- La afirmación de que la IA multiplica por 10 a 100 la productividad de los ingenieros no es realista
- Al usar a fondo herramientas de IA para programar, la mejora de eficiencia es limitada y los picos temporales de productividad solo aparecen en tareas repetitivas y simples
- Los cuellos de botella del desarrollo de software (revisión de código, colaboración, planificación, etc.) no pueden superarse con IA, y es imposible lograr una mejora de 10x en todo el trabajo
- El mito del ingeniero 10x surge por diversas motivaciones, como distorsión de cifras, intereses de actores de la industria o generación de ansiedad dentro de las organizaciones
- Mantener tu propia forma de desarrollar y el disfrute del trabajo produce mejores resultados a largo plazo y una cultura organizacional más sana
Escepticismo ante el mito del ingeniero 10x con IA
Ansiedad por la productividad y experiencia real usando herramientas de IA
- En LinkedIn, Twitter y otras redes se ha expandido el discurso de que la IA aumenta de 10 a 100 veces la productividad de los ingenieros, y muchos desarrolladores sienten ansiedad por quedarse atrás
- El autor también probó en trabajo real varios agentes de generación de código con IA (Claude Code, Cursor, Roo Code, Zed, etc.), pero aunque eran cómodos para tareas simples y repetitivas, en trabajo complejo del mundo real no hubo una transformación fundamental
- En JavaScript (especialmente React), el código repetitivo (boilerplate) puede escribirse rápido
- Pero con estándares propios del codebase o librerías poco comunes, la IA no logra seguir bien el ritmo
- En lenguajes como Terraform, la IA no está tan familiarizada y su rendimiento baja
- Por el fenómeno de alucinación (hallucination), puede generar librerías que no existen y hasta provocar vulnerabilidades de seguridad
- La capacidad de la IA para entender el contexto sigue siendo limitada. Cuanto más complejo es el codebase real, más aparecen prompts repetidos, errores y pérdida de tiempo
- Como resultado, el autor usa la IA en scripts pequeños o tareas no críticas, y sigue haciendo directamente el trabajo complejo o importante
El problema de cuantificar la productividad en el desarrollo de software
- La afirmación de que la productividad puede subir 10x a 100x con IA está muy alejada de la realidad
- 10x o 100x de productividad no significa solo escribir más líneas de código, sino que algo que tarda 3 meses (desarrollo completo, revisión de código, QA, etc.) termine en 1.5 semanas
- En el desarrollo de software existen muchos cuellos de botella: planificación, estimación de story points, corrección de bugs, revisión de código, espera de despliegue, pruebas, QA
- Para que esa meta fuera posible, cada uno de esos procesos tendría que acelerarse 10 veces en la misma proporción
- En la práctica, el tiempo dedicado a programar es menor, y gran parte del tiempo se invierte en entender, diseñar, revisar y comunicar
- En términos reales, la revisión de código, la colaboración, la comunicación y el QA no pueden acortarse con IA
- El verdadero cuello de botella del trabajo de ingeniería está en las personas, los procesos y la comunicación
- Los LLM (modelos de lenguaje grandes) reducen el tiempo de teclear, pero el tiempo para calidad de código, pruebas y revisiones sigue siendo necesario
- Aunque la IA pueda aumentar temporalmente la velocidad de escritura de código, el aumento de errores, estándares deficientes y la necesidad de volver a promptear hacen que no tenga un impacto decisivo en la productividad total
- Una productividad 10x es, en la práctica, un objetivo casi imposible
La realidad y los límites del ingeniero 10x
- Sobre la existencia del "ingeniero 10x", el autor considera que puede darse de forma temporal y limitada
- La razón principal es la capacidad de prevenir trabajo innecesario (evitar desarrollo innecesario desde la etapa de planificación, mejorar la experiencia de desarrollo, documentar, etc.)
