- Con la aparición de herramientas de Programación agente (Agentic Coding), el costo laboral del desarrollo de software está disminuyendo de forma acelerada
- La velocidad de implementación se redujo al punto de que un proyecto de aplicación web interna que antes tomaba un mes se completará en menos de una semana
- Herramientas como Claude Code crean cientos de pruebas en pocas horas y están llevando a que equipos pequeños logren resultados de gran escala
- La reducción de costos puede disparar una demanda potencial (Jevons Paradox), lo que podría impulsar a más organizaciones a crear software a medida
- El conocimiento del dominio y la capacidad de colaboración humano-agente de los desarrolladores emerge como la nueva ventaja competitiva, y se prevé una transición acelerada en toda la industria para 2026
Cambio en la estructura de costos del desarrollo de software
- La expansión del código abierto fue el primer punto de inflexión en la reducción de los costos iniciales de desarrollo de software
- Antes, SQL Server u Oracle requerían licencias anuales de decenas de miles de dólares, mientras que con MySQL era posible construir aplicaciones de red de forma gratuita
- Después, la adopción de la nube redujo los gastos de inversión de capital inicial, pero el ahorro de costos global fue limitado
- En los últimos años, TDD, microservicios, front-end complejo de React y Kubernetes aumentaron la complejidad en lugar de reducir costos
- En cambio, los agentes de IA reducen en gran medida los costos de mano de obra en el proceso de desarrollo
Evidencia de reducción del 90%
- Hasta inicios de 2025 había escepticismo sobre las herramientas de codificación con IA, pero el CLI de codificación agentica de recien ha demostrado eficiencia a gran escala en la práctica
- Por ejemplo, Claude Code generó más de 300 pruebas de código para una herramienta interna en pocas horas
- Un proyecto que antes tomaba un mes puede completarse en una semana
- El tiempo de implementación se redujo drásticamente, pero el tiempo de diseño permaneció igual
- La reducción del tamaño del equipo eliminó la sobrecarga de comunicación
- Como resultado, un número reducido de personas alcanza más de 10x de productividad
Explosión de la demanda potencial
- La reducción de costos se explica por el Jevons Paradox, que amplía la demanda en lugar de reducirla en toda la industria
- Muchas organizaciones todavía operan procesos de trabajo basados en Excel y existe una demanda potencial para convertirlos en aplicaciones SaaS
- Si una cotización de 50.000 dólares baja a unos 5.000 dólares, también entran en desarrollo proyectos no esenciales
- Por lo tanto, es posible que aumente la producción total en toda la industria del desarrollo
Conocimiento del dominio como nueva ventaja competitiva
- Aún es imprescindible la supervisión y el juicio humanos
- Hay que revisar el enfoque de los agentes y corregir rutas incorrectas
- El desarrollador que domina esta tecnología mejora notablemente su capacidad para resolver problemas de negocio
- La combinación de conocimiento del dominio + pericia técnica se perfila como la ventaja competitiva clave
- Expertos de negocio y desarrolladores pueden iterar rápidamente en pequeñas unidades de colaboración
- El software se vuelve un activo desechable, y si va por una dirección incorrecta puede descontinuarse de inmediato para volver a desarrollarlo
Hay que prepararse para el cambio
- Los modelos LLM y de agentes mejoran rápidamente, y los benchmarks existentes no alcanzan a reflejar ese progreso
- Ejemplo: Opus 4.5 mantiene sesiones estables de 10~20 minutos
- Las grandes inversiones en infraestructura de GPU indicarán una mejora brusca del rendimiento de los modelos en el futuro
- Algunos desarrolladores todavía sostienen que “los LLM tienen demasiados errores” o que “no ahorran tiempo”, pero eso cada vez menos representa la realidad
- Al igual que los ingenieros de escritorio que ignoraron el iPhone en 2007, existe el riesgo de quedarse atrás al rechazar el cambio
- Aunque las grandes empresas adoptan más lento por estructuras burocráticas, los equipos pequeños pueden aplicarlo de inmediato
- Los LLM son efectivos no solo para proyectos nuevos sino también para el análisis y mantenimiento de la base de código existente
- En la comprensión de la estructura de código antiguo, la detección de bugs y las sugerencias de correcciones, la eficiencia es alta
- En consecuencia, 2026 podría convertirse en el año de una gran transición en la forma de desarrollar software
1 comentarios
Opinión de Hacker News
Escuché que Claude Code generó más de 300 pruebas en solo unas horas
Pero dudo que esas pruebas realmente verifiquen el comportamiento esperado y puedan transmitir con claridad al siguiente desarrollador cómo funciona el sistema
Aunque la IA produzca código rápido, si no se le dedica el mismo nivel de tiempo de revisión cuidadosa, hay un gran riesgo de que baje la calidad
Yo también seguí el consejo de “adaptarme activamente” a la programación con IA
Pero como trabajo más en robótica y sistemas embebidos, crear web apps o juegos con IA fue una experiencia demasiado aburrida y frustrante
Cuando le pedía a Cursor que corrigiera problemas, terminaba dejándolo peor, y al final aprender Flask y JS por mi cuenta fue mucho más eficiente
La IA fue excelente para buscar documentación o mensajes de error, pero “dejarle el volante” no ayudó en absoluto
Dudo que eso de la “productividad 10x” con IA sea cierto
En la práctica, lo realista es usarla como un Google/Stack Overflow supercargado
La mayor parte del código la escribo yo mismo, y la IA solo me ayuda con tareas repetitivas simples o con scripts
