← Volver al blog
8 min de lectura

Quiebre de stock, paradoja de la inteligencia artificial

Contratar solo seniors hoy puede dejarnos sin seniors mañana.

La inteligencia artificial está transformando profundamente la industria del software. Hoy podemos escribir código, generar pruebas, documentar funcionalidades y automatizar tareas en una fracción del tiempo que necesitábamos hace apenas unos años.

Esta revolución está cambiando también la manera en que las empresas piensan sus equipos de desarrollo.

Si un desarrollador senior, apoyado por herramientas de IA, puede realizar parte del trabajo que antes requería varios profesionales, la decisión parece evidente desde una perspectiva de eficiencia: equipos más pequeños, mayor experiencia y menos contrataciones junior.

Pero hay una pregunta que estamos dejando fuera de la ecuación:

¿Qué ocurrirá cuando necesitemos una nueva generación de desarrolladores senior si dejamos de contratar y formar a quienes hoy están comenzando?

Podríamos estar creando un problema de abastecimiento de talento que todavía no aparece en nuestros indicadores.

Un verdadero quiebre de stock.

Las primeras señales ya están apareciendo

En noviembre de 2026, el Centro de Estudios Públicos publicó el boletín La IA de la sociedad: aceleración y asincronías, de Aldo Mascareño.

El documento plantea un problema fundamental: la inteligencia artificial avanza mucho más rápido que la capacidad de adaptación de nuestras organizaciones, instituciones educativas y mercados laborales.

Una de sus principales advertencias apunta al debilitamiento del primer escalón de las carreras profesionales, donde tradicionalmente los jóvenes desarrollan las habilidades necesarias para acceder a posiciones de mayor responsabilidad.

Esta preocupación ya tiene respaldo empírico.

Una investigación de Anthropic, publicada en marzo de 2026, identificó una caída estimada del 14% en la tasa de acceso a nuevos empleos entre jóvenes de 22 a 25 años en ocupaciones altamente expuestas a IA, respecto de la referencia utilizada por el estudio. Sus autores, sin embargo, advierten que la evidencia es todavía preliminar y admite explicaciones alternativas.

Por su parte, una investigación de Stanford, actualizada en agosto de 2026, encontró que el empleo de trabajadores de 22 a 25 años en ocupaciones expuestas a IA se situaba un 19% por debajo del nivel que habría alcanzado si hubiera seguido la evolución de sus pares en ocupaciones menos expuestas. La diferencia se explicaba principalmente por una menor contratación, no por un aumento generalizado de los despidos.

Los mismos investigadores señalaron que no existe evidencia de un desplazamiento masivo del empleo en toda la economía.

El problema, por tanto, podría no ser que estemos despidiendo masivamente a los profesionales actuales, sino que estemos reduciendo las oportunidades de ingreso de los futuros profesionales.

Es una diferencia fundamental.

Fuentes: Anthropic (2026), Labor market impacts of AI: A new measure and early evidence; Brynjolfsson, Chandar y Chen (2026), Canaries in the Coal Mine?.

La experiencia no se descarga ni se genera con un prompt

En nuestra industria solemos asociar seniority con años de experiencia. Sin embargo, la antigüedad por sí sola no convierte a alguien en senior.

La verdadera experiencia se construye enfrentando problemas reales.

Un desarrollador experimentado no solo sabe escribir código. Entiende decisiones arquitectónicas, anticipa consecuencias, reconoce patrones, diagnostica incidentes, enfrenta sistemas heredados y asume responsabilidad sobre soluciones que deben funcionar en producción.

Ese criterio difícilmente se desarrolla únicamente leyendo documentación o generando código con inteligencia artificial.

Se construye participando en proyectos, tomando decisiones, cometiendo errores, corrigiéndolos y comprendiendo sus consecuencias.

