Que los asistentes de IA escriban código es ya algo cotidiano en muchos equipos de desarrollo. Más interesante que la pregunta de si eso funciona es, entretanto, la pregunta de qué tareas se delegan realmente y cuáles permanecen en manos de las personas. Dos informes actuales trazan una imagen común: la proporción de código generado por máquinas aumenta, al mismo tiempo que el centro de gravedad del trabajo de desarrollo se desplaza —de teclear hacia la decisión, la clasificación y la responsabilidad.
Qué pasa a la máquina
Lo que se delega es sobre todo aquello que está claramente delimitado y bien describible. A ello pertenecen rutinas recurrentes, componentes estándar y tareas en las que un patrón ya es conocido y solo debe trasladarse a un caso concreto. Aquí las herramientas de IA despliegan su fortaleza: generan rápidamente un borrador que una persona revisa y ajusta a continuación.
Esta ganancia de productividad es real, pero no se produce por sí sola. Solo surge allí donde alguien puede evaluar la propuesta. Un borrador de código que nadie en el equipo puede valorar técnicamente no es una ganancia de tiempo, sino una fuente de errores desplazada.
Qué permanece en manos de las personas
Lo decisivo sigue siendo el trabajo antes y después del código. Antes: ¿qué problema debe resolverse en primer lugar? ¿Qué requisitos son realmente vinculantes y cuáles solo costumbre? ¿Qué arquitectura seguirá sosteniendo en tres años? Tales decisiones presuponen conocimiento del contexto sobre la empresa, las usuarias y los usuarios y el panorama de sistemas existente —un conocimiento que no está completo en ningún prompt.
Después: revisión, aseguramiento de la calidad, integración en sistemas ya consolidados, cuestiones de seguridad y protección de datos, operación y mantenimiento. Precisamente en sistemas heredados que han crecido durante años, lo que decide el éxito del proyecto no es la velocidad de generación de código, sino la comprensión de las dependencias y los efectos secundarios.
El rol se desplaza así de forma perceptible: las desarrolladoras y los desarrolladores se convierten más en quienes revisan y deciden. La profundidad técnica no se vuelve por ello superflua —se convierte en el requisito previo para poder evaluar de forma sensata los resultados de la IA.
La gestión de producto gana peso
Paralelamente, el mercado laboral cambia. Desde EE. UU. se informa de que se contrata a menos desarrolladoras y desarrolladores de software, mientras que la gestión de producto se considera la ganadora de la era de la IA. Eso es plausible: si la mera implementación se vuelve más rápida y económica, el cuello de botella se desplaza hacia delante —hacia la pregunta de qué debe construirse.
Responsabilidad de producto significa en este contexto: aclarar requisitos, establecer prioridades, hacer medible el beneficio, traducir entre el área especializada y la técnica. Este trabajo no puede delegarse en un modelo, porque se basa en conflictos de objetivos que la propia empresa debe decidir.
Asimismo, se describe el manejo soberano de las herramientas de IA como una habilidad cada vez más importante en la búsqueda de empleo. No se trata tanto de manejar una herramienta concreta como de la capacidad de delimitar tareas de forma sensata, revisar críticamente los resultados y saber cuándo es mejor descartar una propuesta de IA.
Cómo clasificar los datos
Los dos informes iluminan lados diferentes del mismo desarrollo: uno la distribución de tareas dentro del trabajo de desarrollo, el otro la demanda de roles en el mercado laboral. Las observaciones sobre el comportamiento de contratación proceden de EE. UU. y no pueden trasladarse uno a uno a la mediana empresa de habla alemana, en la que la escasez de personal cualificado, los sistemas heredados y los requisitos regulatorios desempeñan otro papel.
También es aconsejable precaución ante conclusiones generalizadoras. Menos nuevas contrataciones en un mercado no son automáticamente prueba de que la IA sustituya puestos de trabajo; aquí influyen efectos coyunturales. La afirmación más estable de ambas fuentes es la dirección, no la dramaticidad: el trabajo rutinario pierde valor, la capacidad de juicio gana.
Consecuencias para la planificación presupuestaria
Para los responsables de proyecto se derivan de ello algunas indicaciones prácticas:
- No recortar el trabajo de requisitos. Si la implementación se vuelve más económica, cada hora dedicada a aclarar objetivos y prioridades renta más que antes.
- Planificar el aseguramiento de la calidad. Las revisiones, las pruebas y las verificaciones de seguridad no disminuyen con un mayor caudal de código, sino que se vuelven más importantes.
- Emplear la experiencia de forma específica. El know-how sénior se necesita allí donde confluyen arquitectura, integración y ponderación de riesgos.
- Cubrir el rol de producto. Sin una instancia clara de decisión técnica del lado del cliente, la ganancia de velocidad se diluye en bucles de coordinación.
- Mantener expectativas realistas. Las ganancias de tiempo surgen en tareas bien delimitadas, no de forma uniforme a lo largo de todo el proyecto.
Clasificación
Para los proyectos web y de software, el centro de gravedad de la creación de valor se desplaza: el esfuerzo para la mera implementación tiende a disminuir, mientras que la concepción, la revisión y las decisiones de producto cobran proporcionalmente más peso. Los presupuestos deberían reflejar este desplazamiento en lugar de apostar únicamente por un desarrollo más rápido.
Quien refuerza el control técnico dentro de su propia organización y exige un aseguramiento de la calidad comprensible, se beneficia de las herramientas de IA de forma mucho más fiable que los equipos que solo las entienden como un acelerador.