Para tener éxito, hace falta poder dar instrucciones y explicaciones claras, como si fueras un ‘mentor’
Es importante adquirir el hábito de pedir cambios por prompt sin meter mano directamente, y ese proceso al final fortalece la capacidad de comunicación
Cuando veo artículos como este, queda muy clara la brecha de percepción entre los equipos de desarrollo y la gerencia
Los de arriba creen que entendieron todo el sistema a partir de unas cuantas líneas de requisitos, pero en realidad casi no conocen las dependencias ni el contexto
El verdadero arte está en que un buen equipo de desarrollo convierta esos requisitos ambiguos en un producto real, y todavía no existe una tecnología capaz de automatizar eso
El costo de escribir código simple sí bajó 90%
Pero para reducir un problema a código simple todavía hacen falta mucha experiencia y tiempo
Claude Code fue excelente para entender y modificar bases de código antiguas
Incluso ayudó con pruebas y depuración, así que se sintió como una mejora de productividad de 10x
No se trata solo de escribir código más rápido, sino de funcionar como un segundo cerebro rápido
Pude crear scripts o mini servicios web para resolver problemas en menos de una hora
pero en realidad creo que ese tipo de trabajo simple debería haberse automatizado incluso antes de la IA
Un LLM se siente como pasar de una pala a 10 excavadoras,
pero si el proyecto va a fracasar, solo va a fracasar más rápido
Claude Code escribe bien incluso código complejo cuando cae dentro de los patrones con los que fue entrenado
Si de verdad el costo del desarrollo de software a medida hubiera bajado 90%,
el mercado debería estar lleno de SaaS baratos, pero la realidad no es así
Al final, parece que escribir código no es el problema principal
Mantenimiento, seguridad, actualizaciones, hosting, soporte al cliente, nuevas funciones, etc.
Ahí está el verdadero valor incluido en la suscripción de un SaaS
Para que la IA también resuelva esa parte, todavía faltan como 3 a 5 años
El resto se va en reuniones, coordinación, esperas, etc.
Incluso si el costo de programar bajara 90%, seguiría quedando más de la mitad del costo total
Además, si la IA ni siquiera resume con precisión lenguaje natural,
cuesta creer que pueda entender y escribir completamente el significado del código
Video relacionado: enlace de YouTube
Incluso ahora el mercado está lleno de SaaS, pero la realidad es que aunque una función sea buena, sacar adelante el negocio sigue siendo difícil
Mucha de la ingeniería es, en la práctica, trabajo para vendor lock-in
Por visibilidad en plataformas, confianza y control algorítmico, a los SaaS nuevos les cuesta crecer
Las grandes empresas los copian enseguida, y los consumidores cada vez tienen menos dinero
Al final, el mercado no es justo, y por eso mucha gente está volteando hacia el ámbito político
Quien haya trabajado en una gran empresa difícilmente va a identificarse con este tipo de artículos
Por ejemplo, en un lugar como Shutterstock, hasta una solicitud simple puede tocar 5 sistemas distintos
La IA sí ayuda a entender y modificar código,
pero decir que el costo total de desarrollo bajó 90% no es cierto en absoluto
así que este texto en realidad se parece más a contenido promocional para empresas
Sobre la afirmación de que “toda organización tiene cientos de hojas de Excel y sería mejor convertirlas en SaaS”,
dan ganas de preguntar mejor para quién
Las hojas de cálculo pueden ser manipuladas directamente por personas con conocimiento del dominio,
y como además son muy accesibles, siguen siendo una herramienta poderosa
Como las fórmulas y la UI están muy ligadas, es difícil entender la lógica interna
Sobre todo Excel es difícil de mantener, y mientras más se complica, más pienso que es mejor pasarlo a código
sino decir que hacen falta refuerzos estructurales como colaboración, control de acceso y pruebas
Cuando empieza a usarse como base de datos o varias personas la manejan al mismo tiempo, ahí es cuando toca hacer la transición
Los problemas comunes los resuelven soluciones como SAP,
pero la mayoría de las hojas tratan problemas a medida con un solo cliente
Siento que la regla 90/90 sigue totalmente vigente
La IA resuelve rápido el primer 90%, pero el 10% restante es lo realmente difícil
Los LLM sirven en la fase de picar piedra, pero en el acabado fino más bien estorban
Para hacer sitios web simples pueden parecer magia,
pero ese tipo de trabajo probablemente será un área en la que ya no será fácil ganarse la vida
Cuando te detienes a examinar con detalle lo que generó, de verdad entran dudas de si está correcto
Sorprende que mucha gente todavía use la IA solo como chatbot para copiar y pegar
Pero si se le dan instrucciones bien hechas, Claude Code puede reproducir en minutos experimentos que tomarían semanas
En el trabajo real, más que código perfecto, lo importante es obtener resultados rápido
Claro que los bugs de seguridad o los errores en la lógica de negocio siguen siendo riesgos
Si hay un experto del dominio acompañando el proceso, creo que estos problemas irán disminuyendo
Es importante equilibrar el desarrollo de funciones con la gestión de la base de código
Todavía queda la duda de si agentes como Cursor logran mantener bien ese equilibrio
Después del boom de los LLM, participé en un proyecto para reemplazar Excel
Pero en la práctica fue un caso donde personas no técnicas intentaron crear una app con IA y salió mal
Analistas de datos hicieron una app en Python con ‘vibe coding’,
pero no tenía manejo de estado y la estructura era un desastre
Al final salieron resultados a nivel catastrófico, donde los datos de clientes se procesaban incorrectamente
En este tipo de organizaciones no hay personal técnico, así que la IA más bien acelera el riesgo