La absorción silenciosa: cómo la IA ha aspirado la pericia…

Comenzó con una afirmación contundente que, al principio, pareció puro pánico. La industria del SaaS está muerta. El noventa y nueve por ciento de los desarrolladores perderán sus empleos. Pronto cada persona en la Tierra construirá sus propias soluciones con IA. Es inevitable. Entonces, ¿qué verticales quedan para los desarrolladores que aún quieren ganar dinero?

Los números que respondieron fueron más fríos que la predicción. El gasto en software no se había desplomado. Los sistemas de registro centrales “los que cargan con datos propietarios, obligaciones de cumplimiento normativo y responsabilidad real” seguían expandiéndose. El empleo total de desarrolladores de software aún se proyectaba en crecimiento. Pero la capa junior y rutinaria ya se estaba desangrando. El empleo de programadores había caído aproximadamente un 27 por ciento. La contratación de nivel inicial en grandes empresas y startups había descendido entre un 65 y un 76 por ciento desde sus picos anteriores. Los recién graduados quedaron reducidos a una delgada franja de las contrataciones de las Big Tech. El trabajo de aprendizaje que antes convertía a los juniors en seniors “código repetitivo, tickets simples, funcionalidades sencillas, mejores practicas” estaba siendo ejecutado por agentes.

Las personas que trataban la programación como pura sintaxis estaban siendo comprimidas. Quienes podían diseñar arquitecturas de sistemas, orquestar agentes, evaluar resultados no deterministas y responsabilizarse de la fiabilidad conservaban su capacidad de negociación. El viejo mapa de frontend, backend, UX/UI y DevOps ya se estaba difuminando. Las habilidades escasas ya no consistían en escribir las líneas. Consistían en dirigir los sistemas que las escribían.

Y sin embargo, la respuesta todavía les parecía, a algunos, esperanza fabricada. Los datos no se suavizaron. El empleo de desarrolladores de software menores de 25 años había caído más del 20 por ciento desde finales de 2022. La cantera estaba siendo devorada en nombre de la eficiencia. Los puestos senior y con dominio de la IA exigían primas salariales. El campo no había desaparecido; se había estratificado. Los ejecutores rutinarios de órdenes estaban siendo reemplazados. Los orquestadores, no.

Entonces el marco se amplió.

Dos paradigmas se acercaban a toda velocidad. El primero era el Internet Muerto. Antaño una teoría marginal, para ahora mediados de 2026 se había convertido en medición. Los bots generaban más de la mitad de las solicitudes de páginas web “un 57,5 por ciento según instantáneas de Cloudflare”. Los agentes de IA con capacidad de acción, que hacen clic, rellenan formularios y realizan transacciones, habían crecido casi un 8.000 por ciento interanual. Grandes porciones de las plataformas sociales mostraban abundante contenido sintético. Las voces humanas reales estaban siendo desplazadas. La credibilidad y la visibilidad colapsaron en una competencia contra un volumen barato de producir y optimizado para algoritmos, no para el entendimiento.

El segundo paradigma era la extinción de roles. Muchas de las personas que habían construido el internet anterior "desarrolladores web rutinarios, equipos de growth, capas básicas de SaaS " ya no podían encontrar trabajo del mismo tipo. Migrar a un «Internet del Valor», donde la propiedad y los activos se mueven con la misma libertad que la información, requería capital. Ese anillo ya estaba ocupado por los grandes actores que controlaban la distribución, los datos y la infraestructura. El proceso había sido visible desde aproximadamente 2016, cuando los feeds algorítmicos, la actividad de bots y la temprana concentración de la vigilancia y el poder de las plataformas comenzaron a endurecerse.

El internet abierto y de bajo capital de la era anterior había terminado, en gran medida, para quienes solo aportaban trabajo.

¿Qué habilidades quedaban? Los silos tradicionales ya no tenían sentido. Los nuevos requisitos eran la orquestación de agentes y los sistemas multiagente, los arneses de evaluación que detectan alucinaciones y deriva, la ingeniería de contexto que gestiona memoria y recuperación, la invocación de herramientas con salvaguardas reales, el pensamiento sistémico en condiciones no deterministas y la seguridad nativa de IA.

Los roles emergentes llevaban los nombres que correspondían al trabajo:

Ingeniero de Agentes de IA Orquestador Multiagente Ingeniero de Fiabilidad de Agentes Ingeniero de Evaluación Ingeniero de Contexto Ingeniero de Plataforma de IA Ingeniero de Despliegue Avanzado (Forward Deployed Engineer).

Los desarrolladores que prosperaban trataban a los agentes como un equipo que gestionar, no como una herramienta que los reemplazaba.

