Carta abierta a los programadores latinoamericanos sobre el futuro del software

Hace exactamente un año, un compilador nos decía si nuestro código funcionaba o no. Hoy, un modelo de lenguaje escribe este código por nosotros, y el compilador sigue haciendo lo mismo: nos dice si funciona o no. Lo que cambió no fue la meta, sino el camino para llegar a ella. Y ese camino, estimados colegas, se acaba de reinventar por completo.

MIRA: CES 2026: los robots ahora pueden bailar mejor que un humano y algunos lucen como Terminator | VIDEO

Permítanme ser directo: la ingeniería de software que aprendimos ya no existe. No en la forma que la conocíamos. Boris Cherny, creador de Claude Code, reporta haber escrito 259 contribuciones en los últimos treinta días, cuarenta mil líneas añadidas, sin la necesidad de escribirlas manualmente. Andrej Karpathy, quien lideró el equipo de IA en Tesla durante 5 años, confiesa que nunca se ha sentido tan rezagado como programador. Si ellos, arquitectos de esta revolución, sienten este cambio, imaginen lo que significa para el resto de nosotros.

Pero esta carta no es para generar pánico. Es para generar claridad.

No programamos más rápido. Verificamos más rápido.

Durante décadas, el cuello de botella para desarrollar software fue escribir su código fuente. Traducir una idea a instrucciones que una máquina pudiera ejecutar requería años de entrenamiento: aprender la sintaxis de un lenguaje de programación, los patrones de diseño, y las estructuras de datos. Ese cuello de botella desapareció. No gradualmente, sino de golpe, en menos de doce meses.

El nuevo cuello de botella somos nosotros. Nuestra capacidad de decidir.

Un ejemplo: antes, un programador podía pasar una semana implementando una funcionalidad. Hoy, puede generar diez versiones distintas en una hora. El problema ya no es crear. Es elegir. ¿Cuál de estas diez versiones es la correcta? ¿Cómo verifico que no introdujo errores sutiles? ¿Qué significa entregar un producto que no escribí línea por línea y no entiendo en su totalidad?

La pregunta que cae por sí misma es si realmente estamos mejorando nuestra productividad. Quizás realmente solo estamos descubriendo más rápido lo que no queremos construir.

De la economía de la atención a la economía de la decisión

Hay una idea que captura el mundo en el que vivíamos hasta hace poco. En 1971, el economista Herbert Simon, quien después ganaría el Nobel, observó que “una abundancia de información crea una falta de atención”. Durante décadas, esa fue la regla: empresas, medios y plataformas compitieron por capturar nuestro foco y aumentar su retención creando motores de búsqueda, plataformas de recomendación de música y video, anuncios, y notificaciones. Vivíamos en una economía de la atención en donde el cuello de botella era la capacidad del usuario para prestar atención.

Pero algo cambió. Cuando la ejecución se vuelve instantánea, la atención deja de ser el recurso más escaso. Lo que ahora escasea es la capacidad de decidir bien. Nos estamos moviendo pues hacia una economía de la decisión cimentada sobre IA generativa. Y esa transición produce una fatiga para la cual no fuimos entrenados. Una fatiga cognitiva, no física. Al momento de programar con IA generativa, tenemos más decisiones que antes, cada decisión depende de la anterior. Cada elección arrastra consecuencias que debemos anticipar a lo largo de una cadena de razonamiento.

La ironía es brutal: podemos generar código más rápido que nunca, pero esa misma velocidad nos arrastra a decisiones apresuradas, arquitecturas innecesariamente complejas, y alucinaciones sutiles que pasan desapercibidas.

Por qué el código y no otros campos

¿Por qué esta revolución golpea primero a la programación y no a otras disciplinas? La respuesta está en la naturaleza misma de nuestro oficio. Tenemos algo que otras profesiones no poseen: un verificador automático. Este verificador viene en la forma de un compilador, un intérprete de comandos, o una batería de pruebas que definen si el código se comporta de forma esperable. Estos sistemas nos dicen de forma determinística si algo funciona o no.

Esto genera una retroalimentación más clara para que un modelo de IA aprenda. Es más fácil aprender con señales de “correcto” o “incorrecto” que interpretando las ambigüedades del comportamiento humano. Además, los lenguajes de programación son formales, con gramáticas independientes del contexto, mucho más fáciles de aprender que el lenguaje natural. Por eso los modelos mejoran tan rápidamente en la generación de código. Y por eso nosotros, los que lo escribimos, estamos en el epicentro del terremoto.

Karpathy lo describe con precisión: nos entregaron una herramienta alienígena sin manual de instrucciones, y todos estamos tratando de descubrir cómo sostenerla mientras un terremoto de magnitud nueve sacude la profesión.

