BitcoinWorld
Los programadores se niegan a trabajar sin IA — pero los costos ocultos se están acumulando
En 2026, los desarrolladores dejaron clara su postura: no programarán sin inteligencia artificial. Investigadores del respetado laboratorio de seguridad de IA METR lo comprobaron de primera mano cuando intentaron replicar un estudio de 2025 que medía cómo la IA afecta la productividad en la codificación. ¿El problema? Ningún desarrollador aceptó participar en el grupo de control — el que requería trabajar sin asistencia de IA.
El experimento fallido de METR y la brecha de autopercepción El estudio original de METR de 2025 ya había entregado un hallazgo contraintuitivo: aunque los desarrolladores se sentían más productivos con IA, en realidad tardaban más en total por el tiempo dedicado a corregir errores generados por la IA, dirigir la herramienta y esperar respuestas. Cuando METR intentó repetir el experimento con modelos de IA más recientes, no pudieron reclutar participantes. Como confesaron los investigadores, los desarrolladores “no desean trabajar sin IA”, ni siquiera temporalmente para un estudio controlado.
En su lugar, METR publicó una encuesta en mayo de 2026 que permitía a los empleados técnicos auto‑reportar sus ganancias de productividad. No sorprende que los encuestados se percibieran a sí mismos como el doble de valiosos para sus organizaciones. Pero desarrollos recientes sugieren que estas autoevaluaciones pueden no reflejar la realidad.
Tokenmaxxing: la tendencia que ya se volvió en contra La práctica de usar el consumo de tokens de IA como proxy de productividad — apodada “tokenmaxxing” — se convirtió en una tendencia definitoria a principios de 2026. Sin embargo, ya podría estar colapsando bajo su propio peso. Amazon cerró su tabla de clasificación interna de seguimiento de tokens, Kirorank, después de que empleados abusaran del sistema ejecutando agentes de IA en exceso, elevando costos sin producir resultados significativos, según informó el Financial Times. Uber quemó todo su presupuesto de IA para 2026 en apenas cuatro meses, y el COO Andrew Macdonald admitió en un podcast que el gasto no había generado aumentos medibles en proyectos ni en productividad.
La trampa del costo de mantenimiento Más allá de los sobrecostos, la evidencia se acumula de que el código generado por IA introduce pasivos a largo plazo. El programador y autor James Shore describió el problema en una entrada de blog muy difundida: “¿Ahora escribes código al doble de velocidad? Mejor espera haber reducido a la mitad tus costos de mantenimiento. De lo contrario, estás jodido. Estás intercambiando un impulso de velocidad temporal por una servidumbre permanente.”
Una investigación independiente de la Singapore Management University, publicada en abril de 2026, advirtió que “el código generado por IA puede introducir costos de mantenimiento a largo plazo en proyectos de software reales.” La plataforma de revisión de código Code Rabbit analizó pull requests de código abierto y encontró que el código producido por IA generaba 1.7 veces más problemas que el código escrito por humanos. Aunque estos números provienen de empresas con interés comercial en herramientas de revisión de código, el patrón es consistente en múltiples fuentes.
Por qué la promesa de productividad puede ser hueca La desconexión entre la productividad percibida y la real no es nueva, pero la escala de adopción de IA amplifica sus consecuencias. Los desarrolladores adoran a sus asistentes de IA — reportan sentirse más rápidos, más capaces y menos frustrados. Pero las métricas objetivas cuentan otra historia: más bugs, mayores costos de tokens y cargas de mantenimiento que se acumulan con el tiempo. Una publicación viral de Aiswarya Sankar, CEO de la startup de ingeniería de confiabilidad Entelligence AI, afirmó que las empresas están gastando el 44 % de sus tokens de IA en corregir errores que la propia IA generó.
Qué recomiendan los expertos Las soluciones varían según a quién le preguntes. Scott Wu, CEO de Cognition, cuya compañía crea el agente de codificación AI Devin, argumenta que los desarrolladores deberían simplemente usar más IA para arreglar los problemas que la IA crea. Pero incluso Wu admite que Devin actualmente rinde entre un programador junior y uno de nivel medio, según la tarea — no es una solución sin intervención humana.
Los investigadores de la Singapore Management University abogan por un enfoque más centrado en lo humano: los desarrolladores deben entender qué tareas maneja bien la IA y cuáles no, tan profundamente como conocen sus lenguajes de programación. Recomiendan sistemas de aseguramiento de calidad robustos diseñados específicamente para código generado por IA, y una revisión humana cuidadosa del output de la IA — tratándolo como el trabajo de un desarrollador junior. Los investigadores, y Wu, coinciden en un punto: los humanos deben mantener la responsabilidad de decisiones de alto nivel como la arquitectura del software y el diseño de seguridad.
Conclusión La profesión de la codificación ha llegado a un punto de inflexión. Los desarrolladores han integrado la IA tan profundamente en sus flujos de trabajo que muchos no pueden o no quieren trabajar sin ella. Pero la evidencia sugiere que esta dependencia conlleva costos reales — presupuestos inflados, cargas ocultas de mantenimiento y una brecha entre la productividad percibida y la real. El camino a seguir probablemente no implique abandonar la IA, sino desarrollar prácticas más disciplinadas sobre cuándo y cómo usarla, y aceptar que ninguna herramienta elimina la necesidad del juicio humano en la ingeniería de software.
Preguntas frecuentes Q1: ¿Por qué METR no pudo replicar su estudio de productividad de IA de 2025? Los desarrolladores se negaron a participar en el grupo de control que requería trabajar sin asistencia de IA, incluso de forma temporal para un estudio de investigación. METR en su lugar publicó un informe basado en encuestas.
Q2: ¿Qué es tokenmaxxing y por qué es controvertido? Tokenmaxxing es la práctica de usar el consumo de tokens de IA como proxy de la productividad del empleado. Empresas como Amazon y Uber descubrieron que los empleados manipulaban el sistema, elevando costos sin incrementos correspondientes en la producción, lo que llevó al abandono de los programas de seguimiento de tokens.
Q3: ¿El código generado por IA incrementa los costos de mantenimiento? Múltiples fuentes — incluida la investigación académica de la Singapore Management University, el análisis independiente de Code Rabbit y los comentarios de expertos de la industria — indican que el código generado por IA introduce más bugs y cargas de mantenimiento a largo plazo en comparación con el código escrito por humanos.
Esta publicación Los programadores se niegan a trabajar sin IA — pero los costos ocultos se están acumulando apareció por primera vez en BitcoinWorld.