En esta noticia
Durante los últimos meses, dos relatos conviven sin cruzarse. Por un lado, los benchmarks de la industria (DORA, DX, Thoughtworks) hablan de una mejora de productividad del 10% gracias a la inteligencia artificial. Por otro, circulan casos de un desarrollador senior que, con agentes de IA, produce lo que antes hacía un equipo entero.
Según The GenAI Efficiency Blueprint, el informe que acaba de publicar Ingenia, la empresa argentina de IA y arquitectura IT, ambas conviven porque están midiendo cosas distintas. El documento, elaborado a partir de evidencia de campo, postmortems y reportes de practitioners relevados entre fines de 2024 y principios de 2026, distingue dos regímenes de uso: uno “asistido” (el que usa el 90% del mercado, con un IDE y sugerencias de código, que aporta entre un 8% y un 15% de mejora) y otro “agéntico”, todavía minoritario, en el que un ingeniero senior orquesta varios agentes de IA en paralelo y multiplica la entrega de software entre 10 y 30 veces.
La tesis central del informe no es que la IA reemplace desarrolladores, sino que redefine radicalmente el modelo operativo de los equipos de ingeniería. Para entender qué hay detrás de esos números (y qué significan para quienes hoy trabajan o estudian para trabajar en software) hablamos con dos protagonistas de la escena tecnológica argentina: Gustavo Brey, co-founder y Executive Director de Ingenia, y Ernesto Mislej, co-founder y Chief Data Scientist de 7Puentes, empresa con más de 18 años de trayectoria en IA y Machine Learning.
Para Brey, la clave está en un fenómeno que la economía ya vivió antes. “Creíamos que la IA iba a impactar de lleno al white collar (empleos de oficina, administrativos o de gestión dentro del sector tecnológico), no como la transformación digital, sino con un impacto enorme. Pero a su vez, como el costo de construir software va a tender a cero, eso va a generar masividad”, explica, y lo compara con la paradoja de Jevons, la teoría que describe cómo el abaratamiento del carbón durante la Revolución Industrial no redujo su consumo sino que lo multiplicó.
Mislej coincide desde otro ángulo. “Nosotros no lo percibimos como hacer lo mismo con menos gente. Nosotros queremos hacer más. Nos queremos apalancar en estas herramientas para potenciar nuestra productividad, no como una herramienta de reducción de headcount”, sostiene el científico de datos de 7Puentes.
El modelo “Cyborg”: el futuro del senior
El informe de Ingenia bautiza este nuevo esquema operativo como modelo Cyborg: una célula de apenas dos o tres profesionales senior (un arquitecto o staff engineer que orquesta y un revisor senior) que reemplaza a equipos tradicionales de hasta diez personas (tech lead, seniors, semi-seniors, junior, product owner, QA y arquitecto part-time).
Según los datos consolidados por Ingenia, en proyectos greenfield (desde cero) ese modelo puede llegar a ser hasta 75 veces más eficiente por unidad de output que la célula tradicional; en sistemas legacy bien instrumentados, el múltiplo baja pero sigue siendo contundente, entre 11 y 16 veces.
Brey tiene una clara analogía para explicarlo: “El modelo Cyborg es como Iron Man. Es un ingeniero totalmente apalancado por tecnología, medio biónico, al que le das la capacidad de volar, la fuerza, el poder. Le das a un ingeniero que entiende la problemática, que puede diseñarla, implementarla y también monitorearla y gestionarla, sin necesidad de dedicarle tanto tiempo, porque tiene gente (y agentes) que trabajan para él y le van reportando”.
El impacto en las métricas de negocio, según Brey, se nota sobre todo en un indicador: “Donde más fuerte va a estar el impacto es en el time to market, y en el costo, que hoy está rondando una mejora del 70% completo. Porque un equipo de 30 personas puede pasar a ser dos o tres, pero mucho más senior”.
Esa mención a la seniority no es casual: este modelo exige perfiles muy formados, no la eliminación lisa y llana de roles. Ingenia detalla en su documento los riesgos que aparecen cuando el esquema se implementa mal: el bus factor de uno (si el especialista que orquesta se va, el proyecto se paraliza), el burnout por la sobrecarga cognitiva de validar el trabajo de múltiples agentes en simultáneo, y sobre todo el “cuello de botella de revisión”: cuando el volumen de código generado supera la capacidad humana de auditarlo, la calidad se resiente.
