En las salas de juntas de Silicon Valley, donde hay mucho en juego, se suponía que ya se había formado un consenso silencioso: la inteligencia artificial diezmaría las filas de los ingenieros de software. La lógica parecía irrefutable: si un modelo de lenguaje grande (LLM) pudiera escribir código más rápido, más barato y con una precisión cada vez mayor, los inflados salarios del sector tecnológico inevitablemente se reducirían. Sin embargo, a medida que la industria profundiza en la realidad del despliegue de la IA generativa, está surgiendo una contranarrativa sorprendente por parte de los asignadores de capital más cercanos al terreno. En lugar de una matanza masiva de talento técnico, las empresas de riesgo de primer nivel están viendo una expansión paradójica de la ambición en ingeniería.
A la vanguardia de esta observación está Thrive Capital, la empresa que lideró notablemente la reciente financiación de OpenAI con una valoración de 157 mil millones de dólares. Hablando en una reciente reunión de la industria, Michael Bock, socio de Thrive, desmanteló el pesimismo predominante sobre el desplazamiento de los desarrolladores. Según Bock, la empresa no ha visto ni un solo caso en el que un ingeniero de inteligencia artificial haya sido despedido porque un agente automatizado podía realizar su trabajo. En cambio, la introducción de herramientas de inteligencia artificial sirvió como un multiplicador de fuerza, lo que permitió a los equipos eficientes abordar desafíos arquitectónicos que antes requerían ejércitos de codificadores. Como informó Business Insider, Bock sugiere que si bien el rol está evolucionando, la demanda de conocimiento de ingeniería de alto nivel está superando las ganancias de eficiencia proporcionadas por las herramientas.
La realidad económica del código ilimitado: cómo la reducción de los costos de producción aumenta el apetito por la complejidad
Para entender por qué los despidos no se produjeron como predijeron los pesimistas, hay que mirar la economía del siglo XIX. La dinámica actual en la ingeniería de software refleja la paradoja de Jevons, una proposición que dice que a medida que la tecnología aumenta la eficiencia con la que se utiliza un recurso, el consumo total de ese recurso aumenta en lugar de disminuir. En este contexto, el código es el recurso. Al reducir la fricción de la sintaxis de escritura, la IA no ha reducido la necesidad de ingenieros; simplemente elevó el límite de lo que se podía esperar que construyera un ingeniero. El «ingeniero 10x», un tropo un tanto mítico en Silicon Valley, se está convirtiendo rápidamente en el requisito básico, impulsado no por un genio innato sino por la influencia de los copilotos de IA.
Este apalancamiento permite que las nuevas empresas se mantengan más eficientes durante más tiempo, pero no significa necesariamente que empleen a menos personas en conjunto; más bien, contratan de manera diferente. El enfoque ha pasado de la generación de sintaxis mecánica a la arquitectura de sistemas y la velocidad del producto. Las empresas ya no pagan a los ingenieros para que escriban códigos repetitivos; les están pagando para que orquesten agentes de IA que escriban textos estándar. Este cambio cambia efectivamente la economía de la unidad de producción de software, haciendo viable la creación de software personalizado para problemas específicos que antes eran demasiado costosos de abordar. En consecuencia, el mercado total al que se puede dirigir para software se expande, absorbiendo el talento de ingeniería disponible para construir más productos.
Estrategias corporativas divergentes: la tensión entre la congelación de contrataciones y la insaciable demanda de innovación
Sin embargo, la narrativa no es uniforme en todo el sector. Si bien los capitalistas de riesgo como Thrive ven un aumento en la productividad, algunas empresas tecnológicas maduras en realidad están utilizando la IA como justificación para la austeridad. Un marcado contraste con el optimismo del capital de riesgo se puede encontrar en el sector fintech europeo. Klarna, el gigante de Compre ahora, pague después, recientemente fue noticia al anunciar una congelación de las contrataciones atribuida directamente a las eficiencias de la IA. La compañía reveló que sus asistentes de IA estaban realizando el trabajo de cientos de empleados humanos, particularmente en los flujos de trabajo de marketing y servicio al cliente, y mostró una reducción deliberada en el número de empleados a través del desgaste. Este enfoque, detallado en la cobertura de Bloomberg, representa la otra cara de la moneda: para las empresas centradas en la optimización de los márgenes en lugar del hipercrecimiento, la IA ofrece un camino hacia las ganancias a través de la reducción de la fuerza laboral.
Sin embargo, específicamente para la disciplina de ingeniería, el «efecto Klarna» fue menos pronunciado que en las operaciones o el apoyo. La distinción radica en la naturaleza del resultado. Los textos de marketing y los tickets de atención al cliente suelen ser tareas finitas; una vez resueltos, ya están. La ingeniería de software es infinita. Una base de código es un organismo vivo que requiere mantenimiento, refactorización y adición de funciones constantes. Amazon demostró recientemente esta realidad cuando el CEO Andy Jassy anunció que su asistente interno de inteligencia artificial, Amazon Q, le ahorró a la empresa 4.500 años de trabajo de desarrollador durante una actualización masiva de Java. Como señala CNBC, esta eficiencia no provocó el despido de 4.500 desarrolladores; liberándolos para trabajar en nuevas iniciativas que antes se estaban convirtiendo en retrasos. Los ahorros se reinvirtieron en velocidad, no en el bolsillo como un recorte salarial.
