Últimamente se escuchan voces que aseguran que la Inteligencia Artificial (IA) y las plataformas low-code volverán obsoleto al desarrollador de software. “No estudien más sistemas porque la IA va a escribir todo el código”, dicen muchos empresarios y referentes.
Mi posición es menos estridente: nadie sabe con certeza cómo será el mapa tecnológico en cinco años. Pero sí sabemos hoy la IA no elimina la necesidad de conocimiento profundo; la vuelve más necesaria.
Los modelos de lenguaje funcionan sobre bases probabilísticas. Predicen la siguiente palabra más probable en una secuencia. Eso los hace poderosos, pero también es cierto que “alucinan”. Y cuando sucede eso, en realidad, no sabe que lo está haciendo.
Si un desarrollador no entiende el lenguaje en el que programa, ni cómo funcionan un compilador, un sistema operativo o las capas de Internet, difícilmente pueda detectar errores o evaluar si una solución es correcta. Es como usar un asistente médico sin saber medicina: puede ayudar, pero alguien debe validar.
Los datos acompañan esta visión. Una encuesta global de GitLab realizada por Harris Poll a más de 3.200 profesionales DevSecOps indica que el 76% cree que, a medida que la IA facilite la creación de código, se necesitarán más ingenieros de software para gestionarlo e implementarlo. Aunque el 97% ya utiliza o planea utilizar IA en el ciclo de desarrollo, solo el 37% confiaría en ella sin revisión humana, y el 73% ya experimentó problemas con código generado sin comprensión técnica. La IA amplifica capacidades, pero también riesgos.
La automatización está resolviendo tareas, no eliminando profesiones. Lo que antes llevaba diez horas, hoy puede llevar cinco. Pero desarrollar sistemas empresariales complejos sigue implicando arquitectura, seguridad, escalabilidad, integración y experiencia de usuario. La IA acelera procesos, pero no reemplaza la responsabilidad técnica.
La evolución es natural: el programador que antes escribía todo manualmente hoy trabaja con asistentes, y mañana probablemente orquestará agentes más autónomos. Pero incluso en escenarios de IA agéntica, alguien debe definir objetivos, diseñar la arquitectura y validar resultados.
Un estudio reciente de McKinsey refuerza esta idea. Las organizaciones que integran la IA de manera estratégica en todo el ciclo de desarrollo logran mejoras del 16% al 30% en productividad y tiempo de comercialización, y hasta un 45% en calidad del software. Sin embargo, la brecha entre líderes y rezagados es de 15 puntos porcentuales. Más del 90% de los equipos ya usa IA para tareas como pruebas o refactorización, con un ahorro promedio de seis horas semanales por desarrollador. La diferencia no está en usar IA, sino en cómo se reorganizan los roles y procesos alrededor de ella.
En cuanto al low-code, tampoco es un fenómeno nuevo. Plataformas como Microsoft Power Platform, GeneXus o entornos como Salesforce, SAP y Oracle permiten construir soluciones con menos programación tradicional. ¿Eso elimina al programador? No. Lo que sucede es que cambia el perfil requerido, ya que trabajar en low-code exige conocer profundamente la plataforma elegida y comprender el negocio que se está modelando. Además, en organizaciones complejas siempre existen integraciones y personalizaciones que requieren desarrollo avanzado.
Si hoy tuviera que aconsejar a alguien que evalúa estudiar Sistemas, le diría que invierta en fundamentos: entender cómo compila un lenguaje, cómo operan los sistemas distribuidos, cómo funciona la infraestructura de Internet. Esos conocimientos no pasan de moda.
A eso se suman habilidades cada vez más críticas como pensamiento sistémico, capacidad de abstracción, comunicación con equipos, así como también criterio para evaluar resultados generados por IA.
En los próximos años veremos más automatización y mayor velocidad de desarrollo. Pero no veremos la desaparición del programador, sino su transformación.
El desafío no es competir contra la IA, sino aprender a trabajar con ella. Y para eso, el conocimiento profundo sigue siendo la mejor ventaja competitiva.
