La IA Escribe ya el Código de Medio Internet y se Está Convirtiendo en un Problema Serio

¿Alguna vez te pasó que una app “simple” termina convertida en una madeja imposible de arreglar? En programación, ese momento suele llegar cuando alguien —o algo— escribe mucho, rápido y sin mirar el plano general. La inteligencia artificial promete ayudarte. Pero también puede dejarte con el problema servido.

Sin embargo, un hallazgo que se repite en voces de la industria y en la calle del desarrollo es incómodo: la IA ya genera una porción enorme del código que se usa a diario, y el trabajo humano se está moviendo hacia otra tarea. La fuente que encendió la alarma con matices fue MIT Technology Review, que entrevistó a más de 30 desarrolladores y expertos para medir el impacto real.

Por su parte, el discurso oficial suena triunfal. Satya Nadella y Sundar Pichai afirmaron que alrededor del 25% del código que producen Microsoft y Google ya lo escribe la IA. Jensen Huang, de Nvidia, fue más lejos: sugirió que ya nadie debería aprender a programar porque la máquina lo hará por nosotros.

“Es muy probable que los días de escribir todas las líneas de código a mano hayan quedado atrás”, señaló Kyle Daigle, COO de GitHub.

No obstante, el mecanismo real no se parece a un robot que hace todo solo. Se parece más a una casa donde, de golpe, aparece un electricista velocísimo que tira cables por todos lados. Vos ganás tiempo. Pero después tienes que revisar si esos cables respetan el tablero, si no cruzan donde no deben y si el interruptor correcto enciende la luz correcta.

Es decir, la IA generativa (modelos que producen texto y código) funciona como una central que sugiere conexiones: completa funciones, arma estructuras y rellena lo repetitivo. Esa pieza clave se vio con GitHub Copilot, lanzado en 2021, cuando quedó claro que ya no era necesario escribir tanto “a mano” para avanzar.

En otras palabras, el auge del “vibe coding” (programar conversando con la IA) cambió el gesto cotidiano del desarrollador. Antes era teclear línea por línea. Ahora es pedir, recibir y revisar. Y ahí aparece el engranaje que más fricción genera: revisar código ajeno, aunque ese “ajeno” sea una máquina.

Sin embargo, no todas las tareas pesan igual. Los expertos consultados coinciden en que la IA brilla cuando hace “boilerplate” (código repetitivo), escribe tests (pruebas automáticas), corrige errores y explica fragmentos a gente nueva. Es como tener un ayudante que ordena tornillos, etiqueta cajas y te alcanza herramientas justo cuando las necesitas.

¿Qué tan buena es la IA programando cuando se la mide con pruebas?

Es decir, los números avanzan rápido, pero no cuentan toda la historia. En agosto de 2024, OpenAI lanzó SWE-bench Verified, un benchmark (prueba estandarizada) para medir qué tan bien resuelven problemas reales estos modelos. En su presentación, el mejor modelo apenas resolvía el 33% de los casos.

Un año después, los mejores sistemas ya superan el 70% de aciertos. La mejora es vertiginosa. La oportunidad es evidente: más gente puede convertir ideas en apps y juegos, incluso sin experiencia previa, y muchos equipos recortan horas de tareas mecánicas.

No obstante, el indicador que más le importa al programador no siempre es “cuánto código se produce”, sino cuánto código sirve. Estudios recientes observaron algo contraintuitivo: desarrolladores veteranos creían haber sido un 20% más rápidos con IA, porque avanzaban sin bloqueos. Pero las pruebas mostraron que terminaron tardando un 19% más que trabajando sin asistencia.

En otras palabras, el ahorro se puede evaporar en la etapa menos glamorosa: auditar, probar y depurar. Y también está el problema de las alucinaciones (respuestas inventadas pero plausibles): en código, puede significar funciones que parecen correctas, pero llaman bibliotecas que no existen o asumen estructuras que el proyecto no tiene.

La aplicación práctica: cómo usar la IA sin que se convierta en un lío

Por su parte, la encuesta de Stack Overflow muestra una pista de “madurez” del ecosistema: la valoración positiva de estas herramientas bajó del 70% en 2024 al 60% en 2025. Erin Yepis, analista de la plataforma, interpreta esa caída como una señal de que los programadores aceptan la IA, pero ya no le creen todo.

El uso inteligente se parece a poner reglas de seguridad en una casa: la IA puede hacer instalaciones rápidas, pero el humano debe decidir dónde va cada interruptor. En la práctica, los expertos recomiendan reservarla para lo repetitivo, pedirle tests, usarla como “segundo par de ojos” y desconfiar cuando el proyecto es grande y la herramienta no “ve” el sistema completo.

No obstante, para millones de personas sin perfil técnico, esta tecnología ya fue una revolución: convirtió ideas en productos reales. Y para los profesionales, incluso con el quebradero de cabeza, el cambio parece irreversible. La IA puede estar escribiendo medio Internet, pero el trabajo humano sigue siendo el mismo de siempre: asegurarse de que el cableado no prenda fuego la casa.