La idea contraintuitiva es esta: si la IA hace que programar sea 10–100× más fácil, entonces el mundo va a construir 10–100× más software. Eso aumenta la demanda de gente que entienda sistemas, aunque escriba menos código.
Hay varios mecanismos económicos detrás.
Cuando apareció Microsoft Excel, muchos pensaron:
“Ya nadie va a necesitar contadores”.
Pasó lo contrario.
Porque antes:
- hacer un modelo financiero llevaba semanas
- sólo lo hacían especialistas
Después de Excel:
- cualquier empresa empezó a hacer muchos más modelos
Resultado: más contadores, más analistas, más consultores.
La productividad aumentó → la demanda explotó.
Existe un fenómeno económico llamado Jevons Paradox:
Cuando algo se vuelve más eficiente, se usa más, no menos.
Ejemplo histórico:
- máquinas de vapor más eficientes
- → se usó más carbón, no menos
Aplicado al software:
| Antes | Ahora |
|---|---|
| construir software caro | construir software barato |
| pocas apps | millones de apps |
| pocos sistemas | software en todo |
Cada industria está siendo “software-izada”.
Ejemplos:
| Industria | Software nuevo |
|---|---|
| restaurantes | sistemas de pedidos IA |
| logística | optimización en tiempo real |
| agricultura | sensores + ML |
| medicina | diagnóstico asistido |
| manufactura | robots + IA |
Esto se acelera con ChatGPT, GitHub Copilot, Cursor IDE y modelos como Claude.
El costo de crear software está cayendo dramáticamente.
Antes:
- software para empresas
Ahora empieza a aparecer:
- software para individuos
Ejemplos emergentes:
- agentes personales
- automatizaciones privadas
- copilots para profesiones
- herramientas hechas a medida
Cada persona podría tener decenas de agentes.
Eso crea una explosión de:
- herramientas
- integraciones
- plataformas
- infra
Aunque la IA escriba código, los problemas reales siguen siendo difíciles:
- sistemas distribuidos
- pipelines de datos
- infra de agentes
- seguridad
- monitoreo
- integración entre APIs
- confiabilidad
De hecho, la IA está creando nuevos problemas.
Ejemplo:
- observabilidad de agentes
- coordinación multi-agente
- seguridad de prompts
- control de costos de inference
- memoria de agentes
Hace 3 años ni existían estos problemas.
No desaparece la programación, pero sí ciertos roles:
- code monkeys
- CRUD factories
- freelancing básico
- mantenimiento trivial
El skill pasa de:
saber programar
a
saber construir sistemas
Las áreas con más crecimiento:
- AI systems engineering
- AI agents
- MLOps
- data infrastructure
- developer tooling
- AI product engineering
Que casualmente es muy parecido a lo que vos ya estás explorando (feature store, MLOps, agentes).
💡 La predicción fuerte de mucha gente en la industria es:
El mundo va a tener 10× más software en los próximos 10 años.
Y si eso pasa, la gente que entienda cómo diseñarlo va a ser todavía más valiosa.
Si querés, te cuento también la teoría más extrema que está circulando en Silicon Valley ahora mismo:
que en ~10 años podría haber un programador por empresa… pero millones de micro-empresas creadas por programadores con IA.
Ese escenario cambia completamente el mercado laboral. Es bastante loco pero tiene lógica.