- Pero no todos los ingenieros se encuentran con esas situaciones todo el tiempo
- Un ingeniero excepcional puede prevenir trabajo innecesario o mejorar sistemas para elevar la eficiencia de toda la organización, pero en la práctica casi no existen casos de rendimiento 10x sostenido
- Las herramientas de programación con IA no contribuyen mucho a prevenir trabajo innecesario
- Incluso pueden llevar a sobreimplementar o proponer arquitecturas equivocadas por recomendaciones de la IA
- Programar más rápido no siempre significa ser un mejor ingeniero
El contexto y las motivaciones detrás del mito del 10x con IA
La mayoría de las afirmaciones sobre "productividad 10x" provienen de factores como los siguientes
- Ingenieros bienintencionados que cometen errores de medición
- Con herramientas de IA es posible tener por momentos una experiencia explosiva de eficiencia (ej.: escribir automáticamente reglas personalizadas de ESLint)
- Pero cuando ese tipo de trabajo se repite, la diferencia de productividad termina reduciéndose drásticamente
- La novedad técnica y la adaptación a un entorno nuevo pueden generar al principio una percepción exagerada de eficiencia
- Incentivos e interesados
- Fundadores de startups de IA, inversionistas y otros actores suelen citar cifras exageradas por razones de éxito comercial
- También ingenieros o ejecutivos pueden mencionar productividad inflada para responder a expectativas dentro de la organización
- Objetivos malintencionados
- Algunos directivos difunden afirmaciones exageradas con la intención de generar ansiedad en los ingenieros y frenar salidas, pedidos de aumento u otras sacudidas internas
- El miedo de que cualquiera pueda ser reemplazado fácilmente por la IA se repite periódicamente (similar a debates pasados sobre bootcamps de programación)
Resultados reales de la IA en open source y proyectos prácticos
- La mayoría de los casos reales sobre mejoras de productividad con IA muestran distancia entre quien escribe sobre ello y el ingeniero cuya productividad supuestamente mejoró.
- Los casos en que el propio ingeniero demuestra directamente el uso de herramientas de IA muestran una realidad más sobria y menos exagerada
- Los resultados del uso de IA en proyectos open source muchas veces aparecen por debajo de lo esperado o incluso como casos de fracaso
- En demos públicas o casos reales de ingeniería, la IA a veces puede parecer magia, pero en la mayoría de los casos no es muy distinta de un simple "generador de texto"
Un valor más importante que la "productividad": mantener una forma de desarrollar que vaya contigo
- A veces la IA permite escribir código más rápido, pero el autor sigue valorando más el disfrute de programar en sí
- Si no te gusta programar con IA o no te resulta disfrutable, está bien renunciar a una parte de la productividad
- Incluso aceptando cierto grado de ineficiencia, trabajar de la manera que mejor se adapte a ti produce mejores resultados y una vida laboral más sana a largo plazo
- Cuando se trabaja con disfrute, se logra mejor resolución de problemas, diseño y colaboración con colegas
- El disfrute y la inmersión importan más para la productividad y la calidad del código a largo plazo, y perseguir la productividad a la fuerza aumenta el riesgo de burnout
- En cambio, si programar con IA realmente te divierte y te ayuda, también está bien aprovecharlo activamente
Consejos para una cultura organizacional sana
- Al introducir herramientas de IA, generar expectativas irreales y ansiedad en todos los ingenieros perjudica la productividad de la organización
- La obsesión con maximizar productividad lleva a baja de calidad, deterioro del codebase y pérdidas a largo plazo
- Lo deseable es dar a los ingenieros suficiente autonomía y confianza, y permitir que cada quien elija cómo usar la IA de la forma que mejor le funcione
- La organización puede ofrecer oportunidades para usar IA, pero es importante mantener un ambiente que garantice autonomía
- Si los LLM y la innovación en programación con IA realmente dieran una productividad 10x, los desarrolladores lo descubrirían por sí mismos de forma natural
Conclusión
- La revolución del ingeniero 10x gracias a la IA está más cerca del mito y no existe una receta secreta que realmente se esté pasando por alto
- Lo más importante es confiar en tu propia capacidad y en tu forma de trabajar
- Las redes sociales (especialmente LinkedIn y Twitter) amplifican mitos exagerados, así que se pueden ignorar sin problema
Aún no hay comentarios.