Imagina darle una calculadora a un niño que todavía no entiende qué significa multiplicar. Va a apretar botones, va a obtener resultados, y probablemente va a sentirse muy productivo. Pero cuando la calculadora se equivoque, y se va a equivocar, no va a tener ni idea de por qué el resultado está mal.
Eso, exactamente eso, es lo que está pasando con los desarrolladores junior y los asistentes de IA como GitHub Copilot, Cursor o Claude Code.
Un artículo en Dev.to del ingeniero Aditya Agarwal describió el patrón que muchos equipos ya reconocen: Copilot genera código que se ve bien, el junior lo acepta porque no sabe identificar el error, el senior lo aprueba rápido porque el código se ve limpio, y el bug termina en producción.
Pero esto no es solo una anécdota. La evidencia que ha acumulado la industria en los últimos dos años pinta un cuadro más preocupante de lo que parece.
La MIT Technology Review documentó que la confianza en el output de las herramientas de IA cayó al 29%, once puntos menos que en 2024. El 66% de los desarrolladores dice que su mayor frustración es recibir código que es “casi correcto, pero no del todo”.
El problema no es que la IA produzca basura, sino que produce cosas que parecen correctas y no lo son.
Un análisis de Forbes citó estudios de CodeRabbit que encontraron que el código generado por IA tiene 2.74 veces más vulnerabilidades de seguridad que el escrito por humanos. Veracode, una empresa de seguridad de aplicaciones, reportó que el 45% del código generado por más de 100 modelos de lenguaje contenía fallos de seguridad graves.
GitClear analizó 211 millones de líneas de código y encontró que la tasa de código que hay que reescribir a las dos semanas se duplicó (de 3.1% a 5.7%), mientras que el refactoring, la práctica de mejorar el código existente, cayó un 60%. Los asistentes de IA favorecen añadir código nuevo sobre mejorar el que ya está, y eso genera una deuda técnica que se paga después con intereses.
Quizás el hallazgo más revelador viene de la Universidad de Harvard, que estudió a 187,000 desarrolladores y descubrió que el uso de Copilot redujo la colaboración entre pares en un 80%.
Los programadores dejaron de pedir ayuda a sus compañeros y empezaron a preguntarle a la máquina. Frank Nagle, uno de los autores del estudio, llamó a esto “un error estratégico profundo” si las empresas dejan de contratar juniors asumiendo que la IA puede reemplazarlos.
Y hay una contradicción que pocos mencionan. Mientras GitHub y Microsoft reportan que los desarrolladores completan tareas 55% más rápido con Copilot, un estudio independiente de METR encontró que los desarrolladores experimentados eran en realidad 19% más lentos con herramientas de IA, aunque se sentían 20% más rápidos.
La brecha entre la percepción y la realidad es enorme, y los más afectados son quienes todavía están formando su criterio técnico.
Amazon ya está tomando medidas. La empresa ahora exige que desarrolladores senior supervisen y aprueben todo el código generado con IA por juniors y mid-levels. Una solución práctica, pero que no resuelve el problema de fondo: si los juniors nunca escriben código malo del que aprender, ¿cómo van a desarrollar el instinto para distinguir el código bueno del que solo se ve bien?
La IA no va a desaparecer y no debería hacerlo. El problema no es la herramienta, es cómo la estamos usando. Entregarle una calculadora a alguien que no sabe multiplicar no lo hace matemático. Lo hace dependiente de la calculadora.