Las ofertas de empleo tecnológico piden "desarrolladores con IA". Pero eso no es transformación: es una herramienta nueva encajada a presión en el viejo modelo de rentabilidad —más producción, menos coste—.
La miopía de siempre, con una herramienta nueva
Hay una señal menor, casi banal, que dice mucho sobre cómo las empresas entienden la inteligencia artificial. Basta con mirar los portales de empleo tecnológico. Donde antes se buscaba "desarrollador Java" o "desarrollador React", ahora aparece "desarrollador con IA": alguien que use asistentes de código, agentes, APIs de modelos.
Esa prisa por contratar no nace de cero. Viene después de otra prisa, no antes. En Despedir por encima de las posibilidades: la trampa de la IA documenté que muchas empresas habían contratado por encima de sus posibilidades y usaron la IA como excusa para corregirlo con despidos apresurados: el 55% de las que despidieron citando IA admite haberse equivocado, y el 68% ya ha recontratado parte de ese personal en menos de seis meses. Contratar de más, despedir sin pensar, recontratar deprisa: cada paso se tomó con la misma falta de criterio. Si el ciclo se repite, las ofertas de "desarrollador con IA" que vemos hoy no son la corrección de aquel error. Son la antesala del siguiente.
Las ofertas de "desarrollador con IA" son el rastro documental de esa segunda vuelta. La empresa que despidió deprisa y recontrató deprisa redacta ahora ofertas igual de deprisa, sin haberse detenido a pensar qué perfil necesita de verdad. Pide velocidad porque velocidad fue lo único que entendió del problema la primera vez. No es transformación digital. Es la misma búsqueda de siempre —más producción, menos coste— con una herramienta nueva encajada a presión en el proceso viejo.
En La IA no es un empleado barato: es una infraestructura cara planteé ocho cargos contra esa narrativa. La raíz de todos ellos es la misma: se mira la IA desde la perspectiva del modelo de trabajo antiguo —cuánto ahorro genera frente a un salario— y no desde lo que la IA es en sí misma y lo que exige como infraestructura. Por eso los costes aparecen como una sorpresa: no estaban en la ecuación porque la ecuación era la equivocada. El desarrollo de software es, quizá, el terreno donde ese error de perspectiva se ve con más nitidez: el segundo de esos cargos —la supervisión permanente neutraliza el ahorro teórico— es exactamente eso, aplicado al código.
Escribir código no es desarrollar software
La IA puede escribir código: completar funciones, generar pruebas, levantar prototipos. Ahí su utilidad es evidente. Pero desarrollar software es otra cosa: entender un problema, integrarlo en una arquitectura, gestionar dependencias, anticipar efectos secundarios, documentar decisiones, asumir responsabilidad cuando algo falla.
El código es una parte del software. No es el software entero.
Si una empresa cree que el cuello de botella estaba en escribir código, contratará gente para escribir más código. Si entiende que el cuello de botella real está en gobernar la complejidad, buscará perfiles capaces de auditar, revisar y decidir cuándo no usar la IA. Las ofertas de empleo muestran que la mayoría sigue en la primera fase.
Es taylorismo con Copilot, no transformación.
El coste no desaparece: se desplaza
Es la misma aritmética rota que documenté en el artículo de los despidos: según Orgvue, las empresas que despidieron citando IA acabaron pagando de media 1,27 dólares por cada dólar que pretendían ahorrar. Creían que compraban ahorro. Compraban un gasto nuevo que no habían previsto.
El desarrollo de software no escapa a esa cuenta. La empresa cree que compra velocidad. En realidad compra revisión, seguridad, auditoría, deuda técnica potencial y dependencia de proveedor. El coste no se elimina: se traslada de "escribir" a "revisar, depurar, asegurar y mantener".
Los datos de 2026 confirman el patrón. GitLab publicó en junio un informe con 1.528 desarrolladores encuestados y llegó a esta fotografía:
El propio informe lo llama la "paradoja de la IA": el código individual se escribe más rápido, pero la entrega de software en conjunto no se acelera al mismo ritmo, porque la revisión y validación absorben la ganancia. Es la misma lección del cargo nº2, con nombre y apellido: el esfuerzo ahorrado en generación se reabsorbe en auditoría.
La deuda técnica acelerada
La IA no genera necesariamente código malo. Genera mucho más código en menos tiempo, y eso permite acumular deuda técnica antes de que nadie tenga ocasión de revisarla. El peligro no está en una función incorrecta —eso se corrige—. Está en miles de decisiones pequeñas, parcialmente revisadas, difícilmente atribuibles, dispersas por sistemas cada vez más grandes.
La IA no tiene memoria organizativa. No sabe por qué la empresa descartó cierta librería hace tres años, ni qué pacto tácito existe entre negocio y seguridad. Puede procesar contexto, pero no hereda responsabilidad.
El profesional valioso no es solo quien sabe pedirle código a una herramienta. Es quien sabe desconfiar del código demasiado fácil.
La cantera que se rompe antes de tiempo
Hay un daño que las ofertas no muestran: durante décadas, los perfiles junior aprendían haciendo tareas pequeñas e imperfectas —corregir errores, leer código ajeno, equivocarse—. Si esas tareas se automatizan sin rediseñar la formación interna, el sector se prepara una paradoja: eliminará puestos junior hoy y necesitará, dentro de unos años, perfiles senior capaces de auditar sistemas que nadie entrenó para auditar.
Quieren supervisores expertos, pero destruyen el camino por el que alguien llega a serlo.
Qué sería mirar esto de verdad
Una transformación digital real no llenaría las ofertas de empleo con la palabra IA. Preguntaría antes: ¿dónde aporta valor real y dónde solo genera volumen? ¿Qué partes del sistema exigen revisión humana reforzada? ¿Cómo se documenta el origen del código y quién audita la seguridad? ¿Qué proceso de formación permite que un junior siga aprendiendo en un entorno donde la IA ya escribe la mitad del código?
Adoptar IA es fácil: se compra una licencia, se anima al equipo a usarla, se celebra la productividad. Gobernarla es más difícil: exige límites, procesos y cultura profesional. La adopción se anuncia. El gobierno se paga. Por eso muchas empresas prefieren hablar solo de adopción.
Buscan la misma rentabilidad de siempre
El desarrollo de software no contradice la tesis del artículo anterior: la confirma, y la confirma mejor que casi ningún otro sector, porque permite ver el mecanismo en directo. La empresa cree que contrata capacidad de producción. En realidad introduce una infraestructura que exige gobierno. Cree que el problema era escribir código. Descubre después que el problema era mantener sistemas con sentido.
No buscan todavía transformación digital. Buscan la misma rentabilidad de siempre, con un empleado que no se cansa.
Y esa rentabilidad, como casi todo lo barato en tecnología, suele empezar siendo una promesa de ahorro y terminar convertida en una factura de mantenimiento.
Comentarios
Publicar un comentario