La evolución del oficio: de escribir sintaxis a orquestar agentes autónomos y gestionar ciclos de revisión
La realidad diaria del ingeniero de software moderno está experimentando una transformación radical que hace que los viejos manuales de alquiler queden obsoletos. Estamos pasando de una era de «Copilot», donde la IA sugiere las siguientes líneas de código, a una era de «Agente», donde herramientas como Devin o GitHub Copilot Workspace intentan resolver tickets completos de Jira de forma autónoma. Esto cambia la responsabilidad del ingeniero de escritor a revisor. El director ejecutivo de Google, Sundar Pichai, reveló recientemente que más de una cuarta parte de todo el código nuevo de Google es generado por IA, que luego es revisada y aceptada por los ingenieros. Esta estadística, destacada por The Verge, destaca un obstáculo crítico: la capacidad humana de verificar la producción de IA.
Este cuello de botella protege los puestos de ingeniería de alto nivel y, al mismo tiempo, pone en peligro los puestos de nivel inicial. Si la IA puede realizar las tareas típicamente asignadas a un desarrollador junior (escribir pruebas unitarias, documentación y puntos finales API simples), la industria enfrenta una crisis de tutoría. ¿Cómo se puede llegar a ser arquitecto senior si los cimientos del trabajo junior están automatizados? El optimismo de Thrive Capital se basa en la suposición de que estos ingenieros jóvenes simplemente mejorarán sus habilidades más rápido, utilizando la IA para cerrar la brecha entre las habilidades principiantes e intermedias. Sin embargo, si las empresas dejan de contratar jóvenes porque la IA es «suficientemente buena», la reserva de talentos para la próxima década podría cortarse, creando una enorme prima sobre el talento senior existente.
Cambio de asignación de capital: pasar de la valoración basada en el recuento de empleados a métricas de ingresos por empleado
Las métricas financieras mediante las cuales se juzga a las empresas de tecnología también están cambiando, lo que influye en el comportamiento de contratación. Los inversores consideran cada vez más los ingresos por empleado como indicador principal de la salud. En la era de la Política de Tasa de Interés Cero (ZIRP), el recuento de personal a menudo se consideraba una métrica vanidosa, un indicador del crecimiento. Hoy en día, con el costo del capital más alto y la IA ofreciendo apalancamiento, el objetivo es desacoplar el crecimiento de los ingresos del crecimiento de la plantilla. Esto se alinea con la tesis del «servicio como software», donde los agentes de IA reemplazan los puestos de SaaS. Empresas como «Agentforce» de Salesforce están apostando a que las empresas pagarán por los resultados (un agente que resuelve una solicitud) en lugar de por las herramientas (un presidente humano de CRM). TechCrunch informa que este pivote está diseñado para capturar el presupuesto previamente asignado al trabajo humano, pero en el departamento de ingeniería, se manifiesta como equipos más pequeños y de élite que administran grandes flotas de trabajadores digitales.
En consecuencia, los «despidos» en ingeniería pueden ser invisibles. No se trata de tiroteos masivos, sino más bien de «congelaciones silenciosas» en las que los requisitos abiertos se cierran y nunca se vuelven a abrir. Un equipo de cinco personas que pierde a un ingeniero puede no ocupar el puesto y optar por comprar una suscripción a un agente de codificación avanzado. Este lento desgaste es más difícil de rastrear que las caídas que acaparan los titulares en las grandes empresas tecnológicas, pero cambia fundamentalmente la curva de oferta y demanda del mercado laboral. Los ingenieros que triunfan en este entorno son aquellos que tienen un alto «sentido del producto» (la capacidad de entender qué construir y por qué) en lugar de sólo la capacidad técnica para construirlo.
El futuro del arquitecto de software: por qué el juicio humano sigue siendo la prima suprema en un mundo automatizado
En última instancia, la resiliencia del mercado laboral de ingeniería, como observa Thrive Capital, proviene del hecho de que el desarrollo de software es un ejercicio de resolución de ambigüedades. Los modelos de IA son probabilísticos; adivinan la siguiente ficha más probable. La ingeniería requiere confiabilidad determinista. Cerrar la brecha entre una sugerencia probabilística y un sistema de producción determinista requiere juicio humano. Hasta que la IA alucine o cree sutiles vulnerabilidades de seguridad, el ser humano en el circuito sigue siendo un escudo de responsabilidad. El rol se centra cada vez menos en «cómo» implementar una función y más en «qué» debe lograr el sistema y «por qué» es importante para el negocio.
Es probable que la industria se encamine hacia una bifurcación. Por un lado, los «codificadores de productos básicos» que se niegan a adaptarse a los flujos de trabajo de la IA pueden enfrentarse a la obsolescencia predicha por los pesimistas. Por otro lado, los «ingenieros nativos de IA» que tratan los LLM como una extensión de su propia corteza cerebral se encontrarán más valiosos que nunca. La falta de despidos en la cartera de Thrive sugiere que, por ahora, el ecosistema startup apuesta por lo último. Se basan en un futuro en el que el software será abundante, barato de producir y ubicuo, y requerirá una nueva clase de arquitectos para regular la difusión digital. El pánico por la pérdida de empleos pierde de vista el bosque por los árboles: el bosque está creciendo más rápido que nunca y necesitamos personas que lo gestionen.
