Carrera y salariosprogramacion
¿La IA sustituirá a los programadores? Qué cambia
La IA ya asiste tareas de programación, pero eso no demuestra que desaparezcan puestos. Mira qué cambia en el ciclo del software y cómo adaptarte.
- Autor: humAIns
- 9 min de lectura
índice · 6 apartados
La IA puede ayudar a escribir, probar, revisar y documentar código, pero que una tarea sea asistible no significa que un puesto entero vaya a desaparecer. La Organización Internacional del Trabajo mide exposición potencial de tareas, no despidos observados ni el futuro de una profesión concreta. Para quienes desarrollan software, la respuesta útil no es una predicción tajante: es entender qué partes del ciclo cambian y reforzar la capacidad de especificar, verificar y mantener sistemas.
Esta guía se centra en la profesión de desarrollo y en el ciclo de vida del software. No es un ranking de asistentes ni un panorama de todos los sectores: para comparar productos consulta nuestra comparativa de IA para programar; para el contexto laboral general, el artículo sobre trabajos que la IA transforma en España.
Respuesta directa: exposición de tareas no equivale a sustitución de puestos
La pregunta «¿la IA sustituirá a los programadores?» mezcla tres cuestiones distintas: qué puede hacer un modelo, cuánto cambia el trabajo de un equipo y qué ocurre con el empleo. La primera se observa en funciones concretas; la segunda depende del proceso y del contexto; la tercera requiere datos de contratación y empleo a lo largo del tiempo. Una no responde automáticamente a las otras.
En su actualización de 2025, la OIT estima que una de cada cuatro personas trabajadoras del mundo está en una ocupación con algún grado de exposición a la IA generativa. El informe destaca que, por la necesidad persistente de intervención humana, la mayoría de los empleos expuestos probablemente se transforme más que quedar redundante. Es una estimación global por ocupaciones y tareas, no un recuento de despidos de programadores ni una previsión específica para España.
El artículo del Observatorio de las Ocupaciones del SEPE, publicado en noviembre de 2025, trata específicamente el sector informático: analiza cómo la IA puede afectar empresas, perfiles y tareas de distintas fases de los productos y servicios. Su planteamiento ayuda a pensar en transformación y capacitación, pero no debe leerse como una medición causal de puestos eliminados ni como garantía de que el empleo crecerá o se mantendrá.
Por eso, una respuesta prudente es: algunas tareas de programación ya pueden recibir asistencia automatizada; cuánto modifica eso el número, el contenido o la calidad de los puestos depende de la adopción, la demanda de software, la organización del trabajo y otras variables. Ni las capacidades de una herramienta ni un índice de exposición permiten, por sí solos, pronosticar contrataciones o salarios.
Qué cambia al escribir, probar, revisar y mantener código
La documentación oficial de GitHub explica que Copilot puede sugerir completados y bloques de código, proponer modificaciones y apoyar la generación de pruebas. También indica que las sugerencias pueden ser incorrectas o inseguras y que deben revisarse. Es un ejemplo concreto de asistencia, no prueba de sustitución laboral ni recomendación de un producto concreto para todos los equipos.
| Tarea del ciclo | Ayuda verificable de IA | Control necesario |
|---|---|---|
| Escribir código | Proponer completados, fragmentos o una primera implementación a partir del contexto y las instrucciones. | Comprobar requisitos, compatibilidad, legibilidad y comportamiento en el proyecto real. |
| Probar | Sugerir casos de prueba, datos límite y aserciones a partir del código. | Revisar que los casos cubren requisitos y fallos reales; una prueba generada puede omitir el caso importante. |
| Revisar cambios | Señalar posibles problemas o sugerir una revisión del diff con herramientas compatibles. | Confirmar hallazgos, reproducir errores y aplicar el proceso de revisión del equipo. |
| Documentar | Preparar un borrador de comentarios, descripciones de cambios o documentación técnica. | Contrastar con el comportamiento vigente y evitar documentar como cierta una suposición. |
| Mantener | Ayudar a explorar una base de código, explicar fragmentos o proponer refactorizaciones. | Evaluar efectos en dependencias, rendimiento, seguridad y sistemas que consumen la interfaz. |
La tabla describe posibilidades de asistencia, no automatización completa. La disponibilidad depende de la herramienta y su configuración; el resultado, de la calidad del contexto y del trabajo de verificación. En particular, que un modelo escriba una solución que compila no demuestra que sea correcta para el usuario, segura en producción o fácil de mantener.
Qué se sabe sobre empleo y qué no se puede concluir
Conviene separar tres tipos de evidencia:
- Exposición ocupacional. La OIT actualiza una estimación global usando análisis de tareas ocupacionales y gradientes de exposición. Mide potencial de impacto tecnológico, no cuánto se utiliza la IA en cada empresa ni cuántas personas han perdido su empleo por ella.
- Análisis sectorial. El artículo del SEPE sobre el sector informático describe cambios posibles en empresas, perfiles y actividades. Es útil como análisis del sector en España, pero no es una serie estadística de contrataciones que aísle el efecto de la IA.
