Silicon valley coders now just whisper to machines while the code writes itself

Manu Ebert no toca teclado. En la oficina de Hyperspell, en la Mission, explica en voz alta lo que necesita y Claude Code escribe, testea y depura la base entera del stack mientras él beber un café. Treinta minutos después el ticket que antes devoraba un día entero está en producción. El gesto de quien ha visto un truco de mago por segunda vez: fascinación mezclada con vértigo.

The 50 % line that sundar pichai does not hide

Google lo confirmó en la última call de resultados: la mitad del código que fluye hacia los servidores de Mountain View ya nace de un modelo. El ejecutivo lo vendió como un plus del 10 % de productividad entre sus 100 000 ingenieros. La cifra parece modesta hasta que se multiplica por el coste anual de plantilla: 1 300 millones en salarios que, de golpe, se comprimen. La moraleja se extiende por el valle: si el buscador puede funcionar a medias con emisores de prompts, ¿por qué tu start-up necesita un ejército de juniors?

En las nuevas incorporaciones de Y Combinator la pregunta ya no es cuánto Python sabes, sino cuánto sabes hacer hablar a un LLM sin que se vaya por las ramas. El 100 % del código de las rondas seed más recientes sale de Claude, Copilot o Gemini. El programador se ha convertido en un curador de alucinaciones que paga por token y revisa diffs a la carrera. La emoción del craft se reduce a un grep buscando el siguiente off-by-one que la máquina haya ocultado entre líneas de apología.

Stanford pulls the rug from junior hires

Los datos del Digital Economy Lab golpean bajo: empleo para desarrolladores de 22-25 años se desplomó un 16 % desde 2022. Las startups exigen dos años de experiencia incluso para tareas que un algoritmo resuelve en segundos. El círculo vicioso se cierra: sin tareas de entrada no hay junior que aprenda; sin juniors, mañana no habrá seniors que entiendan los sistemas que la IA construye. La promesa de democratización del código se ha vuelto selectiva: solo los que ya saben pueden beneficiarse de no tener que saber más.

En los pasillos de Amazon Web Services los modelos funcionan como arqueólogos: leen millones de líneas legadas, explican qué hace cada bloque y proponen parches. El ahorro en horas-hombre es real, pero también hay un detalle que no aparece en los slides: cuando un servicio crítico se va a pique, nadie le grita a Claude. La cadena de llamadas termina en un humano que, sí, usa la IA para localizar el bug, pero que necesita entender el porqué del circuit break antes de que un billón de transacciones se escapen por el tubo.

Kent beck's late-night addiction

Kent Beck, padre de la programación extrema, confesó en un podcast que volvió a disfrutar del oficio gracias a los LLM. El gurú que escribió libros sobre tests unitarios ahora pasa las madrugadas iterando prompts que nunca generan el mismo código dos veces. El momento euforico dura hasta que intenta que la máquina refactorice un monolito de 15 años: ahí la IA se queda corta, pide más contexto y devuelve un frankencode que ni compila. Beck lo resume con una sonrisa pícara: «Es como bailar con un socio que improvisa bien, pero que pisará tus pies si no marcas el compás».

La queja de los veteranos suena a élitismo, pero tiene un fondo de verdad: el placer de ver pasar los tests por primera vez se ha trocado en una partida de detective contra el hallado. Derek Chang, fundador de Stratus Data, lo grafía sin anestesia: «La IA no entiende, solo repite patrones que vio en GitHub. Funciona para scaffolding, se desmorona cuando el dominio es oscuro y el riesgo, real». La frase se recita en las war rooms cada vez que un modelo propone una query SQL que parece brillante hasta que borra la tabla de clientes.

The bill arrives after the hype

El despido masivo que una empresa de software con beneficios anunció con fanfarria —«A partir de ahora solo IA»— duró lo que tarda un sprint en estallar. Tres meses después contrataron de vuelta a la mitad del equipo. La razón: los clientes explican sus desideratas en lenguaje natural, pero el diablo vive en los matices que solo un humano puede negociar. El experimento se ha convertido en caso de estudio en Wharton: eficiencia sí, sustitución absoluta, no.

La moraleja es menos espectacular que el titular: la IA ha subido el listón, no lo ha arrasado. Las empresas quieren seniors que hablen bien a las máquinas y juniors que hayan leído código antes de pedirle a un modelo que lo invente. El sueldo medio de un ingeniero en San Francisco sigue rozando los 200 000 dólares; lo que cambió es la descripción del puesto: ahora incluye «prompt engineering» y «hallucination mitigation» entre los bullets. El que se queje de que el oficio pierde su aloma debería revisar el adn del software: desde el Assembly hasta Python, cada salto de abstracción mató un ritual y creó otro. La diferencia esta vez es que el próximo ritual puede que no lo escriba ningún humano. Y ahí, nadie garantiza que haya un botón de rewind.