Seguro que has escuchado conversaciones inquietas entre compañeros en los pasillos o en los chats: «Las redes neuronales escriben código en segundos, en un par de años los programadores no harán falta y la IA ya nos ha quitado lo más interesante, dejándonos solo el aburrido debugging».
Llevo tiempo observando este pánico alrededor de Copilot, Cursor y Claude Code y no podía quitarme la sensación de que en esos debates se confunden peras con manzanas. Tomamos el tecleo mecánico sobre las teclas por la esencia misma del pensamiento de ingeniería.
El arquitecto de software y fundador de la comunidad HowProgrammingWorks, Timur Shemsedinov, formuló una tesis fundamental que pone todo en su sitio: la inteligencia artificial no destruye la profesión de desarrollador, sino al contrario, le quita la cáscara superficial y deja al desnudo su verdadero núcleo intelectual.
Basura sintáctica frente a invariantes del sistema
Dividamos aquello en lo que consiste nuestro trabajo en dos categorías radicalmente distintas: los mecanismos del lenguaje y las propiedades esenciales de los sistemas.
Los mecanismos son los ladrillos sintácticos de toda la vida: bucles for, ramas if-else, promesas, closures, clases y decoradores. Es mortero mecánico de construcción. Los modelos generativos, entrenados con billones de tokens de repositorios públicos, combinan estos ladrillos con una velocidad y soltura asombrosas.
Pero el valor de un programa nunca se midió por la cantidad de bucles escritos. El valor lo determinan las propiedades esenciales de la arquitectura:
- Inmutabilidad: la garantía de que los datos no cambian, lo que elimina de raíz las condiciones de carrera (race conditions) en computación paralela;
- Idempotencia: la capacidad de un servicio de repetir una operación múltiples veces sin distorsionar el resultado ante fallos y reintentos de red;
- Bajo acoplamiento: saber diseñar módulos de modo que sustituir un servicio no provoque una reacción en cadena de roturas por todo el sistema;
- Composabilidad: poder ensamblar abstracciones complejas a partir de funciones simples y matemáticamente rigurosas.
Una red neuronal no «siente» estas características. Simplemente elige cadenas probables de tokens apoyándose en fragmentos de código similares de su conjunto de entrenamiento.
Cuatro niveles de maestría en ingeniería
Para entender el lugar real de los LLM actuales, Shemsedinov propone mirar la pirámide de cuatro niveles de la programación:
- Nivel 1. Implementación: escribir código directamente a partir de una especificación lista. «Haz un endpoint, recibe un JSON, valida los campos y guarda en PostgreSQL». Aquí los modelos generativos rinden de maravilla, librando al humano de la rutina tediosa.
- Nivel 2. Diseño: elegir patrones arquitectónicos y frameworks conocidos. En este nivel el ingeniero decide si aplicar arquitectura limpia, el patrón Repositorio o un bus de eventos. Las redes neuronales se mueven con soltura mientras el problema encaje en límites habituales.
- Nivel 3. Generalización: la capacidad de detectar un patrón común profundo en cientos de sistemas heterogéneos y formular a partir de él una nueva abstracción limpia. Aquí la IA ya actúa solo como un ayudante tímido que exige supervisión humana constante.
- Nivel 4. Invención: formular un principio fundamentalmente nuevo de organización de la computación que dé origen a un nuevo paradigma. Recuerda cómo nacieron la programación orientada a objetos, el enfoque funcional, el modelo de actores de Erlang o la programación diferenciable.
Y he aquí el dato clave sobre el que merece la pena reflexionar: en todo este tiempo de auge vertiginoso de la IA generativa, las redes neuronales no han creado ni un solo paradigma computacional nuevo ni han inventado un solo patrón arquitectónico verdaderamente inédito.
Hacia dónde debe avanzar el ingeniero
Por su naturaleza matemática, los LLM actuales hacen interpolación: buscan soluciones plausibles dentro del espacio multidimensional de la experiencia ya acumulada por la humanidad. Compilan el pasado con brillantez, pero no son capaces de dar un salto conceptual hacia lo desconocido.
Por eso, la época de los prompts primitivos del estilo «escríbeme un CRUD en FastAPI» se marcha para no volver. El verdadero trabajo de ingeniería en la era de la IA se desplaza al plano de plantear problemas fundamentales: gestionar el acoplamiento, formalizar invariantes matemáticos y diseñar protocolos distribuidos tolerantes a fallos. La rutina ya está automatizada: toca dedicarse a la arquitectura de verdad.

