5 min read
Un desarrollador junior termina en una hora una funcionalidad que hace cinco años habría tomado un día.
El asistente de IA (inteligencia artificial) escribió el 80% del código.
Funciona en su máquina, pasan las pruebas que también generó la IA, y lo envía a revisión.
Dos semanas después, en producción, aparece un error de concurrencia que nadie sabe diagnosticar: ni él, que no escribió esa lógica, ni el revisor, que confió en que “las pruebas pasaban”.
Esa historia resume la pregunta que muchos desarrolladores se hacen hoy: si la IA escribe código, ¿qué me queda a mí? ¿Mi carrera está en riesgo?
La respuesta honesta tiene matices: algunas tareas cambian mucho, otras importan más que nunca, y hay habilidades concretas que conviene cuidar.
¿Qué cambia?
Escribir código a partir de una descripción clara, generar pruebas básicas, traducir entre lenguajes, redactar documentación o explicar código desconocido son tareas donde la IA ya es muy útil.
El valor de saber escribir sintaxis rápidamente baja, y el de saber qué construir y cómo comprobar que está bien sube.
¿Qué se vuelve más importante?
- El criterio: decidir qué problema vale la pena resolver, qué compromisos aceptar, qué riesgos tolerar. La IA propone opciones, pero no responde por las consecuencias.
- Los fundamentos: concurrencia, redes, bases de datos, seguridad, patrones de diseño. Sin ellos no podés evaluar si lo generado es correcto, y terminás aprobando código que no entendés.
- La revisión de código: cuando el código se produce más rápido, la capacidad de revisarlo bien se vuelve el cuello de botella. Saber detectar errores sutiles, problemas de seguridad y decisiones de diseño dudosas es una habilidad cada vez más valiosa.
- Entender el negocio y el contexto: traducir una necesidad ambigua en requisitos claros, algo que ni un prompt resuelve por sí solo.
- La comunicación: explicar decisiones, negociar alcance, escribir documentos de diseño, como vimos en los posts de comunicación asíncrona y de deuda técnica.
- La responsabilidad sobre el resultado: en producción nadie le pregunta a la herramienta qué pasó, te preguntan a vos.
Guía paso a paso para fortalecer tu carrera
Paso 1 — Aprendé a usar la IA bien, no a evitarla
Probá distintas herramientas en tu trabajo real. Aprendé a dar contexto claro, dividir tareas y pedir alternativas. Quien la domina es más productivo, y eso hoy es una ventaja competitiva.
Paso 2 — Nunca aceptes código que no podrías explicar
Antes de integrar algo generado, preguntate: ¿puedo explicar qué hace cada parte y por qué? Si la respuesta es no, pedí explicaciones, leé la documentación o reescribilo con tus palabras. Este hábito evita la trampa del primer ejemplo.
Paso 3 — Seguí escribiendo código a mano de vez en cuando
Los músculos se atrofian. Resolvé problemas pequeños sin asistencia, depurá sin pedir ayuda inmediata, diseñá antes de generar. Ese esfuerzo mantiene tu capacidad de razonar sobre el código.
Paso 4 — Invertí en fundamentos y arquitectura
Estudiá cómo funcionan los sistemas por debajo: bases de datos, mensajería, sistemas distribuidos, observabilidad. Es lo que te permite decidir bien cuando la IA ofrece tres soluciones plausibles.
Paso 5 — Desarrollá habilidades que la IA no reemplaza
Liderar discusiones técnicas, mentorar a otros, hablar con usuarios, tomar decisiones con información incompleta. Son las habilidades que distinguen a los perfiles senior.
Paso 6 — Construí una red y reputación
Escribir, dar charlas, contribuir a proyectos abiertos. Las personas contratan a quienes conocen y en quienes confían, y eso no se automatiza.
Una advertencia para quienes están empezando
Si estás en tus primeros años, la tentación es delegar todo a la IA y avanzar rápido.
El riesgo es construir una carrera sobre una base que no entendés.
Los primeros años son el momento de formar intuición: de equivocarte, depurar y entender por qué algo falla.
Usá la IA para aprender más rápido (pedile que te explique, que te cuestione tu solución), no para saltarte el aprendizaje.
Y para quienes ya tienen experiencia
Tu ventaja es el contexto y el criterio acumulados.
Usá la IA para acelerar lo repetitivo y dedicá más tiempo a lo que requiere juicio: diseño, decisiones de arquitectura, mentoría, alineación con el negocio.
Y asegurate de que el equipo no pierda la capacidad de entender su propio sistema.
Para tener en cuenta
- Nadie sabe exactamente cómo será el futuro: desconfiá tanto de los pronósticos catastrofistas como de los que dicen que nada va a cambiar. Mantenete curioso y adaptable.
- Verificá siempre: la IA puede generar código con vulnerabilidades, dependencias inexistentes o lógica incorrecta que parece razonable. La revisión sigue siendo tuya.
- Cuidá los datos: antes de pegar código o información de tu empresa en una herramienta, confirmá la política de tu organización sobre datos sensibles y propiedad intelectual.
- Aprender a aprender es la habilidad más duradera: las herramientas cambian cada año, la capacidad de adquirir nuevos conocimientos no.
Conclusión
La IA no elimina la necesidad de buenos ingenieros, cambia qué significa serlo.
Los que van a destacar son quienes combinan fundamentos sólidos, criterio, comunicación y la capacidad de usar nuevas herramientas sin dejar de pensar por sí mismos.
Tu carrera va a depender menos de cuánto código escribís y más de cuán bien decidís qué vale la pena construir y si lo construido es confiable.
Recordá suscribirte aquí para recibir los próximos posts directamente en tu correo.
Referencias:
The Pragmatic Programmer — David Thomas, Andrew Hunt
Staff Engineer: Leadership Beyond the Management Track — Will Larson