El 65% de los devs ya programa con IA, pero los seniors van 19% más lentos

⏱️ Lectura: 12 min

Programar con IA dejó de ser una novedad: en 2026 es el modo por defecto. El 65% de los desarrolladores usa asistentes de IA al menos una vez por semana, según la encuesta de Stack Overflow. Pero la pregunta ya no es si la IA acelera el trabajo, sino cuánto, a quién y a qué costo.

📑 En este artículo

1. TL;DR
2. Qué pasó: programar con IA pasó de moda a infraestructura
3. Contexto e historia: de autocompletar a agentes
4. Datos y cifras: la productividad en disputa
5. El debate de la atrofia de habilidades
6. Impacto y análisis
7. Qué sigue
8. Preguntas frecuentes
   1. ¿Cuántos desarrolladores usan IA para programar en 2026?
   2. ¿La IA realmente hace más rápido a los programadores?
   3. ¿Qué problemas tiene el código generado por IA?
   4. ¿La IA está reduciendo los empleos de desarrollador?
   5. ¿Cuánto cuesta programar con IA en una empresa?
   6. ¿Conviene que los juniors aprendan a programar con IA?
9. Referencias

Los estudios de este año cuentan una historia incómoda: la productividad sube en tareas repetitivas, pero un experimento controlado midió a desarrolladores experimentados un 19% más lentos con IA, justo cuando se sentían más rápidos. Esa brecha entre percepción y medición es el corazón del debate técnico del año.

TL;DR

• El 65% de los desarrolladores usa herramientas de IA al menos una vez por semana, según Stack Overflow 2025.
• Estudios iniciales de GitHub, Google y Microsoft midieron tareas 20-55% más rápidas con asistencia de IA.
• Un experimento controlado de METR (julio 2025) midió a devs experimentados un 19-21% más lentos, aunque se sentían más rápidos.
• El 90% de los problemas en código generado por IA son ‘code smells’, no bugs evidentes, según Sonar.
• Los modelos resuelven más del 70% de los issues de SWE-bench, frente al 33% de agosto de 2024.
• El empleo de desarrolladores de 22 a 25 años cayó casi 20% entre 2022 y 2025, según un estudio de Stanford.
• Una encuesta de The Pragmatic Engineer con 900+ respuestas detectó que el 30% choca con límites de uso o tokens.

Qué pasó: programar con IA pasó de moda a infraestructura

En apenas tres años, los asistentes de código pasaron de ser una curiosidad a convertirse en parte del flujo de trabajo diario de la mayoría de los desarrolladores. La reseña de MIT Technology Review publicada a finales de 2025, “AI coding is now everywhere. But not everyone is convinced”, resume el estado del arte con un número que ordena el debate: dos de cada tres programadores ya recurren a la IA cada semana.

Lo que cambió en 2026 no es la adopción, sino la madurez de la evidencia. Durante 2023 y 2024 las cifras venían casi siempre de los propios fabricantes: GitHub, Google y Microsoft publicaron estudios que reportaban tareas completadas entre un 20% y un 55% más rápido. Eran datos reales, pero medidos en escenarios acotados —escribir una función nueva, resolver un ejercicio aislado— y muchas veces con la productividad autorreportada por quien usaba la herramienta. Este año llegaron las mediciones independientes, y el cuadro se volvió más matizado.

💭 Clave: El dato que define 2026 no es la velocidad prometida, sino la distancia entre lo que los desarrolladores sienten que ganan y lo que un cronómetro objetivo registra.

Contexto e historia: de autocompletar a agentes

El primer salto fue el autocompletado contextual: herramientas que sugerían la siguiente línea a partir del código abierto en el editor. El segundo, el chat integrado: pedirle a un modelo que explicara un error o generara una función completa. El tercero, el que define este momento, es el agente: un sistema que lee el repositorio, planifica, escribe varios archivos, ejecuta pruebas y propone un pull request casi terminado.

Esa evolución se nota en los benchmarks. En SWE-bench —un conjunto de issues reales extraídos de proyectos open source— los mejores modelos resuelven hoy más del 70% de los casos, cuando en agosto de 2024 apenas alcanzaban el 33%. Duplicar la tasa de resolución en poco más de un año explica por qué tantos equipos delegan tareas enteras de mantenimiento. MIT Technology Review llegó a clasificar la “programación generativa” como una de sus diez tecnologías de ruptura de 2026, y citó que la IA ya escribe hasta el 30% del código de Microsoft y más de un cuarto del de Google, según ejecutivos de ambas empresas.

