Habr AI: la generación de código cambia el rol del desarrollador — menos rutina, más arquitectura

Habr AI ha publicado una columna sobre cómo la generación masiva de código está cambiando la mecánica del desarrollo en sí misma. El autor concluye que la profesión de programador no está desapareciendo, pero el centro de gravedad se está desplazando desde la escritura manual de líneas de código hacia la arquitectura, la verificación de resultados y la depuración.

El Desarrollador como Editor

El punto de partida fue un experimento práctico: el autor intentó construir casi un servicio completo mediante generación de código, delegando en un modelo la API, la base de datos y los manejadores. En este contexto, el esquema habitual de «sentarse y escribir» se rompe rápidamente. El desarrollador ya no teclea controladores y SQL manualmente, sino que define la estructura, las restricciones y el comportamiento esperado, para recibir a continuación un borrador del sistema. El trabajo sube un nivel: de implementar cada función — a describir la tarea y editar posteriormente el resultado.

Esto también cambia dónde se invierte el tiempo. Si antes la mayor energía se destinaba a escribir código, con el uso masivo de generadores el principal cuello de botella se convierte en entender exactamente qué ha salido como resultado. El código ajeno siempre ha sido caro de mantener, y la IA lo hace aún más «ajeno», incluso si fue creado a partir de tu propia solicitud.

El autor lo formula con total claridad:

«El tiempo de escritura de código casi desaparece.

Pero el tiempo de comprensión del código, por el contrario, crece.»

Arquitectura y Depuración

La segunda idea clave de la columna es que el código en sí mismo deja de ser la principal escasez. Generar un endpoint, una operación CRUD o un servicio típico ya no es un problema hoy en día. Mucho más difícil es decidir cómo debe estar estructurado el sistema en su conjunto para que ese código no se derrumbe en seis meses.

Es precisamente por eso que la arquitectura pasa a un primer plano: un modelo puede producir un fragmento funcional, pero raramente asume la responsabilidad por la coherencia a largo plazo del proyecto, el coste de los cambios y los riesgos operativos.

En términos prácticos, esto significa que el desarrollador es cada vez más responsable no de cada línea, sino de un conjunto de decisiones sistémicas:

• dónde y en qué formato se almacenan los datos
• cómo escala el servicio bajo una carga creciente
• cómo están estructurados el caché y el data pipeline
• cómo se coordinan los estilos, las plantillas y los límites de los módulos
• cómo se verifican los errores lógicos en el código generado

De aquí surge también el nuevo coste de la depuración. La columna ofrece un ejemplo revelador de una función de normalización que aparenta funcionar correctamente, pero devuelve 0,5 en lugar de 0 para un valor negativo. Este tipo de errores es especialmente problemático: la sintaxis es limpa, la estructura es cuidadosa, los tests pueden ser insuficientes, y el problema lógico se esconde en una sola línea. Cuando el código no ha sido escrito por ti, encontrar el origen de un fallo es aún más difícil, porque no tienes la memoria de autor sobre cómo se tomó la decisión.

Existe también otro riesgo: la dispersión de la base de código en distintos estilos. Un generador escribe de una manera, otro de otra; un año después el equipo cambia de herramienta y con ella cambian la estructura de las funciones, el manejo de errores y los patrones de nomenclatura. El resultado no es un proyecto unificado, sino una mezcla de diferentes estilos de escritura, cada vez más difícil de leer y mantener.

De ahí la predicción del autor: el próximo gran mercado podría no ser el de los generadores de código, sino el de las herramientas capaces de analizar, explicar y poner en orden el código escrito por IA.

Qué Significa Todo Esto

La generación masiva de código, si realmente se convierte en el estándar, difícilmente hará que los desarrolladores sean innecesarios. Más bien, reconfigurará la profesión: menos escritura manual, más diseño, revisión e investigación de comportamientos extraños del sistema.

En este contexto, la idea de una nueva especialización resulta especialmente verosímil: la de un ingeniero que sabe formular correctamente una tarea para un generador, verificar el resultado y mantener la arquitectura en buen estado.

Solo el inicio se volverá más fácil. Todo lo demás, al parecer, será incluso más difícil.