A cada generación de desarrolladores se le ha dicho que sus empleos están a punto de desaparecer.

Se suponía que los compiladores eliminarían a los programadores. Se suponía que la virtualización eliminaría a los administradores de sistemas. Se suponía que la nube eliminaría a los centros de datos. Se suponía que la automatización eliminaría a los equipos de operaciones.

Nada de eso ocurrió.

Lo que sí ocurrió: la experiencia se reubicó. No desapareció. Los operadores de tarjetas perforadas se convirtieron en programadores de sistemas. Los administradores de sistemas evolucionaron a ingenieros de infraestructura. Los equipos de operaciones se convirtieron en DevOps, y luego en ingeniería de plataformas. ¿Los trabajadores de los centros de datos? Siguen montando servidores en racks en esas instalaciones de AWS. Los que quisieron cambiar se movieron a la arquitectura en la nube.

El patrón no es reemplazo. Es levantar y trasladar (lift and shift).

El debate del vibe coding

Estamos ahora en otra transición. El desarrollo asistido por IA es real, y el término "vibe coding" ha entrado en la conversación. El encuadre importa para cómo responde el liderazgo.

En febrero de 2025, Andrej Karpathy, cofundador de OpenAI y exdirector de IA en Tesla, acuñó el término en un tuit que se volvió viral. Lo describió como "entregarse por completo a las vibras, abrazar los exponenciales y olvidar que el código siquiera existe".

El término se ha convertido en una marca tribal. Una interpretación dice que los ingenieros se están volviendo obsoletos, así que reduce la plantilla y deja que la IA genere el código. La otra interpretación reconoce esto como la siguiente capa de abstracción, que requiere juicio y experiencia para desplegarse de forma eficaz, igual que cada capa anterior.

Los datos respaldan la segunda interpretación.

Qué muestran realmente los datos

Y Combinator informa que el 25% de su cohorte de invierno de 2025 tiene bases de código que son en un 95% generadas por IA. El titular suena a reemplazo. El detalle cuenta una historia diferente.

"Cada una de estas personas es altamente técnica, completamente capaz de construir sus propios productos desde cero. Hace un año, habrían construido su producto desde cero. Pero ahora el 95% lo construye una IA."

Ese es el socio director de YC, Jared Friedman, explicando la estadística. Los fundadores que usan la IA de forma más intensiva no son menos técnicos. Son más productivos.

Andrew Ng, exdirector de Google Brain y profesor de IA en Stanford, ha objetado el encuadre despreocupado. Llama a la programación asistida por IA "un ejercicio profundamente intelectual" y advierte que el término "vibe coding" engaña a la gente haciéndole pensar que simplemente "te dejas llevar por las vibras".

Simon Willison, un respetado desarrollador y creador de Datasette, traza una distinción crítica: "Si un LLM escribió cada línea de tu código, pero lo has revisado, probado y comprendido todo, eso no es vibe coding a mi juicio. Eso es usar un LLM como asistente de mecanografía."

El vacío de mentoría

El debate del vibe coding tiene un punto ciego: ¿quién está formando a la próxima generación?

El modelo tradicional era el aprendizaje mediante el trabajo tedioso. Aprendías leyendo código existente para entender patrones. Escribías código repetitivo que te obligaba a interiorizar las formas de los sistemas. Cometías errores en contextos de bajo riesgo donde los seniors los detectaban. Depurabas tu propio código roto, lo que te enseñaba cómo fallan las cosas.

La IA cortocircuita varios de estos bucles de retroalimentación de forma simultánea. Si puedes generar código funcional sin entenderlo, te saltas el esfuerzo que construye los modelos mentales.

Pero esto es lo que los agoreros pasan por alto. Ya hemos estado aquí antes y la creatividad no murió. Se adaptó.

El patrón de la redistribución del conocimiento

Cuando los compiladores reemplazaron al ensamblador escrito a mano, los ingenieros no dejaron de aprender cómo funcionaban los sistemas. Empezaron a compartir patrones, a construir bibliotecas, a enseñarse unos a otros las nuevas abstracciones. La salida inicial generada por la máquina se convirtió en un punto de partida para la iteración, no en un punto final.

Cuando surgió Stack Overflow, los críticos dijeron que los desarrolladores dejarían de entender el código. Que simplemente copiarían y pegarían respuestas. En cambio, evolucionó todo un ecosistema de intercambio de conocimiento. La gente aprendió viendo cómo otros resolvían problemas y luego mejorando esas soluciones.

El patrón no es la atrofia del conocimiento. Es la redistribución del conocimiento. Las iteraciones tempranas se comparten. Se forman comunidades en torno a mejorarlas. Los humanos que entienden por qué algo funciona enseñan a los humanos que solo saben que funciona. La creatividad no desaparece. Migra a problemas de nivel superior.

