La pregunta parece casi ingenua ahora.
Si la IA puede generar aplicaciones, corregir errores, escribir funciones, revisar solicitudes de extracción, explicar bases de código desconocidas y trabajar con archivos durante horas seguidas, ¿por qué alguien debería seguir aprendiendo a codificar?
Es una pregunta comprensible. El mundo del software ha pasado el año pasado observando a los agentes de codificación pasar de demostraciones impresionantes a flujos de trabajo diarios. Los desarrolladores ya no solo piden ayuda a los chatbots con la sintaxis. Están delegando tareas, comparando resultados, supervisando agentes y descubriendo el código que se escribió mientras estaban lejos del teclado.
Al mismo tiempo, la codificación ya no es sólo una conversación de desarrolladores. Los fundadores utilizan herramientas de inteligencia artificial para crear prototipos de productos antes de contratar equipos técnicos. Los gerentes de producto los utilizan para probar ideas. Los diseñadores los utilizan para hacer que las interfaces sean interactivas. Los operadores los utilizan para automatizar los flujos de trabajo internos. La capacidad de crear software se está extendiendo más allá de las personas que tradicionalmente se llamaban a sí mismos ingenieros de software.
Por lo tanto, la mejor pregunta tal vez no sea si la gente aún debería aprender a codificar.
Es lo que significa ahora «aprender a codificar».
La antigua respuesta se refería principalmente a la sintaxis, los marcos y la disciplina de crear software línea por línea. Eso todavía importa. Pero la IA está cambiando el centro de gravedad. El valor se dirige hacia el juicio: saber qué construir, cómo describirlo, qué contexto necesita el sistema, si el resultado es bueno y dónde se esconden los riesgos.
En otras palabras, el futuro de la codificación puede implicar menos escritura.
Pero requerirá más comprensión.
Codificación de Vibe para trabajo real
Esa transformación fue visible en SXSW este año durante una sesión con Bolt.new y Anthropic. La conversación no fue sobre la versión de fantasía de la codificación con IA, donde una persona escribe una oración y aparece un producto perfecto. Se trataba de algo más maduro: cómo las herramientas de codificación agentes están pasando de prototipos divertidos a flujos de trabajo reales de la empresa.
Bolt se convirtió en uno de los ejemplos más claros de la nueva ola de codificación de IA porque hizo que la creación de software pareciera inmediata. Un usuario podría describir una aplicación y ver rápidamente algo funcionando en la pantalla. Esa experiencia ayudó a popularizar el lenguaje de la “codificación de vibraciones”, una frase que capta tanto la magia como el peligro del momento.
Pero en SXSW, Eric Simons, director ejecutivo de Bolt describió un caso de uso más estructurado. El valor de Bolt, dijo, a menudo es “creación rápida de prototipos”. No reemplazar el código base de producción. No permitir que todos los empleados realicen envíos directamente a los clientes. En cambio, brinda a los equipos una forma de explorar cómo debe verse, sentirse y comportarse una característica antes de dedicar tiempo de ingeniería.
Esa distinción importa.
En muchas empresas, el cuello de botella no es sólo escribir código. Es alineación. Los equipos de producto, diseñadores, ejecutivos y clientes a menudo necesitan ver y tocar una idea antes de poder decidir si vale la pena desarrollarla. Las herramientas de inteligencia artificial agilizan esa exploración. Pero la oportunidad más seria es conectar esos prototipos a los sistemas que una empresa ya utiliza.
Simons describió un flujo de trabajo en el que Bolt puede trabajar con el sistema de diseño real de una empresa, los componentes de la interfaz de usuario y las formas API, por lo que un prototipo no es solo una maqueta desechable. Una vez que la experiencia está asegurada, un agente de codificación como Claude Code puede ayudar a traducir ese trabajo en algo más cercano al entorno de producción.
La parte importante es el traspaso. Las personas que no son ingenieros pueden dar forma a ideas en una caja de arena. Los ingenieros todavía protegen el sistema de producción. Entre ambos, el agente se convierte en un puente.
Esa es una historia muy diferente a la de «La IA reemplaza a los desarrolladores». Se acerca más a esto: la IA cambia quién puede participar en el trabajo del software y cambia para qué se necesitan los desarrolladores.
El contexto se está convirtiendo en la nueva habilidad
Esta es también la razón por la que la conversación ha ido más allá de la ingeniería rápida.
Hace unos años, gran parte de los consejos sobre las herramientas de inteligencia artificial se centraban en indicaciones: cómo formular instrucciones, cómo estructurar solicitudes, cómo obtener mejores respuestas del modelo. Esa habilidad todavía tiene cierto valor, pero se está volviendo menos central a medida que mejoran los modelos.
El patrón más fuerte ahora es el contexto.
El portavoz de Anthropic describió las «habilidades» como una forma de brindar a los agentes conocimientos útiles a los que pueden recurrir cuando sea necesario. En lugar de forzar cada instrucción en un mensaje perfecto, los equipos pueden brindar a los agentes acceso a los documentos, reglas, ejemplos y flujos de trabajo correctos.
Para las empresas, ahí es donde comienza el verdadero trabajo. Un agente de codificación útil no sólo necesita una solicitud. Necesita comprender el entorno que rodea la solicitud: el sistema de diseño, el código base, la cultura de prueba, las expectativas de seguridad, la lógica del producto y las convenciones que hacen que el software de una empresa sea diferente del de otra.
Alguien tiene que saber qué contexto importa.