El flujo típico de trabajo cuando se programa con IA puede resumirse así:

graph LR
  A["Prompt del dev"] --> B["El modelo genera código"]
  B --> C{"¿Lo revisa el dev?"}
  C -->|"Sí"| D["Merge informado"]
  C -->|"No"| E["Merge a ciegas"]
  E --> F["Deuda técnica y atrofia"]

Datos y cifras: la productividad en disputa

El estudio que más ruido hizo este año vino de METR, una organización de evaluación independiente. En un experimento controlado de julio de 2025, midió a desarrolladores experimentados trabajando sobre sus propios proyectos, con y sin IA. El resultado fue contraintuitivo: con asistencia de IA terminaron las tareas entre un 19% y un 21% más lentos, pese a que ellos creían haber ido más rápido. La explicación más probable es el costo oculto de revisar, corregir y reorientar el código sugerido en bases de código grandes y poco estandarizadas.

El problema de calidad es igual de revelador. Un análisis de Sonar encontró que el 90% de los problemas en código generado por IA no son bugs evidentes que rompen la compilación, sino code smells: duplicación, funciones demasiado largas, manejo de errores frágil, nombres confusos. Son defectos que pasan la revisión superficial y se acumulan como deuda técnica. A esto se suma el dato de GitClear, que reportó alrededor de un 10% más de código “durable” desde 2022, una señal de que parte de lo que se genera se reescribe poco después.

⚠️ Ojo: Un code smell no detiene el despliegue. Por eso el código generado por IA tiende a fallar la auditoría de mantenibilidad, no la de “¿funciona hoy?”. El costo aparece meses después.

La encuesta de The Pragmatic Engineer, con más de 900 respuestas de ingenieros y líderes técnicos, añade la dimensión económica. Las empresas pagan en promedio unos 200 dólares al mes por desarrollador en herramientas de IA, frente a los 20 dólares de quien las paga de su bolsillo. El 30% de los encuestados dijo haber chocado con límites de tokens o de uso, lo que los obligó a cambiar de herramienta, subir de plan o migrar a precios por API. Y cerca del 15% expresó preocupación por una trayectoria de costos insostenible.

El debate de la atrofia de habilidades

Más allá de la velocidad, la conversación que más inquieta a la industria es la pérdida de oficio. La preocupación es concreta: si un desarrollador junior aprende a resolver problemas pidiéndole la solución a un modelo, ¿desarrolla el criterio para detectar cuándo esa solución está mal? Programar con IA es cómodo, pero la comodidad puede convertirse en dependencia.

The Pragmatic Engineer propone una taxonomía útil de cómo la IA afecta a distintos perfiles. Los builders, enfocados en calidad, ganan eficiencia en refactorizaciones y migraciones grandes, pero sufren al revisar código generado y reportan dudas sobre su identidad profesional a medida que automatizan. Los shippers, orientados a entregar, son los más satisfechos: lanzan funciones más rápido, aunque a costa de introducir deuda técnica. Y los coasters, menos experimentados, suben de nivel más rápido con la IA, pero producen código de menor calidad que frustra a sus colegas.

El componente laboral le pone números a esa ansiedad. Un estudio de Stanford detectó una caída cercana al 20% en el empleo de desarrolladores de entre 22 y 25 años entre 2022 y 2025. No prueba que la IA reemplace a los juniors, pero sí sugiere un cambio en a quién contratan las empresas y qué habilidades dejan de exigir en la entrada. Si la puerta de acceso a la profesión se estrecha, la cantera de futuros seniors se reduce.

Impacto y análisis

Lo que emerge de los datos de 2026 no es la narrativa simple de “la IA reemplaza a los programadores”, sino algo más sutil: la IA redistribuye dónde se gana tiempo y dónde se pierde. Brilla en lo repetitivo —boilerplate, pruebas, scaffolding, traducción entre lenguajes— y tropieza en lo difícil: decisiones de arquitectura, razonamiento sobre sistemas grandes, entender por qué un cambio rompe algo a tres capas de distancia.

