El Día del Programador, celebrado tradicionalmente en el día 256 del año, encuentra a la industria en medio de una transformación profunda: los desarrolladores ya no solo escriben instrucciones línea por línea, sino que empiezan a diseñar, supervisar y validar sistemas construidos también con ayuda de modelos de inteligencia artificial.
El número 256 no fue elegido al azar. Corresponde a la cantidad de valores que puede representar un byte y, en los años no bisiestos, cae el 13 de septiembre. La fecha funciona como una pequeña declaración de principios para una profesión acostumbrada a convertir abstracciones matemáticas en herramientas que terminan formando parte de la vida cotidiana.
La programación, sin embargo, ha cambiado radicalmente desde sus primeros lenguajes. Durante décadas, el reto consistió en expresar con precisión cada operación que una máquina debía ejecutar. Después llegaron lenguajes de mayor nivel que permitieron alejarse de los detalles del hardware y concentrarse en problemas más cercanos al lenguaje humano. Python es un buen ejemplo de esa evolución: creado a comienzos de los años noventa por Guido van Rossum, fue concebido como sucesor del lenguaje ABC y apostó por una sintaxis más accesible.
El resultado fue una progresiva separación entre la intención del programador y la forma exacta en que esa intención debía traducirse a instrucciones. Esa tendencia no desapareció con la llegada de nuevos lenguajes; al contrario, se aceleró. Bibliotecas, marcos de desarrollo, compiladores y herramientas automáticas fueron asumiendo tareas que antes exigían escribir mucho más código manualmente.
Ahora la inteligencia artificial introduce un cambio todavía más llamativo. Los modelos de lenguaje pueden recibir una descripción de lo que se desea construir y proponer funciones, pruebas, consultas de bases de datos o estructuras completas de software. El programador puede pasar menos tiempo redactando cada instrucción y más tiempo definiendo qué debe hacer el sistema, comprobando si lo hace correctamente y decidiendo cómo encajan sus diferentes componentes.
Los datos muestran que ya no se trata de una promesa distante. La encuesta de desarrolladores de Stack Overflow de 2025 encontró que el 84 % de los participantes utiliza o planea utilizar herramientas de inteligencia artificial durante su proceso de desarrollo, mientras que el 51 % de los desarrolladores profesionales afirmó utilizarlas diariamente. La misma encuesta revela, sin embargo, una cautela significativa: el 46 % desconfía de la precisión de estas herramientas frente al 33 % que confía en ella.
Esa desconfianza tiene una explicación práctica. Una herramienta de IA puede producir código que parece impecable y, aun así, contener errores, vulnerabilidades o decisiones arquitectónicas poco convenientes. El problema no siempre aparece al ejecutar una función sencilla. Puede esconderse en la forma de manejar permisos, datos personales, excepciones o situaciones que el modelo no contempló.
La experiencia de GitHub con Copilot ilustra tanto el potencial como la nueva responsabilidad. Investigaciones realizadas por la compañía con desarrolladores han reportado mejoras importantes en velocidad y percepción de productividad. Pero esos resultados no eliminan la necesidad de revisión humana. De hecho, los propios datos de Stack Overflow muestran que una de las mayores frustraciones de los desarrolladores consiste precisamente en recibir soluciones que están «casi bien» y después tener que depurarlas.
Por eso, el cambio de paradigma no consiste simplemente en sustituir programadores por máquinas. La transformación más profunda está en el tipo de trabajo que adquiere valor. Cuando una herramienta puede generar en segundos una función rutinaria, entender el problema, elegir una arquitectura adecuada, formular buenas instrucciones, evaluar resultados y mantener un sistema complejo se vuelven capacidades todavía más importantes.
La evolución de los lenguajes de programación ya había enseñado esa lección. Cada nueva capa de abstracción permitió que los desarrolladores pensaran menos en la máquina y más en el problema. Los modelos de lenguaje llevan esa abstracción un paso más lejos: permiten describir parte del problema con palabras y recibir a cambio una primera implementación.
Pero hay una diferencia decisiva. Un compilador sigue reglas determinadas; un modelo de lenguaje genera respuestas probabilísticas y puede equivocarse de maneras difíciles de anticipar. Por eso el futuro de la profesión probablemente no será un mundo sin código, sino un entorno en el que escribir código sea solo una parte del oficio.
En este Día del Programador, la celebración adquiere así un significado distinto. El programador del futuro no será necesariamente quien teclee más rápido. Será quien comprenda mejor qué necesita construirse, sepa delegar una parte del trabajo a las máquinas y, sobre todo, tenga el criterio suficiente para reconocer cuándo una respuesta aparentemente brillante es equivocada.
