Cuando Claude Code llegó a una gran empresa de tecnología, se suponía que los programadores iban a respirar tranquilos: la IA haría el trabajo repetitivo, ellos se enfocaban en lo importante. Según un ingeniero que trabaja allá, la realidad es otra: ahora solo presionan Enter todo el día, validando código que no tienen tiempo de entender, trabajando entre 12 y 13 horas diarias.
Índice
La ilusión que se desmorona
El usuario @v0xium compartió en X una confesión que resuena en toda la industria: “No hacemos más que pulsar Enter”. Lleva apenas medio mes en esta empresa (que mantiene en anonimato), y ya describe un ciclo agotador donde Claude genera especificaciones, código, pruebas, documentos y hasta informes. Los directivos consideran que escribir código ya no es el cuello de botella, así que qué esperar: si pueden automatizar eso, los desarrolladores deben producir X veces más.
El problema es que nadie ajustó el tiempo disponible para revisar. Los empleados se encuentran en una paradoja: herramientas que prometían aliviar la carga ahora exigen más volumen. No hay espacio para analizar a fondo cómo encajan las piezas, para entender el razonamiento detrás de cada solución, para ese momento “eureka” que muchos programadores disfrutan en su trabajo.
Métrica que engaña
Business Insider entrevistó al ingeniero y confirmó el problema de fondo: su empresa mide éxito por ciclos de desarrollo, Pull Requests y cantidad de funciones entregadas, sin verificar si realmente solucionan algo. Más líneas de código no equivalen a mejor producto, pero la lógica corporativa es implacable: si usas IA, tienes que entregar más. El ahorro de tiempo se convierte en presión redoblada sobre los empleados.
Un estudio de METR le da contexto a este dilema. En la primera mitad de 2025, cuando desarrolladores expertos usaban herramientas de IA en tareas de código abierto, el tiempo de producción aumentó un 19%. Aunque las herramientas mejoraron según actualizaciones de febrero de 2026, medir productividad real es mucho más complejo que contar líneas generadas. La calidad, la mantenibilidad, el entendimiento del código: todo eso queda fuera de las métricas simples.
El cuello de botella ahora somos nosotros
Boris Cherny, responsable de Claude Code en Anthropic, reconoció hace poco que aunque la IA genere código, siguen siendo necesarios controles y revisiones rigurosas de analistas humanos. El meollo está ahí: si no se reserva tiempo suficiente para esa tarea crítica, el sistema se vuelve insostenible.
Lo que preocupa al ingeniero y sus compañeros es que tienen tan poco margen para investigar errores o resolver problemas por cuenta propia que se convirtieron en intermediarios. Validan lo que dice la IA sin poder analizarlo en profundidad. Para alguien que eligió programación porque disfruta de ese aprendizaje continuo, esa jornada “robótica” de dar Enter sin más puede ser profesionalmente deprimente.
Una alerta sin verificación completa
Dicho esto: el testimonio de @v0xium es anecdótico. No hay verificación independiente de lo que ocurre en esa empresa ni se conoce su nombre. Casos similares existen —un desarrollador de DeepSeek habló de cómo la IA que ayudó a crear le hizo “enterrar su talento”—, pero son históricos puntuales, no tendencias probadas.
Lo que sí está claro es que la pregunta central permanece sin respuesta: ¿la IA iba a servir para trabajar menos y mejor, o simplemente levanta el piso de lo que se espera producir? Por ahora, en al menos esta empresa, la respuesta parece ser la segunda.
Con información de Xataka.
