Una organización sin ánimo de lucro que evalúa modelos de IA, METR, se las prometía muy felices. En julio de 2025, publicó un ensayo controlado con 16 desarrolladores experimentados y 246 tareas reales en repositorios que conocían desde hacía años. Los desarrolladores esperaban ir un 24 % más rápido y, al terminar, con los tiempos medidos delante, seguían convencidos de haber ganado un 20 %. Pero para acabar el trabajo, con asistentes de IA, tardaron un 19 % más. Las herramientas de entonces hoy parecen antiguas, así que METR repitió el experimento en la segunda mitad de 2025, con las herramientas de ese momento, y publicó el resultado en febrero de 2026: 57 desarrolladores, 143 repositorios, más de 800 tareas. Esta vez los veteranos del primer estudio ahorraron un 18 % de tiempo y los recién incorporados un 4 %, con márgenes de error tan amplios que ambos resultados incluyen el cero, y con un detalle que los propios autores destacan: entre el 30 % y el 50 % de los participantes reconoció haber apartado tareas que no quería hacer sin IA. METR concluye que su cifra es «probablemente un mal indicador» del efecto real y que seguramente se queda corta.
Las herramientas de hoy son mejores que las de ese segundo estudio. Lo que no ha cambiado entre uno y otro es la distancia entre lo que se mide y lo que se siente. La mejora medida va del 4 % al 18 % y la sensación, dentro y fuera del sector, es de cambio de era. Esa distancia es la misma que nos encontramos en cuatro frases que nos dicen casi cada semana, normalmente entre el segundo plato y el café, y siempre con cariño:
- «Ahora que usáis IA os estaréis forrando»
- «¿Por qué es tan caro esto si lo hacéis con IA?»
- «Ahora podréis entregar más rápido»
- «Con la IA necesitaréis menos gente»
Las cuatro son razonables. Las cuatro parten de la misma idea: que la IA abarata lo que compras. Pero resulta, oh sorpresa, que lo que compras a una agencia nunca ha consistido en teclear.
Lo que compras a una agencia nunca ha consistido en teclear.
1. «Os estaréis forrando»
Lo primero que cambió fue la factura, y no en la dirección que sugiere la frase. La línea visible son las suscripciones de los asistentes de programación que usamos (Claude Code, Codex y alguna más): varios centenares de euros al mes. Debajo de esa línea van el consumo por API de otros modelos que hay que probar o usar para tareas concretas, el alojamiento de los modelos que ejecutamos en casa, los hostings, la ciberseguridad, las licencias de las plataformas de gestión y las personas especializadas que mantienen todo eso en pie. Y todavía no hemos llegado a lo caro de verdad: adaptar la casa para que esas herramientas sirvan. Ficheros de contexto por repositorio, skills compartidas que recogen cómo hacemos las cosas, pipelines que revisan lo que el modelo propone antes de que lo vea una persona, y una regla que suena sencilla y no lo es: cuando algo falla dos veces, se investiga y se corrige para que no falle la tercera. Eso son horas de las personas más caras del equipo, y se repite cada pocos meses porque las herramientas cambian de nombre, de precio y de capacidades con una cadencia que ningún plan anual aguanta.
Bart Butler, CTO de Proton, lo llama en un documento interno «un problema de acción colectiva»: usar la IA bien es algo que un ingeniero puede hacer por su cuenta; reorganizar cómo trabaja una empresa entera «requiere una organización y unos recursos que simplemente no hemos invertido todavía». Nosotros tampoco lo hemos encontrado gratis. Forrarse, de momento, no. Lo que ha cambiado es a dónde va el dinero.
2. «¿Por qué es tan caro si lo hacéis con IA?»
Porque el código es la parte pequeña de tu coste final. Pagas que alguien decida qué hay que construir, qué no, en qué orden, con qué estructura de contenidos, y qué pasa cuando comunicación, sistemas y marketing quieren tres cosas distintas. Pagas que alguien se lea el pliego entero, entienda tu negocio y te diga que no a dos ideas que te gustaban. Pagas que el resultado cumpla accesibilidad AA de verdad, cargue rápido y lo pueda mantener otro equipo dentro de tres años. Y pagas que una persona con nombre firme cada entrega. Un modelo propone pero no responde. Butler lo escribe en ese mismo documento: el ingeniero «es responsable ante sí mismo, ante sus compañeros y ante la empresa de una forma que un modelo nunca podrá serlo».
Dicho esto, hay trabajo que sí se ha abaratado, y lo justo es nombrarlo: maquetar documentos, gestionar comunicaciones, hacer seguimiento de tareas, preparar propuestas, investigar, documentar módulos, gestionar mantenimientos. Tareas más o menos rutinarias que se apoyan en una base de información y contexto que antes solo podían manejar personas. Fíjate en la lista: es el trabajo nuestro de llevar un proyecto, y casi nada de ello aparece como línea en tu presupuesto. Por eso tampoco desaparece de él. Ese ahorro ha servido para absorber la factura nueva del apartado anterior y para devolver tiempo a la parte que sí compras, que además ha crecido: revisar más propuestas, probar más rutas y mantener las herramientas afinadas es trabajo que antes no existía. El día que se abarate una tarea de las que sí van en tu presupuesto, lo verás en su línea. Lo que no baja es la parte que nunca fue mecánica, que en un proyecto web complejo es la mayor parte del precio.
