Escribir código ya casi no cuesta: lo caro es saber qué vale la pena construir
Un estudio sobre más de 100.000 desarrolladores encontró que un aumento del 180% en commits produjo solo un 30% más de lanzamientos reales y ninguna suba medible en adopción. Con IA el código se abarató; el criterio para decidir qué construir, verificarlo y responder por el resultado, no.
Un informe publicado hoy por freeCodeCamp junta ensayos controlados, datos de nómina, valuaciones y compras empresariales para responder una pregunta incómoda: si un agente arma una aplicación en una tarde, ¿para qué sirve la experiencia? El dato central viene de un estudio con más de 100.000 desarrolladores: los commits subieron 180%, pero los lanzamientos reales solo 30%, y la adopción por parte de usuarios finales no se movió.
Nuestra lectura: lo que se abarató es la producción, no el resultado. Cuando generar es casi gratis, el cuello de botella pasa a ser decidir qué construir, juzgar si lo generado está bien y hacerse cargo. Eso no se automatiza con el mismo botón, y es donde hoy se separa quien aprovecha la IA de quien solo produce más volumen.
Señal 01 · Productividad
Más commits no son más producto: la brecha del 180% contra el 30%
El informe cita un análisis de NBER sobre más de 100.000 desarrolladores: 180% más de commits derivó en solo 30% más de lanzamientos, sin aumento medible de adopción por usuarios finales.
Importa porque la métrica que más se ve, cuánto se produce, es la que menos avisa cuando algo no está funcionando. Se puede estar en verde en actividad y plano en resultados.
La lectura: medir salidas reales (lo que llega a un cliente y se usa) en lugar de volumen generado. Si tu equipo, o vos solo, celebrás la cantidad de cosas hechas con IA, vale la pena preguntarse cuántas llegaron a alguien.
Un análisis de unas 400.000 sesiones de agentes de programación mostró que el mismo modelo tuvo éxito aproximadamente el doble de veces cuando lo manejaba un experto que cuando lo manejaba un novato, según Anthropic.
Por qué importa: la herramienta es igual para todos y se consigue por el mismo precio. Lo que cambia el resultado es saber qué pedir, cómo dividir el problema y cómo detectar que algo salió mal.
La lectura: la ventaja ya no está en acceder a la IA sino en el criterio con el que se la usa. Ese criterio se construye con práctica en un dominio, no se compra.
El mercado ya cobra distinto: bajan los múltiplos genéricos, suben los procesos difíciles
Según Software Equity Group, el múltiplo de ingresos de la empresa de SaaS pública mediana cayó de 6,7 a 3,6 en un solo año, mientras los compradores pagaron en promedio 6,3 veces los ingresos por compañías metidas en flujos de trabajo realmente difíciles. Y Menlo Ventures reporta que el 76% de las soluciones de IA empresariales se compraron en lugar de construirse.
Importa porque muestra dónde está el valor cuando programar es barato: en el sistema que rodea al código, los datos y el problema duro que resuelve, no en las líneas escritas.
La lectura: hacer algo que cualquiera puede replicar en una tarde ya no es un negocio. Resolver algo difícil y específico para alguien concreto, sí.
Venimos siguiendo cómo la IA reordena el trabajo de entrada y el costo de verificar lo que produce; esta pieza completa el cuadro desde el lado del valor. Para el costo de revisar, mirá el impuesto de verificación, y para el efecto sobre los primeros puestos, la edición sobre empleos de entrada. Si querés ver cómo se aplica a un negocio chico, está la guía pilar.
Si trabajás solo o con un equipo chico, la palanca de hoy es dejar de contar lo producido y empezar a contar lo que llegó a alguien. Elegí esta semana una sola cosa que hayas hecho con ayuda de IA (un sitio, una automatización, una propuesta) y revisá cuánta gente la usó, la leyó o respondió. Si la cifra es cercana a cero, el problema no es que falte producir más: falta decidir mejor qué producir.
El segundo frente es tu criterio. Anotá en qué parte de tu trabajo vos detectás un error que un recién llegado no vería, y poné ahí tu tiempo. Un agente puede hacer el primer borrador; la señal de que sirvió es que lo que sale de ahí funciona para un cliente real sin que tengas que rehacerlo.
La movida del día
Elegí una sola cosa que hayas hecho con IA en el último mes y medí cuántas personas la usaron de verdad. Si la respuesta es pocas o ninguna, la próxima hora no la dediques a producir otra: dedicala a hablar con quien debería usarla y a ajustar eso. Repetí esa medición cada viernes.
¿Si el código es barato, conviene dejar de aprender a programar?
No según la evidencia que reúne el informe: lo que se abarató es traducir instrucciones claras a sintaxis. Lo que sigue escaso es decidir qué construir, verificar que funcione y responder por el resultado. El mismo modelo rindió aproximadamente el doble en manos de expertos que de novatos.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
