Cuando la IA programa por ti: el dilema de la productividad que erosiona el conocimiento técnico

Por Zendoric · 28 de junio de 2026.

Bindu Reddy no es una voz cualquiera en el ecosistema de inteligencia artificial. Como CEO de Abacus AI y una de las figuras más reconocidas en el desarrollo de agentes autónomos, sus advertencias llevan peso técnico y credibilidad industrial. Por eso resulta llamativo que haya elegido X para encender una señal de alarma incómoda: en las entrevistas técnicas de su propio equipo, los candidatos aparecen cada vez más desconectados de la codificación real. No se trata de casos aislados. Según Reddy, el patrón es sistemático: desarrolladores que han internalizado el flujo de trabajo asistido por IA hasta el punto de haber perdido el criterio autónomo para resolver problemas desde cero.

El fenómeno que describe tiene ya nombre en el sector: *vibe coding*, una forma de programar dirigida principalmente por prompts donde el desarrollador actúa más como director de orquesta que como músico. La promesa es evidente: velocidad, automatización de lo repetitivo, menos fricción. El coste, menos visible pero acumulativo, es la atrofia de habilidades que no se ejercitan: escritura manual de código, análisis lógico bottom-up, depuración metódica de errores. Son precisamente las capacidades que marcan la diferencia cuando algo falla de formas que la IA no anticipó.

Lo que convierte la advertencia de Reddy en algo más que opinión es que hay datos que la respaldan. Según un estudio de Anthropic citado en el artículo, los desarrolladores que trabajaron con asistencia de IA completaron tareas más rápido pero obtuvieron puntuaciones un 17% más bajas en pruebas de comprensión inmediata del código. El matiz es importante: no es que la IA haga mal el trabajo técnico, sino que puede hacerlo tan bien que el programador deja de procesar activamente lo que ocurre. La comprensión se convierte en algo opcional a corto plazo, y peligroso a largo.

Este no es un debate nuevo. Linus Torvalds, creador del kernel Linux, ha expresado preocupaciones similares sobre herramientas como GitHub Copilot, apuntando a que la solidez de criterio y la capacidad de resolución de problemas —lo que hace a un ingeniero realmente valioso— se están diluyendo entre quienes aprenden a programar con asistentes desde el primer día. El argumento no es tecnófobo: es estructural. Si la base de conocimiento de una generación de desarrolladores se construye sobre el supuesto de que siempre habrá una IA disponible y funcional, ¿qué ocurre cuando esa IA genera un error complejo, se degrada o simplemente no está disponible?

La pregunta que Reddy lanza y que nadie en la industria ha respondido satisfactoriamente es esa: ¿quién va a arreglarlo si la IA lo rompe todo? Los sistemas automatizados no fallan de maneras simples. Cuando fallan, lo hacen generando problemas difusos, errores de lógica opaca, comportamientos emergentes difíciles de trazar. Diagnosticar y resolver ese tipo de averías requiere exactamente el tipo de pensamiento analítico profundo que se atrofia con el uso acrítico de asistentes.

Como contexto del sector, conviene recordar que esta tensión no es exclusiva de la programación. La medicina, el derecho y la ingeniería llevan décadas debatiendo hasta qué punto la automatización de tareas cognitivas mejora a los profesionales o los vuelve frágiles ante situaciones que salen del guión. La diferencia en el caso del software es la velocidad del cambio y la centralidad de la tecnología misma: si los ingenieros que mantienen la infraestructura digital global pierden profundidad técnica, el impacto sistémico no es hipotético.

La posición de Reddy, y también la que emerge del estudio de Anthropic, no es de rechazo a las herramientas de IA. La tesis es más matizada: la IA como palanca de productividad es legítima y poderosa, pero exige una integración pedagógica deliberada, no pasiva. Eso significa que los entornos de formación —universidades, bootcamps, equipos de ingeniería— tienen que diseñar activamente espacios donde los desarrolladores ejerciten el pensamiento crítico sin red. No como nostalgia del código a mano, sino como vacuna contra la fragilidad cognitiva.

Lo que está en juego no es si los programadores deben usar IA —van a hacerlo, y con razón— sino si la industria tecnológica está siendo suficientemente honesta sobre los efectos secundarios de una adopción sin fricción. Reddy, desde una posición que la hace especialmente creíble en este debate, elige serlo. Eso es, en sí mismo, un dato relevante.