No fue la IA. Te formaron para ser reemplazable

Cada semana aparece un nuevo culpable de que los programadores perdamos valor, y casi siempre es la IA. Pero la IA solo hace muy bien lo que nos entrenaron a hacer durante años. El valor real está en lo que nadie nos enseñó a cultivar.

Ilustración de una columna de tareas verificadas con tilde a la izquierda y, a la derecha, un círculo abierto con un signo de pregunta del que sale una flecha
En este artículo
  1. El software dejó de tener versión final
  2. Donde hay un juez, la IA ya innova
  3. Donde no hay juez, empieza lo humano
  4. La única forma de reinventar la rueda es no usarla
  5. Fundamentos para pensar, no para producir
  6. Dejá de ser un hacedor

Cada semana leo un titular nuevo sobre la IA que viene a reemplazar programadores. Y siempre el culpable es el mismo: la máquina. Creo que estamos mirando para el lado equivocado.

Durante años nos formaron para ser hacedores. La facultad, los bootcamps, los avisos laborales y las entrevistas técnicas nos midieron siempre por lo mismo: qué lenguaje dominás, qué framework sabés, cuántos años de experiencia tenés en tal herramienta. El programador ideal era el que ejecutaba la receta rápido y sin errores.

Ahora pensá qué hace bien una IA: ejecutar recetas rápido y sin errores. Escribir el endpoint, aplicar el patrón, pasar los tests. Exactamente lo que nos entrenaron a hacer.

La IA no vino a reemplazar a los desarrolladores. Vino a reemplazar el perfil que la industria fabricó durante años. La diferencia importa, porque lo que no puede reemplazar es justamente lo que nadie nos enseñó a cultivar. Y para entender qué es, primero hay que aceptar hasta dónde llega la IA, que hoy es mucho más lejos de lo que la mayoría cree.

El software dejó de tener versión final

Empecemos por algo que ya está pasando. En abril de 2026, Anthropic lanzó Project Glasswing, una iniciativa en la que empresas que mantienen software crítico usan Claude Mythos Preview para buscar vulnerabilidades. En su primer informe, publicado en mayo, Anthropic contó que en apenas un mes ella y sus aproximadamente 50 socios habían encontrado más de diez mil vulnerabilidades de severidad alta o crítica en algunos de los programas más importantes del mundo. Un solo ejemplo: Mozilla corrigió 271 vulnerabilidades en Firefox 150, más de diez veces las que había encontrado en la versión 148 con el modelo anterior.

Pero lo que más me interesa no es la cifra, sino la conclusión del propio informe: el avance en seguridad ya no está limitado por qué tan rápido se encuentran las vulnerabilidades, sino por qué tan rápido se pueden verificar, comunicar y parchear las que encuentra la IA. El cuello de botella dejó de ser la máquina y pasó a ser el humano. En junio, cuando amplió el programa, Anthropic contó que muchos socios ya usan el modelo para escribir los parches y para hacer controles previos al lanzamiento que evitan que las vulnerabilidades aparezcan.

Ese es el comienzo de lo que llamo software vivo. Durante décadas, el software fue algo que se terminaba: salía la versión 2.0, quedaba en producción y alguien la revisaba hasta la próxima. Lo que se viene es un flujo continuo: la IA detecta un agujero, escribe el parche, lo prueba y lo despliega. Sin versión final y sin un humano revisando línea por línea.

Para ser justos: hoy casi nadie deja que eso pase sin aprobación humana. Pero la dirección es clara, y además es una necesidad. Si el atacante va a ser una IA, el defensor no puede ser una persona leyendo un diff.

Entonces, si la IA escribe, audita y parchea, ¿qué nos queda?

Donde hay un juez, la IA ya innova

Acá me gustaría decir que la IA no crea nada nuevo y que solo recombina lo que ya existe. Sería cómodo, pero no es verdad.

En 2025, Google DeepMind presentó AlphaEvolve, un agente que mejora algoritmos modificando código y evaluando los resultados en ciclos. En multiplicación de matrices, un problema estudiado hace más de medio siglo, produjo algoritmos que calculan 14 tamaños distintos de matrices más rápido que cualquier método conocido. Eso no es "otra rueda parecida". Es algo que ningún humano había encontrado.

El detalle clave está en la descripción del propio sistema: se puede aplicar a cualquier problema cuya solución se pueda expresar como un algoritmo y verificar automáticamente.

Esa es la frontera. Donde hay un juez automático (más rápido, menos operaciones, los tests pasan, la vulnerabilidad ya no está), la IA explora millones de opciones y encuentra cosas nuevas. Y lo va a hacer cada vez mejor. Competir ahí es perder.

Y fijate qué coincidencia: ese es exactamente el terreno donde nos formaron para competir.

Donde no hay juez, empieza lo humano

Ahora pensá en problemas donde no existe un juez automático. ¿Qué producto vale la pena construir? ¿Qué significa que algo sea "mejor" para esta empresa, estos usuarios o este momento? ¿Qué supuesto del rubro está equivocado?

