Última actualización: 22 de octubre de 2026.
La relación entre IA y programadores está cambiando rápidamente. Las herramientas de inteligencia artificial pueden escribir funciones, explicar errores y generar pruebas en segundos. Sin embargo, eso no significa que puedan hacerse cargo de cualquier proyecto de software sin supervisión.
El cambio más interesante está en el mercado laboral. Algunos estudios detectan dificultades para los trabajadores jóvenes en ocupaciones expuestas a la IA, mientras que otros muestran que estas herramientas pueden acelerar determinadas tareas.
La cuestión es distinguir qué trabajos se automatizan, qué habilidades ganan valor y qué oportunidades tendrán quienes quieran empezar a programar.
1. ¿La IA está quitando empleo a los programadores?
Un estudio del Stanford Digital Economy Lab, revisado en agosto de 2026, analiza datos de nóminas de ADP y compara la evolución del empleo según la exposición de las ocupaciones a la inteligencia artificial.
Su resultado más relevante es que el empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA se sitúa aproximadamente un 19 % por debajo de la evolución que habría tenido si hubiese seguido el ritmo de sus compañeros en ocupaciones menos expuestas.
Hay tres matices importantes:
- El dato se refiere a una diferencia respecto a una evolución de comparación, no a una caída absoluta del 19 % en todos los trabajos tecnológicos.
- Los autores detectan que la diferencia parece explicarse principalmente por una menor contratación de trabajadores jóvenes, no por un aumento generalizado de despidos.
- El estudio identifica una asociación y no demuestra que la IA sea la única causa de los cambios observados.
La interpretación es más concreta que afirmar que «la IA acabará con los programadores». La automatización puede reducir la necesidad de determinadas tareas iniciales, pero también crea necesidades de integración, supervisión, mantenimiento y diseño de sistemas.
2. España: menos ofertas júnior y más demanda de experiencia
El debate también afecta a España. El 28 de mayo de 2026, la asociación DigitalES presentó su cuarta edición del informe Radiografía de Empleos y Sectores Emergentes.
El informe detectó una caída del 33 % en las ofertas dirigidas a programadores júnior, frente a un crecimiento del 13 % en las vacantes para perfiles sénior.
Los datos proceden de fuentes de empleo y análisis del mercado laboral, entre ellas Job Market Insights, InfoJobs e Hirint. Por tanto, describen la evolución de las ofertas analizadas: no demuestran que el empleo total de programadores júnior haya caído exactamente un 33 %.
Fuente: DigitalES, análisis del empleo tecnológico y los perfiles júnior y sénior, 28 de mayo de 2026.
¿Por qué puede ser más difícil empezar?
Una empresa puede utilizar IA para generar código repetitivo, preparar documentación o crear pruebas sencillas. Eso reduce parte del trabajo que antes realizaban los perfiles más inexpertos bajo supervisión.
Pero los proyectos siguen necesitando personas que comprendan los requisitos, revisen las soluciones, detecten errores y mantengan el software.
El riesgo para los jóvenes es que desaparezcan algunas tareas que tradicionalmente servían para aprender dentro de una empresa. La respuesta no consiste solo en aprender a usar un chatbot, sino en demostrar que se sabe construir, comprobar y mejorar un producto de software.
3. Los programadores utilizan IA, pero no confían en todo lo que genera
La encuesta de Stack Overflow de 2025 muestra hasta qué punto estas herramientas se han incorporado al trabajo de desarrollo.
| Indicador de la encuesta | Resultado |
|---|---|
| Desarrolladores que utilizan o planean utilizar IA | 84 % |
| Profesionales que usan herramientas de IA a diario | 51 % |
| Desarrolladores que desconfían de la precisión de sus resultados | 46 % |
| Desarrolladores que confían en su precisión | 33 % |
| Frustrados por respuestas de IA que están casi bien, pero no del todo | 66 % |
Fuente: Stack Overflow Developer Survey 2025, apartado de IA.
Los porcentajes miden cosas distintas y proceden de preguntas diferentes; no deben interpretarse como partes de un único grupo que suman el 100 %.
El dato más revelador es la distancia entre uso y confianza. Una herramienta puede utilizarse diariamente y, aun así, necesitar una revisión exhaustiva.
Un código puede parecer correcto y fallar con una entrada inesperada. También puede introducir una vulnerabilidad de seguridad, utilizar una biblioteca inadecuada o resolver el problema equivocado.
Por eso, la IA no elimina la necesidad de saber programar. Hace que la capacidad para revisar y validar código sea todavía más importante.
4. ¿La IA hace que los programadores trabajen más rápido?
No existe un único porcentaje de mejora que pueda aplicarse a todos los desarrolladores. El resultado depende de la tarea, la experiencia, las herramientas y la complejidad del proyecto.
Dos estudios ilustran esta diferencia.
METR: un experimento con desarrolladores experimentados
En un experimento publicado en julio de 2025, METR estudió a 16 desarrolladores experimentados de código abierto que realizaron 246 tareas en proyectos que conocían bien.
Con las herramientas de IA de principios de 2025, los participantes tardaron un 19 % más en completar las tareas cuando podían utilizarlas. El resultado fue sorprendente porque los propios desarrolladores esperaban trabajar más rápido.
Sin embargo, los autores advirtieron que la muestra y las tareas no representaban todos los tipos de trabajo de programación. En febrero de 2026, METR explicó que sus datos posteriores sobre herramientas más recientes no permitían una estimación fiable del efecto actual, debido a problemas de selección de participantes y medición.
