IA hoy Claude Code impulsa una explosión de programadores y plantea riesgos de capacidad en Latinoamérica
Boris Cherny prevé 2 080 millones de programadores en tres años, pero estudios advierten que la sustitución de talento por IA puede erosionar capacidades críticas, un reto para la región.
Crecimiento explosivo vs. erosión de capacidades
Boris Cherny, creador de Claude Code, afirma que en los próximos tres años el número de personas que escriben código se multiplicará por 100, pasando de los 20,8 millones actuales a cerca de 2 080 millones a nivel global JetBrains. En su experiencia personal, Cherny lleva más de seis meses sin escribir una sola línea de código; todo su trabajo reciente ha sido generado por la IA que diseñó.
Al mismo tiempo, investigadores de la AiSuNe Foundation describen un fenómeno opuesto: la sustitución de mano‑obra humana por IA puede generar una apariencia de productividad mientras se oculta una pérdida gradual de conocimiento y habilidades críticas. Este proceso, llamado capability erosion, implica que la salida de código generada por IA requiere verificación humana intensiva y que la dependencia de contextos amplios de repositorios sigue siendo limitada AiSuNe paper.
Implicaciones para ejecutivos latinoamericanos
- Mercado laboral: La proyección de Cherny sugiere una demanda de talento mucho mayor, pero la realidad de la región —con salarios promedio de programador entre USD 1.500 y 3.000 mensuales y brechas de capacitación— indica que la adopción masiva de asistentes de código podrá ampliar el pool de participantes, siempre que se invierta en educación básica de programación.
- Regulación y cumplimiento: Países como México y Brasil están evaluando marcos de IA que exijan auditorías de código generado automáticamente, lo que podría elevar los costos de integración para startups que dependen exclusivamente de herramientas como Claude o Copilot.
- Riesgo de capacidad: La evidencia de la AiSuNe Foundation advierte que una reducción de equipos de desarrollo en favor de IA genera capability debt. En Latinoamérica, donde la retención de talento ya es un desafío, la pérdida de procesos de mentoría y revisión de código podría traducirse en mayor vulnerabilidad a fallos de seguridad y a costos de mantenimiento a largo plazo.
Estrategia práctica
Los directores de tecnología deben equilibrar la adopción de IA con planes de fortalecimiento de la cadena de habilidades. Una hoja de ruta viable incluye: 1. Documentar cada intervención de IA en el repositorio y asignar revisiones obligatorias. 2. Mantener programas internos de mentoría que permitan a los nuevos "builders" adquirir experiencia más allá de la generación automática. 3. Incorporar métricas de calidad de código (test coverage, vulnerabilidades) antes de cerrar ciclos de desarrollo. 4. Evaluar el impacto regulatorio local al escoger proveedores de IA, priorizando aquellos con certificaciones de auditoría de datos.
Al aplicar estas prácticas, las empresas pueden aprovechar la ampliación del pool de programadores que Cherny anticipa, sin incurrir en la fragilidad estructural que la investigación académica advierte.
Proyección a futuro
Si la tendencia de los "Programadores X10" evoluciona hacia "Programadores X100", la región podría convertirse en un hub de desarrollo low‑code/AI‑code, siempre que políticas de formación y gobernanza de IA acompañen la expansión tecnológica.