Alguien tiene que saber si el agente está utilizando el componente correcto, respetando la restricción correcta o tomando una decisión que creará problemas más adelante.
La persona que comprende el sistema se vuelve más valiosa, no menos.
La entrevista de codificación ya está cambiando
La misma evolución está empezando a aparecer en la contratación. Una de las partes más interesantes de la sesión SXSW no fue sobre herramientas, sino sobre talento.
Simons dijo que “algunas de las personas más increíbles” que Bolt había contratado en los últimos seis meses no aprobaron la antigua entrevista técnica o solo habrían aprobado después de que la empresa cambiara su proceso. Lo que los hacía excepcionales, dijo, era que estaban «usando herramientas de agente para realizar el trabajo».
Eso no significa que la entrevista técnica esté muerta. Significa que la señal está cambiando.
Bolt ahora pregunta a los candidatos qué herramientas de inteligencia artificial utilizan y cómo las utilizan. La cuestión no es si alguien puede nombrar productos populares. Se trata de si realmente los han explorado lo suficientemente profundo como para construir algo significativo.
Como dijo Simons: «Muéstranos lo que creaste, muéstranos cómo funciona. Si es real, entonces está bien, esta persona puede hacer el trabajo».
Eso parece mucho más cercano a la realidad del trabajo ahora. Si las herramientas de inteligencia artificial son parte del trabajo, evaluar a los candidatos como si esas herramientas no existieran da una imagen incompleta. Pero lo contrario también es cierto. Si alguien usa la IA sin comprender lo que produce, eso no es fluidez. Es dependencia.
El lado de la conversación de Anthropic mantuvo esa tensión intacta. La empresa todavía utiliza al menos una entrevista en la que los candidatos trabajan sin ayuda de IA, leyendo y escribiendo algo de Python. Pero el objetivo no es probar oscuros trucos de sintaxis. Se trata de ver si alguien puede comprender patrones, depurar un agente y razonar a través de un sistema.
Ese puede ser el nuevo equilibrio: fluidez con los agentes, además de suficiente profundidad técnica para saber cuándo se equivocan.
Entonces, ¿la gente debería seguir aprendiendo a codificar?
Sí. Pero no porque todo el mundo necesite convertirse en ingeniero de software tradicional.
Deberían aprender porque el software es cada vez más la superficie a través de la cual se realiza el trabajo. Incluso cuando la IA escribe el primer borrador, la gente todavía necesita comprender lo que se está creando. Necesitan saber cuándo algo es frágil, cuándo es seguro, cuándo es escalable y cuándo sólo parece impresionante en una demostración.
Simons lo señaló directamente. “Escribir software es quizás un problema menor ahora”, dijo. «Pero ¿qué pasa con la revisión? ¿Cómo escalamos esto?»
Ésa puede ser la versión más honesta de la respuesta.
Cuanto más fácil resulta generar código, más importante resulta saber si ese código debería existir, si funciona y si se puede confiar en él.
Esta es la razón por la que la alfabetización en codificación no desaparece. Cambia de forma. Se trata menos de memorizar la sintaxis y más de comprender los sistemas. Menos sobre producir cada línea y más sobre dirigir, revisar, probar y mejorar lo que producen los agentes.
El año en que la codificación agente comienza a madurar
La industria ya se está moviendo en esa dirección.
En junio, AWS agregó el agente de codificación Codex de OpenAI a Amazon Bedrock, poniéndolo generalmente a disposición de los clientes empresariales a través de la infraestructura de AWS y un modelo de pago por token. Es una señal pequeña pero reveladora: la codificación agente se está convirtiendo en parte de las plataformas en la nube y los canales de adquisición donde las grandes empresas realmente adoptan software.
Anthropic ha seguido impulsando a Claude Code hacia flujos de trabajo más grandes y complejos. OpenAI ha posicionado al Codex no sólo como una herramienta de codificación, sino también como un agente más amplio para el trabajo del conocimiento. La dirección es clara: los agentes están pasando de los experimentos secundarios a la estructura diaria de cómo se realiza el trabajo.
Pero lo más interesante no es que las herramientas estén mejorando. Es que las empresas están empezando a diseñar en torno a ellos.
Eso significa nuevos flujos de trabajo, nuevos modelos de precios, nuevas señales de contratación, nuevos hábitos de gestión y nuevas expectativas para los empleados. También significa una nueva división: no entre personas que saben codificar y personas que no, sino entre personas que pueden trabajar eficazmente con sistemas inteligentes y personas que todavía están esperando que se asiente el polvo.
En SXSW, Bolt y Anthropic capturaron ese momento de transición. La primera ola de codificación de IA fue eufórica, desordenada y experimental. La próxima ola es más operativa. Se trata de permisos, contexto, sistemas de diseño, pruebas, revisión y transferencias seguras a producción.
Como dijo Simons cerca del final de la sesión, las empresas están empezando a adoptar estas herramientas «de manera real, no sólo como juguetes exploratorios».
“Este es el año de la maduración”, dijo.
Esto es menos llamativo que la promesa de un software instantáneo. Pero es mucho más importante.
El futuro de la codificación no es simplemente que las máquinas escriban más. Lo harán. El futuro es que más personas podrán participar en la configuración del software, mientras que las personas que entienden profundamente el software serán responsables de asegurarse de que funcione.
Así que sí, aún deberías aprender a codificar.
No porque el mundo necesite que todos escriban cada línea a mano. Sino porque el mundo se está reconstruyendo a través del software, y las personas que entienden cómo funciona estarán mejor equipadas para guiar a los agentes que lo reconstruyan.
