El fin del desarrollo de software tradicional
Introducción
Desde la llegada de la Inteligencia Artificial generativa han llegado a surgir muchas incógnitas sobre si
muchas profesiones cambiarían o desaparecerían por completo; el desarrollo de software no fue la
excepción. Observar a la IA generativa completar tareas que antes requerían de mucho tiempo generó
un fuerte impacto. Afortunadamente los desarrolladores de software no van a desaparecer, pero es
necesario que se lleve a cabo una renovación en cuanto a su formación académica.
Es vital transformar tanto el rol como la formación de los desarrolladores. Anteriormente, su trabajo se
limitaba a la codificación manual; sin embargo, aunque la automatización acelera el desarrollo, la falta
de buenas prácticas genera riesgos en los sistemas. Por ello, el objetivo de este artículo es analizar
cómo debe actualizarse este rol en la nueva era de la IA generativa.
El nuevo rol del programador en el ciclo del desarrollo de software
La formación de nuevos programadores debe adaptarse a priorizar la capacidad crítica de
identificación y comprensión de problemas. Es vital que se capaciten en la delegación y orquestación
de recursos técnicos. Esto implica desarrollar un criterio de evaluación ética y de gobernanza.1 La tarea
de los programadores debe consistir en tener el criterio de identificar requerimientos primordiales.
Fallos en la generación no gobernada
Cuando se utilizan herramientas de IA sin respaldo académico y sin verificación técnica se genera el
fenómeno llamado generación no gobernada. 2 Si no se posee control de estos fallos y no se audita el
código activamente, se pueden llegar a manifestar los siguientes modos de fallos recurrentes en el
desarrollo.
1 Mamdouh Alenezi, "Educating the Agentic Engineer: Curricula, Collaboration, and Continuous Learning in the
AI Era," arXiv preprint arXiv:2607.29610 (2026)
2 Mamdouh Alenezi, "Specification-Driven Development as the Foundation of AI-Native Enterprise Software Engineering," arXiv preprint arXiv:2607.16680 (2026), 2–3, https://arxiv.org/html/2607.16680. Como se expone en la Tabla 1, la dependencia excesiva en la IA sin supervisión humana provoca
problemas serios. Se destaca la erosión de la arquitectura y la acumulación de vulnerabilidades.
Tabla 1. Modos de fallo en la generación de código de IA no gobernada. Fuente: adaptado de Mamdouh Alenezi, “Specification-Driven Development as the Foundation of AI-Native Enterprise Software Engineering”.
AI-Native Enterprise Software Engineering"
Evidencia empírica de la deuda técnica (velocidad vs. calidad)
Un análisis de la firma de analíticas de código GitClear, evaluó más de 153 millones de líneas de
código escritas entre los años 2020 al 2023. Se encontró que, el uso de asistentes de IA se asocia con
un aumento de código duplicado, mientras que la reutilización y el refactorizado de código
estructurado disminuye. 3 La productividad aumenta, la mantenibilidad y comprensión decaen.
Otra investigación causal desarrollada por la Universidad Carnegie Mellon evaluó de forma empírica
la adopción de entornos de desarrollo agénticos. Se determinó que la adopción de agentes de IA genera
un incremento significativo pero temporal en la velocidad de desarrollo de un proyecto. Sin embargo, a
largo plazo, provoca un aumento persistente en las advertencias de análisis estático y en la complejidad
estructural del código.4 Es vital priorizar la revisión humana para mitigar esta deuda técnica.
Especificaciones. Dado que los modelos de lenguaje generan respuestas basadas en probabilidades, es
3 William Harding y Matthew Kloster, Coding on Copilot: 2023 Data Suggests Downward Pressure on Code
Quality, whitepaper (GitClear, 2024), 5,
https://www.gitclear.com/coding_on_copilot_data_ shows_ais_downward_pressure_on_code_quality. 4 Hao He et al., "Does AI-Assisted Coding Deliver? A Difference-in-Differences Study of Cursor's Impact on Software Projects," arXiv preprint arXiv:2511.04427 (2025), 4, https://arxiv.org/abs/2511.04427. necesario controlarlos mediante reglas claras. De esta forma, la generación automática de código por
medio de agentes de IA, queda obligada a cumplir estrictamente con tres niveles progresivos de rigor y
control metodológico.5
Conclusiones
Las instituciones de educación superior enfrentan el reto inmediato de reformar radicalmente sus
programas de estudio para formar a las futuras generaciones de desarrolladores de software. Los planes
curriculares deben dejar de medir el éxito de los estudiantes por su capacidad por medio de métricas
que solo se centren en la sintaxis del código y es necesario comenzar a evaluar sus capacidades de
diseño lógico de requerimientos, auditoría de código y gobernanza de la calidad del software. El
Desarrollo Basado en Especificaciones representa la respuesta metodológica e institucional más sólida
para embridar la fluidez probabilística de la IA. Al estructurar el desarrollo de software alrededor de
especificaciones legibles por máquina que sirven como contratos formales, se logra encerrar la
naturaleza estocástica de la IA dentro de límites deterministas de verificación y control. Es así como se
consigue la evolución del programador centrándose en un rol evolucionado.
Referencias bibliográficas
Alenezi, Mamdouh. "Educating the Agentic Engineer: Curricula, Collaboration, and Continuous
Learning in the AI Era." arXiv preprint arXiv:2607.29610, 2026. https://arxiv.org/html/2607.29610.
---, Mamdouh. "The Rise of AI-Native Software Engineering: Implications for Practice, Education,
and the Future Workforce." arXiv preprint arXiv:2606.12986, 2026. https://arxiv.org/abs/2606.12986.
Harding, William, y Matthew Kloster. Coding on Copilot: 2023 Data Suggests Downward Pressure on
Code Quality. Whitepaper, GitClear, 2024.
https://www.gitclear.com/coding_on_copilot_data_ shows_ais_downward_pressure_on_code_quality.
He, Hao, Courtney Miller, Shyam Agarwal, Christian Kästner, y Bogdan Vasilescu. "Does AI-Assisted
Coding Deliver? A Difference-in-Differences Study of Cursor's Impact on Software Projects." arXiv
preprint arXiv:2511.04427, 2025. https://arxiv.org/abs/2511.04427.
5 Mamdouh Alenezi, "Educating the Agentic Engineer: Curricula, Collaboration, and Continuous Learning in the AI Era," arXiv preprint arXiv:2607.29610 (2026), 4–5, https://arxiv.org/html/2607.29610.
Ver diseño original de las páginas
