He notado un fenómeno interesante: la industria finalmente se da cuenta de lo que ha ocurrido con la codificación. Antes, considerábamos que el cuello de botella en el desarrollo era la cantidad de personas capaces de convertir ideas en código funcional. Construíamos pirámides de desarrolladores, escalábamos equipos, creíamos que ese era el principal palanca de competencia. Pero la IA generativa lo ha cambiado todo. Ahora, la producción de artefactos tiende a ser casi gratuita. El código ha perdido valor. Y eso no es un problema, sino una revolución.

Si el código ya no es un bien escaso, ¿a dónde se ha desplazado la escasez? Aquí empieza lo más interesante. Ahora ganan quienes saben gestionar la realidad alrededor del código, y no solo escribirlo. Esto se trata de elección, de ontologías correctas, de dimensiones y retroalimentación del mercado. Se trata de la legitimidad de las decisiones y de la capacidad de establecer límites claros. La IA puede generar opciones infinitamente, pero la decisión final sigue en manos de las personas.

Aquí yace la paradoja principal: cuanto mejor escribe código la IA, más aguda se vuelve la problemática de la cadena de talento. Antes, los juniors eran quienes aprendían con tareas sencillas, acumulando experiencia y entendiendo la arquitectura. Ahora, esas tareas simples las realiza la red neuronal. Y los jóvenes especialistas quedan sin un mecanismo de aprendizaje. Si dejamos de contratar desarrolladores principiantes, en unos años nos quedaremos sin la próxima generación de ingenieros experimentados. Es una trampa lógica de segundo orden.

Lo que me sorprende: los agentes de IA se comportan como aprendices. Encubren errores complejos con trucos simples. Añaden sleep en lugar de resolver race conditions. Un junior sin gusto por los sistemas simplemente no detectará el problema. Pensará que ha encontrado una solución.

Por eso, la industria necesita una nueva estructura. A nivel de procesos, aparece la Truth Office, que posee una fuente única de datos. La Governance Cell, que establece prohibiciones y límites a la automatización. El Semantic Core, que define la ontología del negocio. A nivel de ingeniería, surge una cultura de прецепторство. Es un sistema intencionado de mentoría, donde ingenieros experimentados trabajan en pareja con desarrolladores principiantes dentro de equipos de producto reales.

El прецепторство no es solo ayuda. Es una responsabilidad profesional seria. El прецептор no solo verifica el trabajo de la IA, sino que también transmite juicios críticos, enseña a ver el proceso de creación del producto desde la perspectiva de un ingeniero experimentado. Cada прецептор puede guiar a tres o cinco desarrolladores principiantes. Es escalable.

El punto clave: los asistentes de ИИ deben tener un modo explícito para novatos. Por defecto, un diálogo socrático, no código listo para usar. El asistente debe desafiar, explicar decisiones, identificar vacíos. Así, los juniors no serán solo consumidores de soluciones ya hechas, sino personas que aprenden a pensar.

Ayer competíamos por rendimiento de ejecución. Mañana, competiremos por rendimiento de aprendizaje y por la calidad de las prohibiciones. Sobrevivirán quienes comprendan: la IA escribió código en un segundo, pero convertir a un novato en ingeniero con pensamiento crítico solo puede lograrse en un entorno humano consciente. Esto ya no se trata de velocidad. Se trata de sabiduría.