La nueva economía del software: por qué abaratar el desarrollo con IA puede aumentar —no reducir— la demanda de desarrolladores
La pregunta que dominó el debate sobre inteligencia artificial durante tres años fue cuántos empleos iba a reemplazar. En el desarrollo de software está ganando fuerza una hipótesis distinta y contraintuitiva: que la mayor productividad no encoja el mercado, sino que lo expanda. Si programar cuesta menos y toma menos tiempo, entonces proyectos que antes no justificaban la inversión vuelven a la mesa.
Para una empresa mediana en México, esa es la parte práctica del argumento: la pregunta deja de ser "¿cuánto ahorramos con IA?" y pasa a ser "¿qué podemos construir ahora que antes no era viable?".
La adopción ya ocurrió; la confianza no
Los números del Stack Overflow Developer Survey 2025 —el estudio de referencia del sector, con más de 49,000 respuestas— muestran las dos caras del fenómeno.
| Indicador | Dato 2025 | Comparativo |
|---|---|---|
| Desarrolladores que usan o planean usar herramientas de IA | 84% | 76% en 2024 |
| Desarrolladores profesionales que las usan a diario | 51% | — |
| Desconfían de la precisión de los resultados | 46% | 31% en 2024 |
| Confían en la precisión de los resultados | 33% | — |
| Reportan "alta confianza" | 3% | — |
| No usa agentes de IA o sigue con herramientas más simples | 52% | — |
Fuente: Stack Overflow Developer Survey 2025.
La encuesta muestra que 84% de los desarrolladores usa o planea usar herramientas de IA, frente a 76% del año anterior, y que más desarrolladores desconfían activamente de la precisión de estas herramientas (46%) de los que confían en ella (33%), mientras solo 3% reporta confiar plenamente en el resultado. Entre los desarrolladores profesionales, 51% las usa diariamente.
La brecha entre adopción y confianza no es una contradicción: es la descripción exacta de cómo se está usando la tecnología. La frustración número uno, citada por 45% de los encuestados, son las soluciones de IA "casi correctas, pero no del todo", y 66% dice que dedica más tiempo a corregir código generado por IA que parece correcto a primera vista.
Traducción operativa: la productividad no viene de dejar que la IA escriba código sola, sino de combinar su velocidad con criterio técnico, contexto de negocio y validación humana.
El argumento económico: la paradoja de Jevons aplicada al software
Aquí está el corazón del planteamiento. Cuando baja el costo unitario de producir algo útil, el consumo total de ese algo tiende a subir, no a bajar. Es el mismo principio que economistas describen desde el siglo XIX para el carbón y que hoy aplica al código.
Piensa en una empresa mediana mexicana que necesita digitalizar su control de inventarios, desarrollar una app para su fuerza de ventas o automatizar un proceso que todavía vive en hojas de cálculo y correos. Hace tres años, el costo de diseñar, programar, probar y mantener esa solución a la medida hacía que el proyecto se archivara. Con herramientas capaces de acelerar generación de código, documentación y pruebas, esa misma solicitud vuelve a ser financieramente defendible.
Multiplicado por miles de empresas y necesidades, el efecto amplía el universo de software que vale la pena construir.
"El aumento de la productividad no significa necesariamente una reducción de la demanda de talento. Si podemos desarrollar software en menos tiempo y con una mejor relación entre costo y valor, también ampliamos el número de problemas que resulta viable resolver con tecnología. La inteligencia artificial puede permitirnos hacer más proyectos, no simplemente hacer los mismos proyectos con menos personas", explica Fabio Caversan, Chief Technology Officer Global de Stefanini Group, consultora tecnológica presente en 46 países.
El mismo razonamiento explica por qué la productividad individual no se traduce automáticamente en equipos más chicos: si una organización produce más con los mismos recursos, puede destinar esa capacidad a modernizar sistemas heredados, automatizar procesos o lanzar servicios digitales que antes no eran prioritarios.
De acuerdo con la lectura que Stefanini hace del estudio de Stack Overflow, 64% de los desarrolladores encuestados no considera que la IA represente una amenaza para su empleo.
Tres etapas de una misma evolución
| Etapa | Qué hace | Ejemplo en desarrollo de software | Madurez |
|---|---|---|---|
| IA generativa | Responde a una instrucción | Genera código, documentación o una recomendación | Adopción masiva (84%) |
| IA agéntica | Recibe un objetivo, interpreta contexto y ejecuta una secuencia de tareas | Analiza una solicitud, genera código, corre pruebas, identifica errores y coordina acciones con otras herramientas | Etapa temprana (52% aún no la usa) |
| IA + capacidad física | Convierte una decisión en una acción en el mundo real | Robots, drones, sensores y vehículos que inspeccionan, mueven o responden ante una anomalía | Incipiente, por vertical |
Fuentes: Stack Overflow Developer Survey 2025 y planteamiento de Stefanini Group (agosto de 2026).
Los agentes de IA todavía no son mayoritarios: 52% de los desarrolladores no los usa o se queda con herramientas más simples, y 38% no tiene planes de adoptarlos. Entre quienes ya trabajan con agentes, sin embargo, aproximadamente siete de cada diez reportan reducciones de tiempo en determinadas tareas, según los datos citados por Stefanini.