¿El fin de los juniors?
Es, quizás, la pregunta más incómoda del sector y ambos entrevistados la abordan sin esquivarla, aunque desde matices distintos.
Brey plantea dos escenarios posibles y admite que “todavía no está todo dicho”. Por un lado, cree que el junior bien apalancado, con una arquitectura y un contexto bien definidos, “va a producir como si fuese un senior. Se acelera la transición del junior al senior”. Por otro, advierte que la vara de entrada a la profesión probablemente suba: “Van a tener que estudiar más y meterse un poco más en la ingeniería. Hoy todavía necesitás la carrera universitaria”.
Para el co-founder de 7Puentes el riesgo de fondo es aún más profundo: si el aprendizaje se acelera sin que el junior transite los espacios donde ese aprendizaje se pone a prueba, algo se pierde en el camino. Su conclusión es que la salida no es prescindir del junior sino redefinir su función.
“En todo caso, la IA la deberían usar los seniors para terminar de educar al junior y desarrollar a la par junto con él. Sin juniors hoy, vamos a estar sin seniors dentro de 15 años”.
Ambos coinciden en otro punto: el trabajo del junior se corre hacia tareas de documentación, investigación y validación de hipótesis, mientras la codificación pura pierde peso relativo dentro del proceso completo de construir software.
El código, cada vez más chico dentro de la torta del programador
Uno de los puntos donde más se alinean ambas visiones (y que el informe de Ingenia respalda con datos de la industria) es que la producción de código en sí misma pierde peso relativo dentro de todo el ciclo de vida del software. Mislej lo cuantifica con una proyección propia: “Si antes el código formaba parte de un 30% o 40% de la producción de un proyecto, a lo mejor en el futuro sea un 15%. El foco se corre a la especificación y a la traducción de las necesidades del negocio al modelo computacional.”
Esa mirada encaja con uno de los hallazgos más citados del informe de Ingenia: pese a que el 93% de los desarrolladores ya usa asistentes de IA, solo el 26,9% del código de producción es efectivamente escrito por IA, según datos de DX.
La brecha entre adopción y uso real agéntico es, precisamente, el corazón del “problema de medición” que ambos entrevistados señalan como el mayor error estratégico de las organizaciones hoy. “Las empresas miden mal: miden la cantidad de tokens que usan los empleados, que es una métrica de vanidad. El verdadero problema es que no hay una estrategia real para adoptar la IA, sino iniciativas sueltas que no se alinean con el negocio”, plantea Brey.
La pregunta que preocupa al sector
Hay un componente que ambos entrevistados subrayan y que el informe de Ingenia también marca como un riesgo estructural: hoy el uso intensivo de estos modelos está, en la práctica, subsidiado.
“Hoy las empresas que dan estos modelos -Anthropic, Google, Amazon, OpenAI- están cobrando una décima parte de lo que podrían cobrar. El día que a Anthropic los inversores le pidan rentabilidad, esto se vuelve distinto. Hay que aprovechar la ventana, invertir y aprender, pero sabiendo que en algún momento no va a estar tan barato”.
Además apunta a un límite físico: la cadena de energía, agua y cómputo detrás de cada data center.
Consultados sobre en qué puede estar equivocándose hoy la industria, ambos coinciden en el mismo punto ciego: la falta de estrategia. “El mayor error que veo es que las organizaciones no están definiendo una estrategia real para adoptar la IA de manera correcta. Están sesgadas por el impacto inmediato y no planifican a futuro”, cierra Brey. Es allí donde el talento bien preparado (y, porque no, leal), será el más valorado en un futuro no tan lejano. Con los juniors en la primera linea.
Mislej lo enmarca como una pregunta abierta a toda la industria del software: “Todavía estamos en ebullición. No está solidificado cómo va a ser una empresa de software de acá a un tiempo. Lo que sí sabemos es que ahora tenemos colegas cyborg”.
