¿La IA va a sustituir a los programadores? Qué dicen los datos

Qué dicen los datos sobre empleo en programación

El World Economic Forum, en su Future of Jobs Report 2025, sitúa los roles de tecnología e ingeniería entre los que más crecerán en la próxima década a escala global. Y eso contando ya con la automatización. El informe estima que en tecnología se crearán más empleos de los que se destruirán, aunque su naturaleza cambiará mucho.

En España, el SEPE y el Observatorio de Ocupaciones señalan que la demanda de desarrolladores de software sigue alta. También hablan de una brecha entre los profesionales formados y las vacantes disponibles. InfoJobs, en su informe de 2024, colocó el desarrollo de software entre las diez categorías con mayor número de vacantes activas. No es la señal que esperarías si la IA estuviera sustituyendo al colectivo en masa.

GitHub publicó en septiembre de 2022 un estudio sobre Copilot y la productividad de los desarrolladores. Quienes usaban la herramienta completaban tareas hasta un 55% más rápido. El dato respalda que la IA aumenta la productividad del programador en lugar de eliminarlo. Pero tiene una lectura menos cómoda: a largo plazo, esa ganancia puede reducir cuántos programadores hacen falta para el mismo volumen de trabajo.

Qué tareas de programación puede hacer la IA hoy

Para medir el impacto real hay que bajar al detalle de lo que la IA hace bien. Los modelos actuales, como GPT-4o, Claude 3.5 o Gemini, rinden bien en varias tareas: generar código boilerplate y funciones estándar, escribir tests unitarios, explicar código existente y depurar errores comunes. También convierten código entre lenguajes y documentan funciones y módulos.

Sus límites también están claros. Les cuesta diseñar la arquitectura de sistemas complejos y entender el contexto de negocio que hay que traducir en requisitos técnicos. Tampoco resuelven bien los bugs sutiles de sistemas legacy llenos de interdependencias. En seguridad flojean: si nadie supervisa, tienden a generar código con vulnerabilidades. Y no deben tomar decisiones de ingeniería con consecuencias a largo plazo.

El patrón es reconocible. La IA brilla en la parte mecánica y repetitiva de la programación y pierde fuelle donde hace falta juicio, contexto y comunicación con personas. No es casualidad que esas sean justo las habilidades que suelen tener los programadores senior.

El efecto real en el mercado laboral: recalificación, no sustitución

La evidencia disponible hasta mediados de 2025 no muestra que la IA haya hecho caer el empleo de programadores. Lo que sí cambia es lo que se les pide. Las ofertas para desarrolladores incluyen cada vez más requisitos ligados a herramientas de IA: GitHub Copilot, Cursor, revisión de código asistida o integración de APIs de LLM.

La consecuencia es directa. El programador que no usa IA en su flujo de trabajo queda en desventaja frente al que sí la usa, porque este último rinde más. La IA no lo reemplaza; lo deja atrás su competencia. Según el informe "Jobs on the Rise 2025" de LinkedIn, los perfiles que mencionan herramientas de IA generativa (Copilot, LangChain y similares) se triplicaron en la plataforma entre 2023 y 2024 a nivel global. En España la tendencia fue parecida.

Hay otro efecto documentado: a los programadores junior la IA les afecta más que a los senior. Las tareas de entrada (pequeñas correcciones, scripts sencillos, documentación básica) son justo las que la IA ejecuta bien. Eso puede reducir la demanda de perfiles sin experiencia y complica la entrada al mercado a quien empieza.

Qué perfiles de programación tienen más riesgo

No todos los perfiles del desarrollo de software están igual de expuestos. A corto plazo, los más afectados son el desarrollo de aplicaciones web simples y sitios corporativos, el QA manual y la generación de código de integración entre APIs estándar. El soporte de primer nivel en código también entra en esa lista.

El menor riesgo lo tienen los perfiles que exigen entender a fondo el negocio y convertir necesidades complejas en sistemas técnicos. Hablamos de arquitectos de software, ingenieros de plataforma, especialistas en seguridad e ingenieros de datos a escala. También de quienes desarrollan para sectores regulados (médico, financiero, aeronáutico), donde la ley obliga a que haya supervisión humana.

Un detalle llamativo: quien construye o mantiene sistemas de IA corre menos riesgo que quien trabaja con software convencional. La demanda de ML engineers, AI engineers e ingenieros de datos con experiencia en pipelines de ML sigue alta y creciendo, según las métricas de empleo de LinkedIn para España.

Cómo adaptarse: habilidades que aumentan la resiliencia profesional

Ante este panorama, lo más pragmático para un programador es integrar la IA en su trabajo, sin ignorarla ni temerla. Quien la adopta rinde más y, de paso, conoce mejor sus limitaciones. Eso le hace más valioso a la hora de supervisar y auditar sistemas automatizados.

Según el análisis del mercado en España, estas son las habilidades que más resiliencia aportan:

• Arquitectura de sistemas y diseño de APIs.
• Trabajo con datos a escala: SQL avanzado, ETL y pipelines de datos.
• Seguridad informática y prácticas DevSecOps.
• Experiencia en despliegue y operación de modelos de ML en producción (MLOps).
• Comunicación con stakeholders no técnicos.

Nuestra recomendación es empezar por el criterio técnico. El programador de los próximos años trabaja con la IA, no compite contra ella. Y quien más gana con ese cambio es quien sabe cuándo fiarse del código generado y cuándo revisarlo a fondo.