El nuevo lenguaje de programación

Hay una nueva capa que debemos dominar: cómo comunicarnos con agentes inteligentes, cómo darles contexto, y cómo verificar sus resultados. Es programar en un nivel más alto, donde el lenguaje humano reemplaza a muchas líneas de código.

Es por eso que el lenguaje humano se está volviendo el nuevo lenguaje de programación más popular. Los prompts son el nuevo código. Y la ingeniería de contexto, el arte de inyectar la información correcta para que los modelos de lenguaje escriban un mejor código, se ha convertido en el campo de batalla donde se define qué agrega valor real realmente.

Lo que no cambió

Aquí está la buena noticia: los fundamentos cambiaron menos rápido de lo que parece.

La IA no reemplazó a los programadores. Reemplazó al lenguaje de programación como interfaz principal. Pero detrás de cada sistema complejo que funciona correctamente sigue habiendo una persona que define qué construir, que establece los límites de lo aceptable, que traduce requerimientos ambiguos en instrucciones precisas. Alguien tiene que anticipar qué puede salir mal y decidir qué vale la pena verificar. Ese trabajo no desapareció. Se volvió central, al menos hasta ahora.

Los mejores programadores del futuro serán aquellos que naveguen con claridad los límites entre lo que saben y lo que no, entre lo que el modelo puede hacer y lo que no puede, entre la incertidumbre propia de la IA generativa y las garantías que el producto necesita. En ese sentido, el conjunto de habilidades necesarias para escribir software de calidad no bajó. Subió.

Lo que significa para América Latina

Para nuestra región, este momento tiene un significado particular. Durante décadas, la barrera de entrada a la industria tecnológica mundial fue el acceso a educación formal, a infraestructura, a redes de contacto. Hoy, un programador en Lima, Santiago, o Ciudad de México tiene acceso a las mismas herramientas que uno en Silicon Valley.

La democratización es real. Pero también lo es el riesgo de quedarnos como consumidores de tecnología en lugar de creadores. La pregunta no es si podemos usar estas herramientas. Es si podemos contribuir a definir cómo se desarrollan.

Consejos para los que vienen

A los jóvenes que quieren entrar a esta profesión, les digo: nunca hubo mejor momento. La promesa de que cualquier persona puede programar finalmente se está cumpliendo. La brecha entre tener una idea y tener un sistema funcional nunca fue más pequeña. Pueden crear videojuegos, automatizar procesos, componer música, construir aplicaciones para smartphones. Cosas que antes requerían años de especialización.

A los programadores experimentados que sienten que deben actualizarse, les digo: su experiencia vale más que nunca. Han visto funcionar y fallar muchos sistemas en sus años de experiencia. Tienen intuición sobre dónde las cosas pueden salir mal. Son como un verificador con muchos más datos de entrenamiento. Esa experiencia es un multiplicador cuando se combina con estas nuevas herramientas.

A todos, les pido que busquen comunidades donde puedan compartir experiencias y aprender de otros. Actualícense frecuentemente, porque treinta días ahora se sienten como una eternidad. Enfóquense en fundamentos, en diseño, en escalabilidad, y en arquitecturas. Aprendan a usar estas herramientas, pero también aprendan cómo funcionan por dentro. Mantengan la mente abierta. Abracen el cambio y la incertidumbre.

Pero más importante: tengan la certeza de que ahora pueden hacer más cosas, más rápido. Cosas que quizás alguna vez pensaron que nunca tendrían el conocimiento para hacer.

El futuro inmediato

En el futuro, la inteligencia del ser humano no se medirá por el conocimiento acumulado, sino por su capacidad de potenciar sus habilidades con sistemas inteligentes. Este cambio nos toma a todos empezando desde cero. Todos tratando de descubrir cómo operar esta herramienta alienígena. La diferencia entre “usar herramientas de IA” y “saber qué problema estás resolviendo” hoy es enorme, y nadie tiene todas las respuestas todavía.

Pero eso es precisamente lo que hace este momento tan extraordinario. Por primera vez en décadas, el conocimiento no es el único factor determinante. La creatividad, la curiosidad, la voluntad de experimentar, cualidades que abundan en Latinoamérica, se han convertido en ventajas competitivas.

El verdadero reto ahora está en aprender a pensar en profundidad mientras se acelera la ejecución. En saber qué preguntar. En decidir qué construir. En mantener la calma mientras todo cambia a velocidades increibles.

La ingeniería de software se reinventó en un año. Nos toca reinventarnos también.

El futuro nos espera.