Visto así, programar con IA no elimina el trabajo de ingeniería; lo desplaza hacia la revisión, la orquestación y el criterio. El ingeniero de 2026 dedica menos tiempo a teclear y más a leer código que no escribió, a decidir si la sugerencia es correcta y a integrar el contexto que el modelo no tiene. Esa es exactamente la habilidad que el experimento de METR muestra que cuesta cara: revisar bien lleva tiempo, y revisar mal genera la deuda que mide Sonar.

💡 Tip: Si adoptás IA en tu equipo, medí el ciclo completo —desde el prompt hasta el merge revisado—, no solo el tiempo de generación. El cuello de botella casi siempre está en la revisión, no en escribir la primera versión.

La conclusión práctica es que las cifras de velocidad aisladas engañan. Un “+55% más rápido” en una tarea de laboratorio no se traslada a “+55% más rápido” en un equipo que mantiene un monolito de diez años. La ganancia real depende del tamaño de la base de código, de su estandarización, de la experiencia de quien revisa y de la disciplina con que el equipo trata los code smells.

Qué sigue

Para los próximos meses hay tres líneas a vigilar. La primera es la económica: con costos de unos 200 dólares mensuales por ingeniero y un 30% de usuarios chocando con límites, la presión sobre los precios y los modelos de facturación por API va a definir qué herramientas sobreviven. La segunda es la de medición: tras el estudio de METR, es probable que más equipos exijan mediciones de productividad sobre tareas reales, no benchmarks sintéticos. La tercera es la formación: si el empleo junior se contrae, las empresas y las escuelas tendrán que repensar cómo se forma el criterio que la IA no reemplaza.

La adopción no va a retroceder —dos de cada tres desarrolladores ya programan con IA todas las semanas—, pero 2026 marca el momento en que la industria dejó de creer las cifras de marketing y empezó a medir el costo real. El reto ya no es adoptar la IA, sino hacerlo sin perder el oficio.

📖 Resumen en Telegram: Ver resumen

Preguntas frecuentes

¿Cuántos desarrolladores usan IA para programar en 2026?

Según la encuesta de Stack Overflow 2025, el 65% de los desarrolladores usa herramientas de IA al menos una vez por semana. La adopción es mayoritaria y sigue creciendo, especialmente con la llegada de los agentes que automatizan tareas completas.

¿La IA realmente hace más rápido a los programadores?

Depende de la tarea. En ejercicios acotados, estudios de GitHub, Google y Microsoft midieron mejoras del 20% al 55%. Pero un experimento controlado de METR de julio de 2025 encontró que desarrolladores experimentados fueron 19-21% más lentos en sus propios proyectos, aunque creían haber ido más rápido.

¿Qué problemas tiene el código generado por IA?

Según Sonar, el 90% de los problemas no son bugs evidentes sino ‘code smells’: duplicación, funciones demasiado largas, manejo de errores frágil. Pasan la revisión superficial y se acumulan como deuda técnica que cuesta cara más adelante.

¿La IA está reduciendo los empleos de desarrollador?

Un estudio de Stanford detectó una caída cercana al 20% en el empleo de desarrolladores de 22 a 25 años entre 2022 y 2025. No prueba reemplazo directo, pero sugiere que las empresas están cambiando a quién contratan y qué habilidades exigen al ingresar.

¿Cuánto cuesta programar con IA en una empresa?

Según The Pragmatic Engineer, las empresas pagan en promedio unos 200 dólares al mes por desarrollador, frente a 20 dólares de los usuarios individuales. El 30% de los encuestados reportó chocar con límites de tokens o de uso.

¿Conviene que los juniors aprendan a programar con IA?

Conviene aprender con IA, pero sin saltarse el fundamento. El riesgo es la atrofia de habilidades: si se delega el razonamiento sin entenderlo, no se desarrolla el criterio para detectar cuándo la solución está mal. La recomendación es usar la IA como acelerador, no como sustituto del aprendizaje.

Referencias

• MIT Technology Review — “AI coding is now everywhere. But not everyone is convinced”: adopción, estudios de productividad y calidad.
• The Pragmatic Engineer — Encuesta con 900+ respuestas sobre costos, límites de uso y perfiles de ingenieros.
• MIT Technology Review — La programación generativa entre las diez tecnologías de ruptura de 2026.
• Microsoft On the Issues — Estado de la difusión global de la IA en 2026.
• Google — Novedades de IA anunciadas en abril de 2026.

📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.