Tradicionalmente, los desarrolladores junior comenzaban realizando tareas relativamente acotadas. Esas actividades les permitían comprender los sistemas, desarrollar disciplina técnica y adquirir progresivamente autonomía.

Hoy muchas de esas tareas son precisamente las primeras candidatas a ser automatizadas.

La pregunta ya no es solamente qué trabajos puede realizar la IA, sino cómo formaremos profesionales experimentados cuando una parte importante de las tareas que antes permitían aprender esté automatizada.

El boletín del CEP aborda directamente este problema: si desaparecen las etapas iniciales del trabajo, también podría debilitarse el aprendizaje práctico que permite acumular experiencia.

Y esto no afecta exclusivamente al desarrollo de software. También alcanza a analistas, abogados, diseñadores, consultores y otras profesiones intensivas en conocimiento.

Estamos acumulando deuda de talento

En ingeniería de software conocemos bien el concepto de deuda técnica.

Cuando privilegiamos soluciones rápidas sin considerar su mantenibilidad, acumulamos compromisos que tarde o temprano debemos resolver, generalmente a un costo mayor.

Creo que estamos frente a un riesgo equivalente en la gestión de personas.

Podríamos llamarlo deuda de talento.

Cada vez que una organización decide no incorporar profesionales en formación porque resulta más eficiente contratar exclusivamente expertos, puede estar reduciendo sus costos actuales, pero también su capacidad de desarrollar talento futuro.

El beneficio se observa inmediatamente en productividad, costos operacionales o resultados financieros.

La consecuencia, en cambio, podría manifestarse años después, cuando necesitemos arquitectos, líderes técnicos o especialistas con experiencia en sistemas complejos.

Y descubramos que hay menos profesionales que hayan tenido la oportunidad de recorrer ese camino.

La diferencia con la deuda técnica es que el talento no puede recuperarse simplemente aumentando el presupuesto de contratación.

La experiencia requiere tiempo, exposición a problemas reales, aprendizaje y responsabilidad.

Si muchas organizaciones toman simultáneamente la decisión de dejar de formar profesionales, el riesgo deja de ser individual y se convierte en un desafío para toda la industria.

La inteligencia artificial también puede acelerar la formación

Sería un error concluir que debemos preservar artificialmente todas las tareas junior para mantener el modelo tradicional de aprendizaje.

La IA ofrece una oportunidad extraordinaria para hacer exactamente lo contrario: acelerar la formación profesional.

Un estudio publicado en Management Science en febrero de 2026, basado en experimentos con 4.867 desarrolladores de Microsoft, Accenture y otra empresa, encontró un incremento promedio del 26% en tareas completadas por quienes utilizaban asistentes de programación. Los desarrolladores menos experimentados presentaron mayores tasas de adopción y ganancias de productividad.

Este resultado sugiere que las nuevas herramientas pueden reducir barreras y aumentar las capacidades de quienes están comenzando.

Pero hay una distinción que no podemos ignorar:

Ser más productivo utilizando inteligencia artificial no significa necesariamente estar aprendiendo más.

Una revisión de 23 estudios publicada en 2026 identificó efectos positivos moderados sobre la productividad en programación, pero no encontró una mejora estadísticamente significativa en los resultados de aprendizaje.

La IA puede ayudarnos a resolver una tarea sin que necesariamente comprendamos cómo resolverla por nuestra cuenta.

Por eso, el desafío no consiste en reemplazar el aprendizaje con automatización, sino en rediseñarlo.

Un desarrollador junior podría utilizar IA para generar una implementación, pero debería poder explicar sus decisiones, evaluar alternativas, identificar riesgos, verificar resultados y comprender las consecuencias de llevar ese código a producción.

El senior, por su parte, podría dedicar menos tiempo a revisar cuestiones mecánicas y más a transmitir criterio, acompañar decisiones y formar capacidades.

La IA puede convertirse en un acelerador de aprendizaje, siempre que esté integrada en un proceso formativo y no utilizada simplemente como una máquina de respuestas.

