El 92% de los programadores profesionales en Estados Unidos usan en algún grado herramientas de Inteligencia Artificial para escribir código. Podría suponerse que este dato es reciente, pero se recogió hace una eternidad en términos de IA generativa: a mediados de 2023, unos ocho meses después del lanzamiento comercial de ChatGPT. Desde entonces, han irrumpido plataformas y asistentes específicos de programación (GitHub Copilot, OpenAI Codex o Tabnine, entre muchos) y su negocio global promete pasar de 4.300 millones de dólares en 2023 a 12.600 millones en 2028.
Herramientas de automatización, modelos low code y no code, y sobre todo la disrupción de este tipo de asistentes IA apuntan a un nuevo paradigma: una programación cada vez más simplificada hasta generar código sin casi necesidad de profesionales detrás. Ya se atisba ese futuro en los asistentes vibe coding, capaces de construir software a partir de indicaciones verbales de un humano que no tiene por qué saber programar, aunque sí necesite conocimientos técnicos de base.
De momento sus resultados son imperfectos, cometen errores, llegan a alucinar (caen en incoherencias graves) y, por tanto, necesitan una supervisión estrecha. Por ejemplo, un usuario comentaba cómo había desarrollado una aplicación comercial mediante una conversación con el chat programador. Todo parecía impecable hasta que de pronto comenzó a recibir ataques por fallos de seguridad y comprobó que la pasarela de pago era un pequeño desastre.
No obstante, su rapidez de evolución promete aumentar su destreza y su atonomía. Lo que no está claro es cuándo porque precisamente esa velocidad evolutiva dificulta las predicciones. Por ejemplo, aparecen análisis contradictorios sobre al impacto laboral de la IA entre los programadores. Ante los despidos en grandes compañías tecnológicas el año pasado, el gobierno estadounidense proyectaba una caída del 11% en el empleo hasta 2032, debido, entre otras causas, a la implantación masiva de plataformas generadoras de código. Sin embargo, otro estudio también gubernamental auguraba, para casi el mismo periodo, un 17% de aumento en la demanda de desarrolladores, probadores y analistas de control de calidad.
Por tanto, no parece claro qué sucederá con ese tipo de empleo a medida que la IA madure. Algunos analistas piensan que caerá por la competencia de las máquinas. Otros, que simplificar la programación, como asegura el vibe coding, multiplicará a tal punto la cantidad de software que seguiremos necesitando una legión de programadores, aunque con diferentes funciones más allá de escribir código fuente.
Para estas visiones más optimistas, la brecha entre los programadores disponibles y los demandados es tal que el modelo “crea tu propio software” ayudará a reducirla. En este sentido, un Chief Product Office (CPO) español del sector apunta que la programación asistida por IA la multiplica por dos o tres la productividad de un ingeniero.
Respecto a la inevitable adaptación de los programadores, se prevé que evolucionen hacia ingenieros o arquitectos centrados en la gestión del software, su utilidad para diversos perfiles de usuarios, el trío de calidad, creatividad e innovación, además de vigilar que lo programado por las IA sea seguro, fiable, escalable y ajustado al cumplimiento normativo. “La comunicación y la colaboración humanas son difíciles de sustituir”, dice un experto.
Es más, la necesaria cooperación humano/máquina ya se refleja en esa misma labor de supervisión porque los programadores usan herramientas IA para depurar y organizar código, identificar errores, sugerir mejoras y generar toda la documentación necesaria para afinar dicha supervisión.
Si entendemos a las empresas como las grandes consumidoras de software en una economía digitalizada, también es previsible el impacto de las herramientas que les permitan construir sus propios programas, al menos los menos complejos, para su administración, procesos y operaciones, desde una app de gestión de personal a una demostración ad hoc para un producto o un servicio. En principio, podría aportarles ventajas competitivas en reducción de costes y plazos de desarrollo, además de la capacidad de innovar aplicaciones personalizadas para sus necesidades o con diseños más creativos por la facilidad de prototipar, probar y perfeccionar.
Pero los escenarios óptimos aún son inciertos. De acuerdo con McKinsey, requieren un tiempo inevitable de adaptación por parte de las empresas para aprender a gestionar los riesgos inherentes a la IA generativa o definir en qué nuevas capacidades tecnológicas necesitará entrenarse su plantilla.