Los dos bandos que dan la voz de alarma

Dicho esto, la migración no es automática. Requiere mentoría intencional. Y ahí es donde veo formándose un vacío.

Las personas que plantean esta preocupación se dividen en dos bandos.

Mentores activos

Ven la brecha en tiempo real. Desarrolladores junior que pueden llegar mediante prompts a una función que funciona pero no pueden explicar por qué funciona. Que se paralizan cuando el código generado por IA se rompe en producción. Que carecen de la biblioteca de fallos que los ingenieros experimentados acumulan a lo largo de los años.

Mentores reticentes

Saben que deberían estar enseñando pero no lo hacen. La presión por entregar no ha disminuido. Si acaso, la IA ha elevado las expectativas de producción. La mentoría lleva tiempo que no aparece en la velocidad del sprint.

Ambos bandos señalan el mismo vacío. Ninguno tiene una solución clara.

Cómo se ve una colaboración diferente

Estamos ejecutando un experimento no controlado sobre toda una generación de ingenieros. Los seniors aprendieron en un entorno pre-LLM. Están formando a los juniors hacia un entorno post-LLM. Las habilidades que hicieron exitosos a los seniors pueden no ser las habilidades que necesitan los juniors.

Pero la historia sugiere que el camino hacia adelante no es menos colaboración. Es una colaboración diferente.

La revisión de código evoluciona de "¿escribiste esto correctamente?" a "¿entiendes por qué funciona?". También comprueba "cuándo no funcionará".

La mentoría pasa de enseñar sintaxis a enseñar juicio. Reconocimiento de patrones. Modos de fallo. Compromisos arquitectónicos.

Se forman comunidades en torno a estrategias de prompts y limitaciones de los modelos, de la misma forma en que se formaron en torno a lenguajes y frameworks.

Los juniors que aún no pueden evaluar la calidad del código aprenden observando a los seniors rechazar, modificar y mejorar la salida de la IA.

Implicaciones estratégicas para el liderazgo

Las empresas que resuelvan esto tendrán una ventaja significativa dentro de cinco años. Las que asuman que la IA resuelve la cantera de talento descubrirán que vaciaron su banca de ingeniería.

Las ganancias de productividad requieren juicio experimentado

La IA acelera la producción. No reemplaza el pensamiento arquitectónico, la conciencia de seguridad ni el diseño de sistemas. Los equipos sin ingenieros senior revisando el código generado por IA están acumulando deuda técnica más rápido de lo que creen.

La cantera de desarrolladores junior está cambiando, no terminando

Los ingenieros de nivel inicial aprenderán de forma diferente a las generaciones anteriores. El modelo de mentoría necesita evolucionar. Pero la necesidad de personas que entiendan los sistemas permanece.

Los ganadores tratarán esto como una transición de habilidades

El patrón desde las tarjetas perforadas hasta los compiladores y la nube es consistente: las empresas que invirtieron en su gente capturaron las ganancias. Las empresas que trataron las nuevas herramientas como una razón para recortar plantilla perdieron un conocimiento institucional que no pudieron reconstruir.

Un punto de partida diferente

Trabajo con veteranos que hacen la transición a la tecnología a través de Operation Code. Aportan algo que la mayoría de los bootcamps no enseña. Pensamiento operativo y reconocimiento de patrones desarrollados antes de que nadie toque un teclado. Entienden que cumplir la misión es lo importante, no la herramienta específica que uses para lograrlo.

Esa mentalidad podría estar más cerca de lo que necesita la próxima generación que los planes de estudio tradicionales de informática.

Cada capa de abstracción anterior creó nuevas formas de que la gente se enseñara mutuamente. Esta también lo hará. La pregunta es si somos intencionales al construir esos caminos o simplemente esperamos que surjan.

En resumen

La capa de abstracción se está desplazando. La necesidad de juicio humano no va a ninguna parte.

Afirmar que la IA eliminará a los desarrolladores porque ya no escribimos ensamblador es un error. Es como sugerir que no podemos construir compiladores porque ya no usamos tarjetas perforadas. La habilidad evoluciona. No desaparece.

Las organizaciones que entiendan esto invertirán en su gente, harán evolucionar sus modelos de mentoría y capturarán las ganancias de productividad. Las que vean la IA como una estrategia de reducción de plantilla descubrirán lo que cada generación anterior aprendió por las malas. La abstracción reubica la experiencia. No la elimina.

Fuentes

Karpathy, Andrej. Tuit sobre "Vibe coding". Febrero de 2025. x.com/karpathy/status/1886192184808149383

Ng, Andrew. Comentarios en la conferencia LangChain Interrupt. Reportado por Business Insider, junio de 2025.

Willison, Simon. "Not all AI-assisted programming is vibe coding." Marzo de 2025. simonwillison.net/2025/Mar/19/vibe-coding

Estadísticas de Y Combinator W25. TechCrunch, marzo de 2025. techcrunch.com