El verdadero problema es organizacional

Una de las conclusiones más interesantes del estudio del CEP es que la velocidad tecnológica está produciendo asincronías: las capacidades de la IA evolucionan más rápido que nuestras instituciones, procesos y modelos educativos.

En el desarrollo de software podemos observar exactamente ese fenómeno.

Estamos modernizando nuestras herramientas de producción, pero no necesariamente nuestros modelos de formación profesional.

Continuamos evaluando la productividad mediante entregables, velocidad de desarrollo y costos por proyecto, mientras aspectos como transferencia de conocimiento, autonomía progresiva y formación de nuevos especialistas suelen quedar relegados.

Si queremos evitar esa deuda de talento, necesitamos revisar algunos supuestos.

No todos los equipos requieren la misma proporción de seniors y juniors. No toda tarea automatizada representaba una experiencia formativa valiosa. Tampoco podemos asumir que los modelos tradicionales de mentoría seguirán siendo suficientes.

Lo que necesitamos son trayectorias de aprendizaje distintas, con prácticas reales, supervisión experta y herramientas de IA integradas desde el comienzo.

Las empresas deben dejar de entender la contratación junior exclusivamente como una necesidad operativa y comenzar a verla también como una inversión en capacidades futuras.

Las universidades, por su parte, necesitan acercarse mucho más a los problemas reales de la industria.

Y el sector tecnológico debe reconocer que la formación de talento experimentado constituye una responsabilidad compartida.

Una responsabilidad que va más allá de cada empresa

Hay un problema económico detrás de esta discusión.

Para una empresa individual, contratar exclusivamente profesionales experimentados puede ser una decisión perfectamente racional.

Obtiene capacidades inmediatas, reduce tiempos de supervisión y aprovecha herramientas que aumentan la productividad.

Pero si todas las empresas actúan bajo la misma lógica, ¿quién asume el costo de formar a los profesionales que después todas necesitarán?

Podríamos encontrarnos frente a una situación donde lo que resulta eficiente individualmente termina debilitando colectivamente la disponibilidad futura de talento.

No se trata de obligar a las empresas a contratar juniors ni de desconocer las enormes oportunidades que representa la IA.

Se trata de entender que la sostenibilidad de nuestra industria depende tanto de la tecnología que desarrollamos como de nuestra capacidad para formar a las personas que deberán comprenderla, mantenerla y evolucionarla.

Y esa capacidad necesita decisiones conscientes.

¿Qué pasará cuando se agote el stock?

La inteligencia artificial probablemente seguirá transformando las funciones, los equipos y las competencias que requiere la industria del software.

Es posible que necesitemos menos personas para determinadas tareas, que surjan nuevos perfiles profesionales y que algunos recorridos tradicionales hacia la seniority desaparezcan.

Pero algo seguirá siendo necesario: personas capaces de comprender sistemas complejos, resolver problemas nuevos, tomar decisiones con consecuencias reales y asumir responsabilidad sobre la tecnología.

La pregunta es cómo formaremos a esas personas.

Si utilizamos la IA solamente para reducir costos y sustituir posiciones de entrada, podríamos estar resolviendo un problema de productividad presente a costa de crear uno de capacidades futuras.

En cambio, si aprovechamos la tecnología para acelerar el aprendizaje, transferir conocimiento y generar nuevas oportunidades de desarrollo, podríamos construir una industria más productiva y, al mismo tiempo, más sostenible.

Tal vez el mayor riesgo no sea que la inteligencia artificial reemplace a los desarrolladores junior.

Tal vez el riesgo sea que dejemos de formar a los profesionales que necesitaremos mañana.

Porque cuando el talento experimentado escasee, no bastará con publicar nuevas ofertas laborales.

Podríamos descubrir que llevamos años acumulando una deuda que nadie estaba midiendo.

Y entonces tendremos un verdadero quiebre de stock.

Referencias