Mientras tanto, un proceso más silencioso avanzaba entre los desplazados. Miles de profesionales sorprendidos con una pericia repentinamente menos escasa comenzaron a reinventarse. Absorbieron el mismo material en circulación "marcos de trabajo, listas de verificación, casos de estudio ", gran parte del cual había sido a su vez generado o resumido por IA. Se lo copiaban unos a otros, lo recirculaban y lo presentaban como conocimiento nuevo. El efecto de red fue eficiente. La fluidez superficial se propagó con rapidez. Las empresas podían contratar y capacitar más rápido a personas que hablaban la jerga del momento y sabían conectar los stacks dominantes. Las grandes compañías de plataformas y modelos se beneficiaron directamente. Un mayor grupo de implementadores reducía la fricción de la adopción. La estandarización aceleraba sus operaciones. Las personas más desplazadas por el cambio se habían convertido en la capa de implementación rápida de los sistemas que las desplazaron.

El mecanismo más profundo era más simple y más definitivo.

Las personas más capaces del mundo "los investigadores e ingenieros en la frontera " estaban entrenando los modelos. Sus técnicas, juicios, casos límite y modos de fallo eran aspirados continuamente hacia los pesos. Una vez absorbido, ese conocimiento quedaba disponible a un costo marginal cercano a cero. La capacidad de generar nueva pericia de frontera seguía concentrada. La persona promedio interactuaba cada vez más con una versión destilada del mejor conocimiento humano, en lugar de desarrollarlo o mantenerlo.

¿Qué viene después si tanto la Idiocracia como la Tecnocracia terminan de llegar? Las dinámicas de Idiocracia aparecen donde la dependencia crece más rápido que la capacidad. Grandes poblaciones dependen de la IA para escribir, razonar y tomar decisiones mientras las líneas de base cognitivas medibles se estancan o retroceden en algunos lugares. La brecha entre el producto mediado por IA y el sustrato humano subyacente se ensancha. Las dinámicas de Tecnocracia se fortalecen porque los sistemas que importan "entrenamiento, evaluación, alineación, despliegue a escala planetaria " requieren un juicio especializado que poseen cada vez menos personas. Las decisiones sobre qué optimizan los modelos, qué datos ingieren y cómo se integran fluyen hacia los grupos que controlan esas capas. Las formas democráticas formales pueden continuar. El verdadero espacio de restricciones lo moldea el sustrato técnico.

El motor individual de este cambio es la descarga cognitiva. Los humanos siempre hemos descargado: notas, calculadoras, GPS. La IA generativa lo escala a procesos completos de orden superior. El rendimiento inmediato sube. La capacidad interna a largo plazo a menudo cae. Los estudios de EEG muestran una conectividad neuronal marcadamente menor cuando las personas escriben con IA sin restricciones. Los ensayos aleatorizados muestran que las puntuaciones de práctica mejoran y luego el rendimiento en exámenes sin ayuda cae. La retención se debilita. La propiedad de las ideas disminuye. La persistencia declina una vez retirada la herramienta. La descarga dependiente y pasiva transfiere la agencia cognitiva. El compromiso autónomo y evaluativo es menos corrosivo, pero la calidad sin fricción de las herramientas convierte el camino dependiente en el predeterminado para muchos. El cerebro se salta las dificultades deseables: la codificación, la práctica de recuperación, el esfuerzo generativo. Las habilidades que no se ejercitan se debilitan. Se forma un bucle de retroalimentación: un rendimiento sin ayuda más débil lleva a una mayor dependencia, que debilita aún más el rendimiento. Los investigadores lo llaman deuda cognitiva. No hay un pago fácil.

Junte las piezas y el cuadro es coherente. El conocimiento se aspira de los más capaces hacia sistemas controlados por un pequeño conjunto de actores. Amplias poblaciones descargan la cognición rutinaria y compleja. El trabajo de conocimiento rutinario se comprime. La pericia superficial prolifera mientras la competencia interna duradera se vuelve más rara. El capital, el cómputo y la distribución siguen concentrados. El internet abierto de señal humana se diluye con máquinas que actúan para máquinas. Las personas que alguna vez construyeron ese internet encuentran cerrados los viejos caminos. Los nuevos caminos requieren o bien capital, o bien la capacidad de dirigir los sistemas que absorbieron la pericia.

Esto no es una catástrofe repentina. Es una externalización progresiva de la mente. Los más capaces siguen alimentando los modelos. El resto consume cada vez más el producto. La capa intermedia "quienes copian y recirculan el conocimiento superficial " acelera la transición para las plataformas que poseen la infraestructura.

Los datos son públicos. Las cifras de tráfico, los descensos en la contratación, las lecturas de EEG, los ensayos de retención, la concentración del talento: todo es medible. La pregunta que queda no es si la absorción está ocurriendo. Es cuánta agencia humana residual sobrevivirá fuera de los sistemas que ahora contienen la pericia destilada de las mejores mentes que hemos producido. Las herramientas se vuelven más poderosas. La descarga se vuelve más fácil. La aspiradora continúa. Lo que queda es la capacidad "o la decisión " de seguir pensando mientras el pensamiento se externaliza.