- Resultados laborales observados. Para sostener que la IA aumenta o reduce empleo de programadores habría que identificar país, periodo, población, ocupación y método, además de separar la influencia de la IA de otros cambios económicos. Las fuentes citadas aquí no permiten atribuir un cambio concreto de contratación a la IA.
Así, no afirmamos que la IA ya haya eliminado un porcentaje determinado de puestos de programación, que vaya a producir despidos masivos ni que genere automáticamente nuevos empleos. Tampoco extrapolamos una estimación mundial a España. Si alguien cita cifras de empleo, la pregunta esencial es qué mide realmente: exposición, vacantes, contratación, despidos o una encuesta de expectativas.
Júnior y sénior: adaptarse sin predicciones salariales
Para perfiles júnior, la IA puede hacer más rápido el primer borrador de una función o una explicación de código. Eso puede reducir parte de la práctica mecánica, pero no elimina la necesidad de aprender a descomponer problemas, leer errores, razonar sobre datos y entender el comportamiento del sistema. Una buena práctica es pedir una explicación, formular preguntas sobre los casos límite y luego resolver una variante sin copiar la respuesta.
Para perfiles sénior, delegar un borrador no delega decisiones de arquitectura, priorización, privacidad ni responsabilidad. El valor profesional sigue incluyendo comprender las restricciones, identificar riesgos, revisar el diseño y explicar por qué una solución es adecuada. La experiencia también sirve para detectar fallos sutiles que un resultado superficialmente convincente puede esconder.
En ambos casos son transferibles estas capacidades: especificar requisitos comprobables, leer y modificar código, escribir pruebas útiles, revisar seguridad y dependencias, comunicar decisiones y conocer el dominio del producto. No hay base aquí para prometer una evolución salarial concreta. El objetivo es aumentar la capacidad de evaluar y dirigir el trabajo, con o sin asistencia automatizada.
Plan de aprendizaje: un cambio pequeño, pruebas y revisión de seguridad
Practica con un proyecto propio de juguete, sin código, datos, credenciales ni información de empresa. Por ejemplo, una función que recibe una lista de importes y devuelve el total, con una regla explícita: ignorar elementos vacíos y rechazar valores negativos. Mantén el alcance pequeño para poder entender cada decisión.
- Define el contrato. Escribe entradas, salida y comportamiento esperado para lista vacía, valores válidos y negativos. Decide qué significa «rechazar»: devolver un error o lanzar una excepción, y documenta esa elección.
- Crea pruebas antes de pedir código. Incluye casos normales y límites. Anota el resultado esperado sin depender de la implementación propuesta por el modelo.
- Solicita una propuesta acotada. Pide una función y su explicación, no una reescritura amplia del proyecto. No pegues secretos ni fragmentos confidenciales.
- Revisa y ejecuta. Lee el código línea por línea, corre las pruebas y añade un caso que la propuesta no haya considerado. Si algo falla, entiende el motivo antes de pedir otra versión.
- Haz una revisión de seguridad y mantenimiento. Comprueba validación de entradas, manejo de errores y dependencias innecesarias. En un proyecto real, añade las políticas de revisión, privacidad y licencia de tu organización.
- Registra lo aprendido. Anota qué aceleró la herramienta, qué tuviste que corregir y qué no habría sido seguro aceptar sin revisar. Así mides el aprendizaje, no una impresión de velocidad.
Este ejercicio no convierte una respuesta en apta para producción. Muestra una rutina repetible: especificar, probar, inspeccionar y asumir responsabilidad por lo que se integra. Para profundizar en formación y criterios de selección puedes leer nuestra guía sobre cómo elegir un curso de programación con IA.
Preguntas frecuentes
¿Desaparecerán los puestos júnior de programación?
No se puede afirmar eso con las fuentes disponibles. Algunas tareas de entrada pueden cambiar, pero el empleo depende también de cuántos productos se construyan, de la demanda, de cómo se organicen los equipos y de decisiones de contratación. Aprende fundamentos y práctica de validación en vez de apostar por una predicción.
¿Puede una IA asumir la responsabilidad de un cambio?
No. Puede producir una sugerencia o ejecutar acciones dentro de un flujo configurado, pero la responsabilidad profesional y organizativa sigue correspondiendo a las personas y organizaciones que autorizan e integran el cambio.
¿Qué debe comprobarse antes de integrar código generado?
Requisitos, pruebas, casos límite, seguridad, dependencias, privacidad, licencias y efectos sobre el resto del sistema. Adapta la revisión al riesgo del cambio y sigue las políticas del equipo; que compile no basta.
¿Hay que dejar de aprender a programar?
No. Saber programar permite entender, probar y corregir lo que propone una herramienta. La capacidad de formular problemas y verificar soluciones es más valiosa cuando se puede generar código con rapidez.
El curso IA Audiovisual no es formación de programación; puede interesarte solo si también trabajas en proyectos visuales y buscas aplicar IA a producción audiovisual. Para comprobar tu punto de partida, puedes hacer el test gratuito ¿Cuánto te queda?.