Programadores se niegan a trabajar sin inteligencia artificial: una dependencia que podría resultar contraproducente

Qué pasó

En febrero de 2026, el reconocido laboratorio de investigación en inteligencia artificial METR intentó actualizar un estudio previo sobre productividad en programación, pero se encontró con un obstáculo inesperado: los desarrolladores de software se negaron a participar en tareas que no involucraran el uso de herramientas de inteligencia artificial. Esta resistencia imposibilitó a los investigadores repetir los experimentos de 2025, que habían medido el tiempo que tomaba realizar tareas manuales frente a tareas asistidas por IA.

Ante esta situación, METR publicó en mayo de 2026 una encuesta donde los empleados técnicos autoinformaron sus ganancias de productividad. Los resultados mostraron que los desarrolladores perciben que la inteligencia artificial los hace el doble de valiosos para sus organizaciones. Sin embargo, esta autopercepción de eficiencia ha sido cuestionada por diversas investigaciones y reportes de la industria tecnológica.

Uno de los fenómenos más discutidos este año es el denominado 'tokenmaxxing', una práctica que consiste en utilizar la cantidad de tokens consumidos como un indicador de la productividad con herramientas de inteligencia artificial. Según reportó el Financial Times, Amazon debió cerrar Kirorank, su tabla de clasificación interna basada en el consumo de tokens, tras descubrir que los empleados estaban manipulando el sistema mediante un uso excesivo de agentes de IA, lo que elevaba significativamente los costos sin mejorar los resultados.

De manera similar, The Information reportó que Uber agotó su presupuesto de inteligencia artificial para 2026 durante los primeros cuatro meses del año. El director de operaciones de la empresa, Andrew Macdonald, reconoció públicamente que este nivel de gasto no se ha traducido en un aumento medible en la cantidad de proyectos ni en la productividad general de la compañía.

Desde una perspectiva técnica, el programador y autor James Shore generó un amplio debate en la comunidad tecnológica con un artículo publicado en su blog y difundido en Hacker News. En su texto, Shore argumentó de manera contundente que el código generado por inteligencia artificial no necesariamente reduce las necesidades de mantención continua de los sistemas, y que en muchos casos podría incluso incrementarlas, planteando serias dudas sobre la sostenibilidad de esta dependencia tecnológica.

Contexto

La adopción masiva de herramientas de inteligencia artificial en el desarrollo de software ha transformado la industria tecnológica durante los últimos años. Plataformas como GitHub Copilot, Cursor y otras soluciones basadas en modelos de lenguaje han pasado de ser experimentos novedosos a convertirse en componentes esenciales del flujo de trabajo de millones de programadores a nivel mundial. Esta transición ha generado un debate profundo sobre la verdadera naturaleza de la productividad en el sector.

La percepción generalizada entre los profesionales de la tecnología es que la inteligencia artificial acelera significativamente el proceso de escritura de código. Sin embargo, estudios académicos y reportes de la industria han comenzado a revelar una realidad más compleja. Mientras que estas herramientas efectivamente generan fragmentos de código con mayor rapidez, los desarrolladores frecuentemente requieren tiempo adicional para revisar, corregir errores y ajustar las soluciones propuestas por los sistemas automatizados.

El ecosistema empresarial ha respondido a esta tendencia con inversiones multimillonarias en infraestructura de inteligencia artificial. Las grandes corporaciones tecnológicas han asignado presupuestos sin precedentes para la implementación de estas herramientas, con la expectativa de lograr mejoras sustanciales en la eficiencia operativa. No obstante, los resultados obtenidos hasta la fecha muestran una discrepancia significativa entre las expectativas de la alta dirección y la realidad operativa de los equipos de desarrollo.

La noción de medir la productividad a través de métricas como el consumo de tokens refleja una búsqueda urgente por cuantificar el retorno de inversión en estas tecnologías. Sin embargo, los casos de empresas como Amazon y Uber demuestran que estas métricas pueden ser fácilmente manipuladas y que un mayor volumen de interacción con sistemas de inteligencia artificial no garantiza necesariamente mejores resultados para las organizaciones.

Impacto para empresas chilenas

Para las empresas y pymes chilenas del sector tecnológico, esta situación representa un desafío estratégico relevante. La creciente dependencia de los desarrolladores locales hacia las herramientas de inteligencia artificial obliga a las organizaciones a evaluar cuidadosamente el retorno real de estas inversiones. En un mercado local donde los recursos son más limitados que en las grandes corporaciones internacionales, un gasto excesivo en infraestructura de IA sin resultados tangibles puede comprometer la viabilidad financiera de las operaciones.

Las startups chilenas y las empresas de desarrollo de software deben considerar la implementación de métricas de productividad más sofisticadas que el simple conteo de tokens o líneas de código generadas. Es fundamental establecer indicadores que midan la calidad del código, los tiempos de mantención y la frecuencia de errores en producción, permitiendo así una evaluación más precisa del impacto real de estas herramientas en la eficiencia operativa.

El mercado laboral chileno para programadores también podría experimentar transformaciones significativas. Si la percepción de mayor productividad no se corresponde con resultados concretos, las empresas locales podrían comenzar a exigir mayores niveles de competencia técnica y capacidad de trabajo autónomo, independientemente de las herramientas disponibles. Esto podría generar una recalibración en las expectativas salariales y en las habilidades valoradas por los empleadores del país.

Las pymes chilenas que operan en sectores de servicios tecnológicos deben ser particularmente cautelosas al momento de negociar contratos basados en métricas de productividad artificialmente infladas. La transparencia en los procesos de desarrollo y la claridad sobre las herramientas utilizadas se convertirán en factores críticos para mantener la confianza de los clientes y la sostenibilidad de los modelos de negocio.

Qué sigue

La industria tecnológica global deberá desarrollar nuevos marcos de evaluación que permitan medir de manera precisa el impacto real de la inteligencia artificial en la productividad del desarrollo de software. Las empresas que logren establecer métricas rigurosas y objetivas estarán mejor posicionadas para tomar decisiones informadas sobre sus inversiones en estas tecnologías, mientras que aquellas que mantengan indicadores superficiales enfrentarán riesgos financieros considerables.

Para los desarrolladores profesionales, la evolución de este paradigma podría implicar una revalorización de las competencias fundamentales de programación. Aquellos profesionales que mantengan la capacidad de trabajar de manera independiente y de comprender profundamente la lógica detrás del código generado automáticamente tendrán una ventaja competitiva significativa en un mercado laboral que inevitablemente se ajustará a la nueva realidad tecnológica.

El debate sobre la productividad y la calidad en el desarrollo de software continuará intensificándose durante los próximos meses, a medida que más organizaciones compartan sus experiencias reales de implementación. La madurez de esta discusión será determinante para el futuro de la industria y para la definición de estándares profesionales que equilibren la eficiencia operativa con la calidad técnica de los productos desarrollados.