La IA reescribió Next.js en una semana y cambia el coste de desarrollar software

Una semana de trabajo. Mil cien dólares. Y un clon funcional de uno de los frameworks más complejos del desarrollo web actual. Esas son las cifras de un experimento que ha sacudido de verdad a la comunidad profesional de desarrolladores: un equipo de ingenieros reprodujo la arquitectura de Next.js con modelos de lenguaje y gastó menos de lo que gana en un día un desarrollador senior medio en Silicon Valley.

Para medir la magnitud del hecho conviene entender qué es Next.js. No es solo una biblioteca ni un proyecto didáctico: es un framework completo, listo para producción, creado por Vercel y desarrollado y mantenido por decenas de ingenieros durante muchos años. Incluye renderizado en servidor, sistema de enrutamiento, optimización de imágenes, soporte de TypeScript, mecanismos de caché y varias capas más de lógica arquitectónica compleja. Recrear una herramienta así por el método tradicional requeriría un equipo de varias personas y, como mínimo, varios meses de trabajo. Pero el mundo cambia más rápido de lo que se actualizan las expectativas profesionales.

El experimento se apoyó en una combinación de modelos de lenguaje modernos que funcionaban en modo agente. Es decir, no se limitaban a responder preguntas: ejecutaban tareas de forma secuencial, escribían código, lanzaban pruebas, analizaban errores e iteraban soluciones sin intervención humana constante. Los desarrolladores actuaron sobre todo como arquitectos: formularon las tareas, controlaron la dirección del trabajo y evaluaron los resultados. La generación, depuración y refactorización del código recayó en las redes neuronales. Los 1100 dólares del coste final son, literalmente, la factura de las peticiones de API a los modelos de lenguaje, es decir, lo que el sistema gastó en «pensar».

Hay un punto fundamental: no se trata de escribir unos cuantos scripts ni de automatizar tareas rutinarias. Los agentes de IA trabajaron con decisiones de arquitectura: decidieron la estructura de los módulos, gestionaron las dependencias entre componentes e implementaron patrones complejos de programación asíncrona. Ahí estaba precisamente la frontera que se consideraba inalcanzable para la automatización: tareas que exigen pensamiento sistémico y no solo reproducir plantillas. Todo indica que esa frontera empieza a moverse.

Para la industria, las consecuencias de experimentos como este pueden ser bastante más serias de lo que parece a primera vista. Si el coste de reproducir un producto de software complejo cae con rapidez, cambian los cálculos económicos básicos del desarrollo. Una startup que antes necesitaba una ronda de financiación solo para reunir un equipo y construir un MVP puede conseguir ahora un prototipo funcional por una suma comparable a la suscripción mensual de servicios en la nube. Las grandes empresas, por su parte, empezarán a preguntarse cuántas tareas de ingeniería requieren de verdad participación humana y cuántas pueden delegarse en sistemas de agentes. No es una cuestión filosófica abstracta: es una cuestión de contratación, presupuestos y estructura organizativa.

Aun así, sería simplista interpretar el experimento como prueba de que los desarrolladores sobran. Todo el proceso lo dirigieron personas que entendían qué construían, para qué y en qué dirección avanzar. Los modelos de lenguaje multiplicaron la productividad del equipo, pero no sustituyeron la competencia. La diferencia entre el arquitecto y el albañil no ha desaparecido; simplemente, los albañiles trabajan ahora a la velocidad de las máquinas.

Lo que ocurre no es el fin de la era de la programación, sino el comienzo de una nueva fase. Donde antes se valoraba al especialista capaz de escribir código correcto, cada vez pesa más saber plantear bien la tarea, evaluar el resultado y montar un sistema con componentes, algunos creados de forma autónoma. Los próximos dos o tres años probablemente mostrarán hasta qué punto es sólida esta tendencia y dónde están exactamente los límites de lo que los agentes de IA pueden hacer con fiabilidad, y no solo de forma vistosa. Por ahora, la cifra de 1100 dólares sigue siendo el indicador más preciso de la escala del cambio, y habla por sí sola.