Hay un estudio que muestra muy bien esta diferencia. En Stanford, más de 100 investigadores de procesamiento de lenguaje evaluaron a ciegas ideas de investigación escritas por expertos y por una IA. Las de la IA fueron juzgadas como más novedosas que las de los expertos humanos, aunque un poco menos factibles. Hasta ahí, punto para la máquina.

Después hicieron la segunda parte: pusieron a investigadores a ejecutar esas ideas. Y en muchas métricas el ranking se invirtió. Las ideas de la IA parecían nuevas, pero rendían peor cuando se llevaban a la práctica.

La IA puede generar mil ideas que suenan originales. Lo que no puede hacer sola es decidir cuál de esas mil vale la pena, porque no quiere nada. La intención (esto me importa, quiero que exista, voy por acá) se la damos nosotros.

La única forma de reinventar la rueda es no usarla

Tengo un dicho propio: la única forma de reinventar la rueda es no usarla. Y resulta que hay ciencia detrás.

En 1991, los investigadores David Jansson y Steven Smith describieron un fenómeno que llamaron design fixation (fijación de diseño). Les pedían a estudiantes que diseñaran soluciones, y a algunos les mostraban antes un ejemplo. Ver ese ejemplo les restringía las ideas y hasta les impedía resolver el problema. El que ve la rueda termina dibujando ruedas.

Años después, Lars Bo Jeppesen y Karim Lakhani analizaron 166 desafíos científicos publicados en InnoCentive, una plataforma donde grandes empresas publican problemas que no lograron resolver. Encontraron que la probabilidad de ganar aumentaba con la distancia entre la especialidad del participante y el campo del problema: cuanto más lejos, más chances. Su explicación es que los outsiders tienen una "ignorancia útil" de los supuestos dominantes.

Ojo: ignorancia útil no es no saber nada. Esos outsiders sabían mucho, pero de otra cosa. El que reinventa la rueda sabe perfectamente lo que es una rueda. Simplemente no está atado a ella.

Y acá aparece una debilidad de la IA. Por cómo funciona, tiende a lo más probable dentro de todo lo que ya existe. Un estudio publicado en Science Advances lo midió con escritores: los que usaron ideas de IA escribieron cuentos mejor evaluados, pero esos cuentos se parecían más entre sí que los escritos solo por humanos. Cada uno mejora, pero todos terminan escribiendo parecido.

Por eso, en lugar de pedirle a la IA "reinventá la rueda", el aporte humano es plantearle una hipótesis que parece absurda: "creo que esto se resuelve sin ruedas, ayudame a encontrar cómo". Es como pedirle que 2 + 2 dé 5. Orwell usó esa frase en 1984 como símbolo de aceptar un absurdo impuesto. Yo la uso al revés: como el desafío de encontrar el sistema donde lo que parece absurdo tiene sentido.

Pasó en la historia. Durante más de dos mil años, que dos rectas paralelas nunca se cruzan fue una verdad incuestionable. Alguien se preguntó "¿y si se cruzan?" y nacieron las geometrías no euclidianas, que mucho después resultaron necesarias para la relatividad. El absurdo no estaba en la pregunta, sino en no animarse a cambiar el axioma.

Fundamentos para pensar, no para producir

Esto no quiere decir que dejes de estudiar. Quiere decir que estudies por otra razón.

Antes aprendías cómo funciona una base de datos para poder construir una. Hoy la IA la construye. Pero si no entendés cómo funciona, no podés imaginar otra forma de resolver el problema ni darte cuenta de qué supuesto se podría romper. Nadie tiene una idea original sobre algo que no entiende.

El conocimiento técnico pasa de ser una herramienta de producción a ser materia prima para pensar. No lo necesitás para explicarle a la IA lo que querés: te va a entender cada vez mejor, digas lo que digas. Lo necesitás para resolver el problema en tu cabeza antes de pedírselo.

Dejá de ser un hacedor

El especialista en una sola herramienta, el que sabe hacer X de tal manera, se quiebra cuando aparece un problema fuera de su dominio. Y es el primer perfil que la IA reemplaza, porque trabaja justo donde hay un juez automático: el código compila o no compila, el test pasa o no pasa.

El desarrollador que viene se parece más a un investigador que a un operario. Entiende los fundamentos, se mueve entre dominios, desconfía del "así se hace" y tiene algo que quiere construir. La IA le aporta la capacidad de ejecución. Él aporta la dirección.

La pregunta que te dejo es incómoda: si mañana la IA hace todo lo que sabés hacer, ¿qué te queda que sea tuyo?

Si la respuesta es "nada", no fue la IA. Fue cómo te formaron. Y eso, a diferencia de la IA, sí depende de vos.

Fuentes mencionadas en el artículo

CompartirLinkedInX

Escrito por Sebastián Larrauri

Consultor independiente en Claude. Claude Certified Developer – Foundations (CCDV-F), Claude Certified Associate – Foundations (CCAO-F) y titular del Claude Code Partner Badge, con las certificaciones Architect en progreso.

Artículos relacionados