La advertencia técnica es la misma que aplica a cualquier sistema empresarial: para operar en producción, un agente necesita integrarse con sistemas, datos, reglas de negocio, controles de seguridad y flujos de trabajo definidos.
"Inteligencia artificial también es software. Para generar valor real, necesita estar integrada a procesos, reglas y arquitecturas capaces de garantizar que la tecnología funcione de manera segura y consistente", señala Caversan.
Cuando el software empieza a actuar en el mundo físico
La frontera siguiente conecta esa inteligencia con máquinas. Un agente puede analizar información y tomar una decisión; conectado a un sistema físico, esa decisión se vuelve acción. En una planta industrial, distintos agentes podrían detectar una anomalía operacional y coordinar una respuesta mientras un robot especializado realiza la inspección en una zona determinada.
La apuesta de Stefanini es que este avance ocurra primero mediante robots y sistemas especializados para tareas concretas —manufactura, logística, agricultura, infraestructura— antes que a través de humanoides multipropósito. La especialización permite diseñar el sistema alrededor del ambiente específico donde va a operar.
Eso abre una competencia nueva para las organizaciones: orquestar simultáneamente personas, agentes virtuales y máquinas. No es una habilidad de programación; es una habilidad de coordinación.
El desarrollador cambia de rol, no desaparece
Conforme la IA absorbe tareas repetitivas, el valor humano se desplaza hacia arquitectura, integración, validación, comprensión del negocio, seguridad y supervisión de sistemas cada vez más autónomos.
Los propios desarrolladores marcan el límite con claridad: 76% no planea usar IA para asumir mayoritariamente tareas de deployment y monitoreo, y 69% tampoco prevé hacerlo para la planificación de proyectos, según el mismo estudio.
Ese conservadurismo tiene fundamento. La velocidad sin verificación multiplica el riesgo, y no solo el de calidad: el ecosistema de amenazas también se aceleró con la IA generativa, como muestran los casos de clonación de voz y deepfakes que ya se usan para estafas en México.
Qué hacer si diriges una empresa mediana en México
- Rescata el backlog archivado. Revisa los proyectos que se descartaron por presupuesto entre 2021 y 2024. Varios probablemente ya son viables con la estructura de costos actual.
- Empieza por procesos que todavía viven en Excel y correo. Inventarios, cotizaciones, control de visitas de vendedores, conciliaciones. Son los casos con mejor relación costo-beneficio.
- Presupuesta la validación, no solo el desarrollo. Si 46% de los desarrolladores desconfía de la precisión de estas herramientas, tu proyecto necesita horas de revisión humana contempladas desde la cotización.
- No compres agentes antes que integración. Un agente sin acceso ordenado a tus datos y reglas de negocio es una demo, no un sistema.
- Mide el retorno como inversión, no como gasto. El error clásico es evaluar tecnología por su costo y no por el ingreso que habilita, la misma lógica con la que se subestima el rendimiento de los activos digitales en las empresas mexicanas o el potencial comercial de infraestructura que parecía puro costo operativo.
La paradoja de fondo
Cuanto más capaz se vuelve la IA para producir software, mayor puede ser el universo de software que las organizaciones quieran producir. El futuro del desarrollo, en esa lectura, se define menos por una competencia entre humanos y máquinas y más por una economía distinta: cuando crear tecnología cuesta menos y toma menos tiempo, aumenta el número de problemas que vale la pena resolver con ella.
Falta ver si la demanda de talento crece al ritmo que sugiere el argumento. Es una hipótesis razonable, no un hecho consumado, y el propio dato de desconfianza —46% contra 33%— indica que el sector todavía está calibrando cuánto puede delegar.
Preguntas frecuentes
¿La inteligencia artificial va a reemplazar a los programadores? Los datos disponibles apuntan a redistribución de tareas, no a sustitución. 84% de los desarrolladores usa o planea usar herramientas de IA, mientras el valor humano se concentra en arquitectura, integración, validación y seguridad.
¿Qué es la IA agéntica y en qué se diferencia de la generativa? La IA generativa responde a una instrucción concreta (genera código, texto o una recomendación). Un agente recibe un objetivo, interpreta el contexto, interactúa con distintos sistemas y ejecuta una secuencia de tareas para alcanzarlo.
¿Ya conviene que una empresa mediana use agentes de IA? Todavía es tecnología temprana: 52% de los desarrolladores no los usa y 38% no planea adoptarlos. Conviene primero ordenar datos, procesos y controles de seguridad; sin esa base, un agente no puede operar de forma confiable.
¿Por qué baja la confianza mientras sube la adopción? Porque la frustración principal son las soluciones "casi correctas, pero no del todo": 45% las señala como su mayor problema y 66% dice dedicar más tiempo a corregir código generado por IA.
¿Cuál es el impacto real para el negocio, más allá del ahorro? El efecto más relevante no es reducir el costo de los proyectos actuales, sino ampliar cuáles proyectos son viables: automatizaciones, apps internas y modernizaciones que antes no pasaban el filtro de presupuesto.