Cómo sobrevivir como programador en la era de la IA (sin volverse cínico ni ingenuo)

Llevo años escribiendo software y nunca había visto al gremio tan dividido: la mitad jura que en dos años no quedará ni un programador, la otra mitad jura que todo esto es humo. Los dos bandos se equivocan, y mientras discuten, el suelo se está moviendo debajo de todos.

Esto no es un post motivacional ni una lista de «5 cursos para no quedarte atrás». Es lo que veo desde dentro — trabajando cada día con agentes que escriben la mayor parte de mi código — sobre qué está cambiando de verdad, qué se devalúa, qué sube de precio y qué haría yo hoy según el punto de la carrera en el que estés.

Lo primero: separar el ruido de la señal

La confusión viene de mezclar dos preguntas distintas. «¿Puede la IA escribir código?» — sí, desde hace tiempo, y mejor que la mayoría de nosotros en tareas acotadas. «¿Puede la IA hacer el trabajo de un ingeniero?» — no, porque el trabajo nunca fue escribir código.

El trabajo siempre fue otro: entender un problema ambiguo, decidir qué construir (y qué no), negociar restricciones, detectar que el ticket pide una cosa pero el negocio necesita otra, y responder por lo que se despliega. Nada de eso ha sido automatizado. Lo que se automatizó es la parte que estaba en medio: traducir decisiones a sintaxis.

💡 La frase que me ordena la cabeza: la IA no viene a por tu trabajo, viene a por tus tareas. Si tu trabajo era la suma de esas tareas, sí tienes un problema. Si tu trabajo era el criterio que las ordenaba, acabas de multiplicarte.

Qué se devalúa (y duele decirlo)

Seamos honestos con lo que ya vale menos en el mercado:

• Escribir código correcto y limpio a mano. Era nuestra identidad. Hoy es la línea base que produce cualquier agente bien dirigido.
• Saberse un framework de memoria. El conocimiento enciclopédico de una API era una ventaja competitiva; ahora está a un prompt de distancia de cualquiera.
• El junior que solo ejecuta tickets. Este es el golpe más duro y el más real: el trabajo de «toma esta tarea bien definida y tráemela hecha» es exactamente lo que mejor hace un agente.
• La velocidad de tecleo como métrica de productividad. Producir más líneas ya no distingue a nadie. Distingue producir menos líneas que sobrevivan más tiempo.

Qué sube de precio

La lista contraria es más interesante, porque es donde hay que invertir:

• Criterio de revisión. El código generado por IA se ve impecable — está formateado, nombrado con sentido, comentado. El peligro vive en lo que parece correcto. Saber leer código con sospecha vale hoy más que saber escribirlo.
• Arquitectura y descomposición. Un agente rinde en proporción directa a lo bien acotado que esté el problema. Trocear un sistema en piezas que una IA pueda ejecutar sin romper nada es la nueva habilidad senior.
• Contexto de negocio. Entender por qué se construye algo es lo único que la IA no puede inferir de tu repo. El ingeniero que habla con producto y con clientes se vuelve imposible de reemplazar.
• Verificación. Tests, evals, observabilidad, entornos de staging que se parecen a producción. Cuando el volumen de código se multiplica, el cuello de botella se muda a la confianza: ¿cómo sé que esto funciona?
• Responsabilidad. Alguien tiene que firmar el despliegue. La IA no va a la reunión de postmortem. Ese «alguien» cotiza al alza.

El nuevo flujo de trabajo (el mío, al menos)

Mi día a día ya no se parece al de hace tres años. El patrón que me funciona tiene tres fases, y ninguna es «escribir código»:

// Mi división del trabajo con agentes
// 1. ANTES  — invertir en contexto: specs claras, convenciones
//             documentadas, criterios de aceptación explícitos.
// 2. DURANTE — dirigir, no dictar: el agente propone, yo corto
//              alcance, corrijo rumbo, pido alternativas.
// 3. DESPUÉS — verificar con hostilidad: leer el diff como si
//              lo hubiera escrito alguien que quiere engañarme,
//              correr los tests, probar los bordes.

La proporción sorprende a quien no lo ha vivido: paso más o menos un 40% del tiempo en la fase 1. La calidad de lo que sale de un agente es una función casi lineal de la calidad del contexto que entra. Los equipos que adoptan IA y no ven mejora casi siempre fallan ahí: delegan la escritura pero no invierten en la especificación.

Si estás empezando: el consejo incómodo

El escalón de entrada se rompió, y no ayuda a nadie negarlo. Pero fíjate en el matiz: se rompió el escalón, no la escalera. Las empresas siguen necesitando seniors, y los seniors no nacen — se hacen. Tarde o temprano el mercado tendrá que reconstruir la cantera, y los juniors que sobrevivan a esta transición serán los que llegaron distinto:

• Usa la IA para aprender, no para evitar aprender. Pídele que te explique cada línea que genera. La diferencia entre «funciona y no sé por qué» y «funciona y sé por qué» es tu carrera entera.
• Construye cosas completas. Un side project desplegado, con usuarios reales y bugs reales, enseña lo que ningún tutorial: la parte del oficio que la IA no cubre.
• Aprende a depurar de verdad. Cuando el agente se atasca — y se atasca — la persona que sabe bajar al log, al breakpoint y al protocolo es la que desbloquea al equipo.
• Los fundamentos no caducan. Redes, sistemas operativos, bases de datos, complejidad. Los frameworks que la IA domina cambian cada año; aquello sobre lo que se apoyan, no.

Si llevas años en esto: tu riesgo es otro

El senior no compite contra la IA; compite contra el senior que la usa bien. Y ahí veo dos errores simétricos. El primero es el rechazo: «yo reviso mejor que cualquier modelo» — cierto hoy, irrelevante en dos ciclos de mejora. El segundo es la rendición: aceptar todo lo que genera el agente sin leerlo, hasta que un incidente en producción te recuerda quién firmaba.

El punto medio tiene nombre aburrido: gestión. Diriges una pequeña flota de agentes igual que antes coordinabas personas — con specs, con revisión, con estándares. Si alguna vez pensaste en pasar a management pero no querías dejar de tocar código, la buena noticia es que ese puesto híbrido acaba de inventarse y nadie tiene diez años de experiencia en él.

Lo que no cambia

Después de todo el vértigo, hay algo que me tranquiliza: el software sigue siendo la disciplina de decidir qué debe pasar y asegurarse de que pasa. Las herramientas para lograrlo han cambiado más en tres años que en los veinte anteriores, pero la naturaleza del oficio — criterio, responsabilidad, traducción entre lo que la gente necesita y lo que la máquina hace — sigue intacta.

Sobrevivir a esta era no va de correr más que la IA. Va de moverse un nivel por encima de ella, que es exactamente el mismo movimiento que hizo quien pasó del ensamblador al compilador, y del servidor físico a la nube. Los que se quedaron abrazados a la capa que se automatizaba lo pasaron mal. Los que subieron de capa, no dieron abasto con tanto trabajo.