse de que su alumnado realmente aprende sabiendo que la IA puede resolver la mayoría de los ejercicios y exámenes. Y, por otro, una pregunta más incómoda: ¿lo que les está enseñando les va a ser útil cuando salgan de la universidad?

La empresa que contrata a programadores junior busca habilidades diferentes. En Estados Unidos, el empleo entre los desarrolladores más jóvenes lleva cayendo desde 2024, mientras la contratación en IA crece. No es que sobre gente que sepa programar, es que programar ya no basta. Lo que las empresas no encuentran es criterio técnico: alguien que evalúe lo que genera la IA, detecte errores y tome buenas decisiones cuando la respuesta automática es convincente pero equivocada.

Hay un dato reciente que resume la situación: en EE.UU., la matrícula en el grado de Informática ha caído un 11% en un año, mientras que los másteres en IA han crecido un 82% en dos años. Los estudiantes no esperan a que las universidades reaccionen, y el grado tradicional se está quedando atrás.

No es la primera vez que esto pasa

Hay un paralelismo histórico que ayuda a enmarcar la situación. Cuando apareció la hoja de cálculo, el trabajo contable cambió radicalmente. Las tareas que antes definían el oficio (sumar, cuadrar libros, no equivocarse en los números) las hacía ahora la máquina, mejor y más rápido. Pero la figura del contable no desapareció. Prosperaron quienes entendieron que su valor ya no estaba en calcular, sino en interpretar, en detectar anomalías o en asesorar decisiones.

La hoja de cálculo no eliminó el oficio. Desplazó qué parte del trabajo tenía valor.

Con los delineantes pasó algo similar cuando llegó el CAD. Hasta entonces, un buen trabajo se medía por el pulso, la precisión con el tiralíneas y la capacidad de producir planos limpios en papel vegetal. Un error significaba empezar de cero. Cuando el diseño asistido por ordenador se generalizó, esa destreza manual dejó de ser el centro. Cualquiera podía trazar una línea recta perfecta con un clic. Pero el oficio no desapareció: prosperó quien sabía interpretar las necesidades del ingeniero o del arquitecto, detectar incoherencias en un proyecto antes de que llegasen a obra y tomar decisiones de representación que un software no podía tomar solo.

Con la IA está pasando lo mismo. La tarea más visible de quien programa, escribir código, es cada vez más delegable. Lo que queda, y lo que empieza a marcar la diferencia, es todo lo demás: entender el problema, diseñar una solución, evaluar alternativas, detectar fallos que la IA no ve, tomar decisiones de arquitectura con consecuencias a largo plazo.

Estas profesiones sobrevivieron. En cada caso hubo una respuesta concreta a la pregunta "¿Qué queda cuando la herramienta automatiza lo que te define?"

Eso sí, ninguna de esas respuestas era evidente cuando las herramientas llegaron.

Reenfocando la pregunta

En Informática, la propuesta más frecuente ante el nuevo escenario es "habrá que añadir más asignaturas de IA al grado". No es una mala propuesta, pero es parcial. Saber usar herramientas de IA es necesario, pero eso en un par de años será tan estándar como saber buscar en Google. La cuestión de fondo es si sabrán pensar sin la IA cuando haga falta, y evaluarla con criterio cuando la usen.

Hay un dato que hace la cuestión aún más incómoda. Según un análisis de Anthropic sobre cómo usan los estudiantes su herramienta Claude, la mayoría no la usa para tareas mecánicas: el 40% la usa para crear y el 30% para analizar. Es decir, no están delegando lo rutinario, sino precisamente las competencias de orden superior (análisis, síntesis, creación) que se suponía que la IA no podía sustituir. Si los alumnos externalizan el pensamiento crítico antes de haberlo desarrollado, la pregunta de cómo formarlo se vuelve más urgente, no menos.

La pregunta nos parece más interesante formularla así:

De aquí se derivan otras preguntas más operativas: ¿qué competencias necesitamos para usar la IA con criterio? ¿Cómo evaluamos lo que genera y nos responsabilizamos de lo que ponemos en producción? ¿Y cómo se forma ese criterio cuando la herramienta está desde el primer día de carrera? Estas son las preguntas que vamos a intentar responder en los próximos artículos.

Quiénes somos y qué vendrá

Hemos arrancado esta investigación porque el tema nos parece uno de los más relevantes para nuestro sector en este momento. Hemos sido estudiantes de Informática, tenemos experiencia en docencia y trabajamos como profesionales del sector con experiencia práctica en IA. Esta combinación nos permite abordar el tema desde varios ángulos.

En los próximos artículos desarrollaremos estos temas. Analizaremos los planes de estudio actuales para ver qué se enseña y qué creemos que falta. Interpretaremos distintos informes sobre demanda de empleo para entender qué piden las empresas a los perfiles junior hoy. Y finalmente propondremos un marco de competencias que creemos necesario para el informático que trabaja con IA.

No tenemos todas las respuestas, pero sí una hipótesis de partida clara: el valor del informático ya no está en escribir código, sino en tener el criterio para decidir qué construir y cómo.

Los siguientes artículos intentarán sostener esta hipótesis con datos. Si el tema te parece relevante, ya sea porque contratas juniors, porque enseñas, porque acabas de salir de la carrera, o porque simplemente te importa el estado de la profesión, sigue leyendo.