El último estudio de Anthropic muestra que los desarrolladores que se apoyan en la IA para la generación de código obtienen puntuaciones un 17 % más bajas en las pruebas de comprensión de conceptos y no terminan las tareas más rápido que sus compañeros que confían en la documentación y las búsquedas web. Los hallazgos subrayan que, si bien la IA puede generar código funcional en segundos, no reduce el coste de la verdadera experiencia en ingeniería.

Por qué es importante el estudio

El experimento dividió a los desarrolladores en dos cohortes. Un grupo recibió acceso sin restricciones a una herramienta de generación de código por IA; el otro resolvió los mismos problemas utilizando únicamente la documentación oficial y búsquedas en internet. Tras las tareas, los participantes realizaron un cuestionario para evaluar su comprensión de los principios subyacentes. La puntuación media de la cohorte asistida por IA fue un 17 % inferior, y ninguno de los dos grupos mostró una ventaja de velocidad mensurable.

En términos prácticos, el “vibe coding” —pedir a una IA que produzca un fragmento de código y lanzarlo sin una inspección profunda— no aumenta la productividad. Simplemente enmascara una brecha de conocimiento que más tarde estalla en forma de errores, dolores de cabeza en el mantenimiento o costosas reescrituras.

El contexto detrás de las cifras

La investigación de Anthropic muestra que la promesa es incompleta. Los participantes que utilizaron la IA para cada paso —copiando y pegando sugerencias, ajustando nombres de variables y pasando a lo siguiente— fueron los que menos aprendieron sobre el dominio del problema. Los desarrolladores que trataron la herramienta como un colaborador —haciendo preguntas precisas y específicas para luego diseccionar el código devuelto— retuvieron más el marco conceptual.

Esta distinción refleja una observación más amplia de la industria: los ingenieros de prompts pueden lanzar una función en minutos, pero un ingeniero de sistemas avanza más rápido a medida que aumenta la complejidad. Ellos anticipan qué se rompe y qué no escala. Su velocidad refleja juicio, no ineficiencia.

Quién gana y quién pierde

Ingenieros que mantienen el juicio Los ingenieros que comprenden la arquitectura, saben dónde las estructuras deben ser rígidas o flexibles y pueden reescribir componentes sin romper el sistema, ahorran dinero a las organizaciones a largo plazo. Su conjunto de habilidades protege contra la deuda técnica oculta que suele seguir al código generado por IA, el cual puede parecer limpio pero carece de una intención explícita.

Especialistas en prompts Aquellos que tratan la IA como una varita mágica pueden entregar prototipos rápidos o resolver errores aislados. A corto plazo, parecen productivos, pero cuando la base de código se expande, las suposiciones ocultas en los fragmentos producidos por la IA se convierten en un lastre. La depuración se transforma entonces en una búsqueda de la intención original, lo que infla los costes de mantenimiento.

La organización Las empresas que dependen excesivamente del desarrollo basado únicamente en IA corren el riesgo de sufrir mayores gastos futuros: más tiempo dedicado a la depuración, la refactorización y la incorporación de nuevos ingenieros que deben descifrar código opaco. Las compañías que combinan la asistencia de la IA con prácticas de ingeniería disciplinadas obtienen beneficios de velocidad manteniendo la estabilidad a largo plazo.

Los detalles que la mayoría de los informes pasan por alto

  • Impacto en el aprendizaje: La brecha del 17 % se midió en un cuestionario que evaluaba la comprensión, no solo el recuerdo de la sintaxis. Indica una erosión real de los modelos mentales, no un conocimiento superficial.
  • Tiempo de finalización de tareas: A pesar del atractivo del código instantáneo, el estudio no encontró una diferencia estadísticamente significativa en el tiempo que cada grupo tardó en completar la tarea. Las ganancias de velocidad fueron ilusorias.
  • El método importa: El estudio destacó un espectro de uso de la IA. La dependencia pura de la IA produjo los peores resultados de aprendizaje, mientras que el uso de prompts selectivos e inquisitivos produjo mejores resultados. Los titulares que proclaman que “la IA hace que la programación sea más rápida” a menudo pasan por alto este matiz.

Contraargumento: La IA no es inútil

El estudio no niega los beneficios en nichos específicos; simplemente advierte contra la extrapolación de estos a todo el proceso de desarrollo de software. Cuando el problema implica diseño de sistemas, ajuste de rendimiento o consideraciones de seguridad, el juicio humano sigue siendo indispensable.

Conclusión

La IA puede entregarte un monopatín, pero sin conocimientos de frenado y dirección, te estrellarás cuando la carretera curve. La tecnología reduce la barrera para escribir código, pero la escasez sigue estando en los ingenieros que pueden razonar sobre sistemas, anticipar fallos y mantener el software vivo a medida que crece. Invertir en ese juicio, en lugar de esperar que un prompt lo reemplace, sigue siendo la forma más inteligente de controlar el coste a largo plazo.