Fuentes: Experimento original de METR, julio de 2025 y actualización metodológica de febrero de 2026.
Google: un ensayo empresarial con resultados distintos
Un estudio publicado en el entorno de la conferencia ICSE 2025 examinó a 96 ingenieros de software de Google que realizaron una tarea empresarial compleja.
Su mejor estimación apuntó a una reducción de aproximadamente el 21 % en el tiempo empleado con determinadas funciones de IA. Los autores también señalaron que el intervalo de confianza era amplio y que el efecto observado no podía extrapolarse automáticamente a otras herramientas o trabajos.
Fuente: IEEE, estudio controlado sobre IA y velocidad de desarrollo, ICSE-SEIP 2025.
La diferencia entre ambos experimentos es útil: la IA puede acelerar unas tareas y ralentizar otras. Si genera una solución que luego necesita mucho trabajo de depuración, el tiempo inicial ahorrado puede desaparecer.
5. Comparador interactivo: qué nos dicen los datos
Selecciona una de las tres pestañas para explorar las señales del mercado laboral, el uso de estas herramientas y la evidencia sobre productividad.
IA y programadores: qué muestran los estudios
Selecciona un tema para explorar las cifras. Cada indicador procede de una fuente y una metodología diferente.
Empleo de jóvenes en ocupaciones expuestas a la IA
Stanford estima que, en junio de 2026, los trabajadores de 22–25 años en ocupaciones muy expuestas a la IA se encontraban alrededor de un 19 % por debajo de la trayectoria comparativa con ocupaciones menos expuestas.
Uso de herramientas de IA y confianza en los resultados
Fuente: Stack Overflow Developer Survey.
La productividad: resultados diferentes en estudios distintos
Fuentes: METR y estudio de Google publicado en IEEE.
Los gráficos visualizan indicadores publicados, no predicciones sobre el futuro del empleo. Las muestras y metodologías deben consultarse en cada fuente.
6. Qué habilidades ganan importancia para un programador
Si parte del código rutinario puede generarse automáticamente, el valor profesional se desplaza hacia las tareas en las que el criterio técnico resulta decisivo.
| Habilidad | Cómo ayuda |
|---|---|
| Fundamentos de programación | Permiten entender, probar y corregir el código generado. |
| Depuración y testing | Ayudan a detectar errores y casos que la IA no ha previsto. |
| Diseño de sistemas | Conecta las piezas del software y evita soluciones frágiles. |
| Seguridad | Permite identificar vulnerabilidades y revisar dependencias. |
| Comprensión del producto | Ayuda a resolver la necesidad real del usuario, no solo a escribir código. |
| Uso de herramientas de IA | Permite automatizar tareas sin renunciar a la revisión y al control de calidad. |
La IA en el trabajo diario del programador
Qué puede acelerar y dónde sigue siendo importante la revisión humana.
| Tarea | Uso habitual de IA | Qué revisar |
|---|---|---|
| Código repetitivo | Muy útil Crear estructuras básicas y funciones sencillas. | Que se ajuste a los requisitos y convenciones del proyecto. |
| Pruebas y documentación | Puede acelerar Proponer tests y primeros borradores. | Casos límite, cobertura y exactitud de la documentación. |
| Depuración | Depende del contexto Sugerir causas y posibles correcciones. | Reproducir el fallo y comprobar que no introduce otros errores. |
| Seguridad | Apoyo limitado Detectar patrones sospechosos o revisar código. | Validar permisos, entradas, dependencias y amenazas. |
| Arquitectura del sistema | Asistencia Comparar alternativas y generar propuestas. | Coste, escalabilidad, mantenibilidad y necesidades del producto. |
Orientación cualitativa: no es un ranking estadístico. La utilidad depende de la herramienta, la tarea y el contexto del código.
¿Qué debería hacer alguien que quiere empezar ahora?
No es necesario intentar aprender todas las tecnologías a la vez. Es más útil seguir una ruta progresiva:
- Aprender bien un lenguaje, sus estructuras, las pruebas y el control de versiones.
- Crear proyectos propios que resuelvan problemas concretos.
- Utilizar IA para acelerar partes del trabajo y documentar qué se ha revisado y corregido.
- Aprender a explicar las decisiones técnicas, no solo a mostrar que el programa funciona.
Un proyecto pequeño, terminado y bien documentado puede demostrar más conocimientos que una colección de ejercicios generados automáticamente y que el autor no sabe explicar.
Cómo interpretar la próxima noticia sobre IA y empleo
Cuando una empresa anuncie que la IA permite reducir horas de programación, conviene preguntar si se refiere a una tarea, a un proyecto completo o al coste total de entregar software fiable. No son la misma medida.
Del mismo modo, una caída en las ofertas júnior no demuestra por sí sola que todos esos puestos hayan desaparecido por la IA. Para entender el cambio hay que observar la contratación, la creación de nuevos puestos, la productividad y las tareas que se están automatizando.
La señal más importante para quien empieza es que ya no basta con escribir código. Cada vez resulta más útil demostrar que se puede entender un problema, utilizar las herramientas adecuadas, comprobar los resultados y entregar una solución que funcione.
Artículo informativo. Las investigaciones citadas estudian muestras, periodos y herramientas diferentes. Sus resultados no garantizan lo que sucederá con todos los programadores ni con el mercado laboral futuro.