En las últimas semanas han ocurrido tres cosas que, vistas por separado, parecen incidentes aislados. Pero juntas dibujan una realidad incómoda: la inteligencia artificial para programar está creando una dependencia que ni los desarrolladores ni las empresas terminan de entender, y los primeros datos concretos no son alentadores.
METR, una organización que mide el impacto de la IA en tareas complejas, intentó repetir su experimento de 2025 sobre productividad en desarrolladores open source. No pudo. La razón: entre el 30% y el 50% de los participantes se negaron a trabajar sin IA, incluso cobrando 50 dólares por hora.
Uno de ellos no completó ninguna de las tareas asignadas a la condición “sin IA”. “Mi cabeza va a explotar si intento hacer demasiado a la antigua”, dijo un participante. El estudio original de 2025 ya había encontrado que usar IA hacía que las tareas tomaran un 19% más tiempo, no menos.
Amazon y el “tokenmaxxing”: cuando la IA era un videojuego de métricas
En Amazon, un experimento interno llamado Kirorank terminó mal. Era un dashboard que rankeaba a los empleados según su uso de herramientas de IA en la plataforma Kiro.
Los ingenieros comenzaron a inflar su actividad —lo que llamaron “tokenmaxxing”— ejecutando agentes de IA en tareas sin sentido solo para subir en el ranking, disparando los costos de cómputo de la compañía.
Amazon desactivó el dashboard y un vicepresidente senior tuvo que pedir: “Por favor, no uses IA solo por usarla”.
Uber quemó su presupuesto de IA en cuatro meses sin ver retorno claro
En Uber la historia es similar pero con ceros más grandes. El CTO Praveen Neppalli Naga reveló que los ingenieros agotaron todo el presupuesto de IA asignado para 2026 en solo cuatro meses, principalmente usando Claude Code de Anthropic.
El COO Andrew Macdonald admitió en un podcast que “es muy difícil trazar una línea” entre el costo creciente de la IA y las funcionalidades útiles para los clientes.
CodeRabbit y SMU confirman: el código de IA tiene más bugs y deuda técnica persistente
Si los estudios de productividad dan señales contradictorias y las empresas no ven retorno, ¿qué dice la evidencia sobre el código mismo? CodeRabbit analizó 470 pull requests open source y encontró que el código generado por IA contiene 1.7 veces más problemas por PR que el código humano, y 2.74 veces más vulnerabilidades de seguridad.
Un estudio masivo de la Singapore Management University sobre 302,600 commits de IA en 6,299 repositorios encontró que el 22.7% de los defectos introducidos por asistentes de IA siguen presentes en la versión más reciente del código. Dicho de otro modo: la deuda técnica generada por IA no se paga sola.
El columnista y referente de ingeniería de software James Shore lo resumió con una frase que debería estar en la pared de todo CTO: “Escribes código dos veces más rápido, pero si los costos de mantenimiento suben tres veces, estás peor”.
Qué significa esto para el desarrollador LATAM
Para el desarrollador hispanohablante, todo esto tiene una lectura directa. En LATAM, donde muchas empresas están adoptando AI coding tools sin procesos de calidad maduros, los riesgos de la dependencia de IA se multiplican.
Sin revisiones de código robustas ni métricas de deuda técnica, el “tokenmaxxing” y la acumulación de código defectuoso pueden pasar desapercibidos hasta que sea demasiado tarde.
La IA para programar no va a desaparecer, ni debería. Pero los datos de 2026 son claros: la herramienta no es el problema. El problema es usarla sin entender el tradeoff entre velocidad inmediata y costo a largo plazo.