Porque programar no es solo escribir líneas de código que funcionen; es entender el contexto, anticipar problemas, negociar requisitos, tomar decisiones de arquitectura y, sobre todo, depurar y mantener sistemas vivos y que cambian casi cada mes. La IA puede ser un copiloto, pero no el piloto principal.

Sin embargo, sería ingenuo ignorar el avance de la automatización. Según McKinsey, en 2024 la IA ya automatiza cerca del 30% de las tareas rutinarias de codificación, y ese porcentaje sube cada trimestre.

Las empresas lo saben y buscan eficiencia: menos tiempo en tareas repetitivas, más velocidad en los lanzamientos, menos errores humanos en los procesos más mecánicos. El programador que se limite a copiar y pegar, o a resolver tickets básicos, está en riesgo real de ser reemplazado por una IA cada vez más potente. ¿Qué hacer entonces para no quedarse fuera del juego?

De nuevo comentar que la IA es buena generando código a partir de descripciones, pero no entiende el negocio, ni los matices de un sistema, ni los requisitos no escritos que solo se aprenden tras años de experiencia.

Por ejemplo, diseñar una arquitectura de microservicios para una app bancaria exige comprender la seguridad, la latencia, la escalabilidad y el cumplimiento de las normas. Ningún modelo de lenguaje, por avanzado que sea, puede tomar esas decisiones de alto nivel con la sensibilidad y el criterio de un arquitecto humano.

De igual modo, la optimización de recursos sigue siendo un arte: la IA puede sugerir mejoras, pero solo tú sabes cuándo es mejor optimizar un algoritmo y cuándo conviene ampliar la infraestructura.