IA en 2026: el derrumbe de los SIer y el nuevo rol del ingeniero

La inteligencia artificial ya no es una promesa; es el telón de fondo sobre el que se reescribe la industria del software. Los cinco artículos más leídos de @IT en la primera mitad de 2026 no son simples reportes de actualidad: son señales de un cambio tectónico en la forma en que las empresas y los ingenieros entienden su propio trabajo.

El primero en la lista fue la entrevista con Hiroshi (ひろゆき), una figura polarizante del ecosistema tecnológico japonés, quien lanzó una predicción que sacudió a los tradicionales integradores de sistemas (SIer). Según él, el modelo de negocio de estas grandes consultoras que durante décadas vivieron de proyectos a medida está condenado a desaparecer. La razón no es misteriosa: la IA ya puede escribir códigos simples, realizar pruebas automatizadas y hasta generar documentación. Pero lo que realmente incomoda es la respuesta que dio a los estudiantes que le preguntaban si debían seguir esa ruta: “mejor apunten a empresas grandes que no sean SIer”. El mensaje de fondo es que la habilidad de coordinar equipos y gestionar requerimientos complejos, que antes era el fuerte de estos integradores, está siendo erosionada por asistentes que entienden lenguaje natural y ejecutan tareas sin necesidad de intermediarios. Desde una perspectiva social, esto plantea un dilema: miles de ingenieros formados bajo ese modelo necesitarán una reconversión acelerada, y no todas las empresas están preparadas para ofrecerla.

El segundo artículo más leído aborda la viabilidad de los modelos de lenguaje locales (LLM) como Gemma 4, ejecutados en hardware propio. La conclusión es optimista: para tareas como traducción y resumen, un modelo local puede ser perfectamente funcional si se cuenta con una GPU adecuada o incluso un Mac moderno. Pero la letra pequeña es que la democratización del acceso a la IA tiene un costo de inversión en hardware que no todas las organizaciones pueden asumir, y que la brecha entre quienes tienen recursos para correr un modelo local y quienes deben depender de APIs en la nube se profundiza. Éticamente, la decisión de usar un modelo local versus uno en la nube no es solo técnica: implica control de datos, privacidad y soberanía digital, temas que apenas comienzan a discutirse en las juntas directivas latinoamericanas.

El tercer puesto lo ocupó una guía práctica sobre el uso de “prompts estructurados” para Google Gemini, basados en el marco RSFC (Rol, Situación, Formato, Condición). Más que un simple tutorial, este artículo refleja una verdad incómoda: la IA es tan inteligente como la inteligencia del que la interroga. La calidad de las respuestas depende de la precisión del prompt, y eso exige una habilidad que no se enseña en las universidades: saber formular preguntas con estructura lógica. Para las empresas, este es un llamado de atención sobre la necesidad de capacitar a su personal en “alfabetización de IA”, un gasto que muchas todavía ven como opcional.

El cuarto artículo destapa la paradoja más dolorosa de la eficiencia impulsada por IA. Lo que debía ser un acelerador se convirtió en una fuente de nuevos problemas: calidad de código que se degrada, equipos senior que terminan más saturados corrigiendo lo que la IA genera a medias, y una sensación de que la promesa de productividad no se materializa. Este fenómeno, que el artículo llama “inversión de roles”, tiene implicaciones éticas profundas: cuando se externaliza parte del razonamiento a la máquina, se corre el riesgo de perder la capacidad de juicio crítico sobre el código producido. Para el negocio, esto significa que la inversión en IA debe ir acompañada de procesos de revisión más robustos, no menos.

Finalmente, el quinto artículo propone una visión constructiva: en lugar de temer la sustitución, los ingenieros deben reinventarse en cuatro roles clave: desarrollo asistido por IA, mejora de procesos de negocio, análisis de datos y mantenimiento de la infraestructura subyacente. Esta taxonomía no es solo un ejercicio académico: sugiere que la verdadera diferenciación ya no estará en saber escribir código, sino en saber leer el contexto del negocio y diseñar sistemas que integren la IA de manera segura y escalable. Para cualquier CIO o CTO latinoamericano, la pregunta que deja este ranking es clara: ¿está su organización formando a su equipo para estos cuatro roles o sigue esperando que el ingeniero tradicional sobreviva en un entorno que ya no existe?