3. «Ahora podréis entregar más rápido»
Producir, sí. Un módulo, una plantilla o una batería de pruebas están listos antes. Lo que no se acelera es el proyecto, porque un proyecto no es una cola de tareas de programación. Butler lo describe con precisión: cuando eliminas un cuello de botella, otro ocupa su lugar. Quizá la integración continua, puede que las especificaciones, las aprobaciones o la revisión de código. El informe DORA 2025, el estudio anual de Google sobre rendimiento de equipos de software, llega a la misma conclusión por otro camino y describe la IA como «un amplificador» que agranda las fortalezas y las debilidades que la organización ya tenía.
En un proyecto web los cuellos de botella llevan años en el mismo sitio y ninguno es el código: los contenidos que llegan tarde, las validaciones que esperan a una reunión, las decisiones que nadie quiere tomar hasta ver una pantalla. La IA no ha cambiado ni uno. Ahí siguen. Y para ser justos con el otro lado de la mesa: la mitad de las veces el lento somos nosotros, porque generar diez versiones de algo tarda un minuto y leerlas con criterio tarda una tarde. Donde sí notas la diferencia es en otra cosa: con el mismo plazo, exploramos más alternativas antes de decidir, y llegan menos errores a tu bandeja. Más calidad en el mismo tiempo, que es distinto de lo mismo en menos tiempo.
Los dos ensayos controlados de METR con desarrolladores experimentados, con y sin asistentes de IA.
19 %
más tiempo tardaron en completar las tareas con las herramientas de principios de 2025
METR, 2025
20 %
de tiempo creían haber ahorrado al terminar ese mismo estudio, con los datos en contra
METR, 2025
18 %
de tiempo ahorraron los mismos desarrolladores en la repetición de finales de 2025, publicada en 2026; el margen de error incluye el cero
METR, 2026
4 %
de tiempo ahorraron los desarrolladores incorporados al segundo estudio; el margen de error incluye el cero
METR, 2026
4. «Con la IA necesitaréis menos gente»
Somos 13 personas. Nuestros desarrolladores siguen programando; lo que ha cambiado es con quién. Code, Codex y sus parientes funcionan como un alter ego digital con una capacidad enorme para entender un reto, proponer caminos, discutir una arquitectura y, cada vez con más frecuencia, escribir una solución que después alguien revisa, corrige y firma. Cada persona gestiona más capacidad que antes: más proyectos en paralelo, más rutas exploradas en cada uno y más tiempo en la parte del trabajo que consiste en hablar contigo. El equipo no se reduce; cambia lo que hace cada uno.
Lo que pasa cuando alguien se cree la ecuación
El documento de Butler que hemos citado dos veces se titula «AI @ Proton, Engineering Manifesto». Lo publicó 404 Media el 29 de octubre de 2026 dentro de una investigación sobre cómo Proton, una empresa que vende privacidad, está empujando la IA puertas adentro. El diagnóstico del manifiesto coincide en buena parte con el de este artículo: la expertise no ha muerto, las buenas prácticas tampoco, el cuello de botella se desplaza y reorganizar una empresa requiere inversión. Lo que vino después es lo que ocurre cuando una dirección se queda solo con la primera frase, «la programación ha muerto».
Según 404 Media, a finales de agosto un empleado pidió en un canal interno de seguridad unos días para hacer pruebas de penetración al código nuevo antes de publicarlo. El CEO, Andy Yen, respondió que aquello era «bullshit and loser thinking», pidió «dejar de hacer el código a mano con tanto cariño y usar más IA», y anunció que este sería el último año en que Proton contrata ingenieros. La empresa instaló software en los ordenadores para medir cuánto código genera la IA y planeó reentrevistar a la plantilla sobre su uso de estas herramientas. Un documento interno citado por el medio dice que Proton incumplirá su objetivo de ingresos recurrentes «por velocidad insuficiente». Proton no desmintió nada. De hecho, su portavoz reconoció que la empresa había sido «demasiado brusca o demasiado lenta explicándose».
Léelo despacio: más IA, menos gente, menos pruebas, medir líneas generadas en vez de resultados, y el objetivo de ingresos sin cumplir. Son esas cuatro frases recurrentes que nos van lanzando, aplicadas a una empresa real. El diagnóstico de su CTO lo firmaríamos casi entero; lo que demuestra el caso es que la velocidad sin criterio solo produce velocidad.
Qué hay que preguntar a cualquier proveedor que «usa IA»
Si te preocupa que el precio no refleje las herramientas, estas preguntas te servirán más que pedir un descuento.
Cinco preguntas antes de firmar
Las respuestas dicen más del proveedor que cualquier presentación.
Que nombre tareas concretas que cuestan menos que hace dos años y cómo se refleja en el presupuesto. Si la respuesta es «todo» o «nada», desconfía por igual.
Una persona con nombre por cada entrega. «Lo valida el equipo» no es una respuesta.
Resultados en producción (errores, accesibilidad, rendimiento, plazos cumplidos) o volumen de código generado. Lo segundo es lo que medía Proton.
Cómo se detecta, quién lo corrige y si eso está dentro del precio o se factura aparte.
Si la respuesta es «nada», tiene una suscripción, no un método.
Fuentes
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 2025 — el ensayo controlado con 16 desarrolladores y 246 tareas: 19 % más lentos con IA, y la brecha entre lo esperado y lo medido.
- METR, We are Changing our Developer Productivity Experiment Design, 2026 — la repetición con 57 desarrolladores y más de 800 tareas: ahorros del 18 % y del 4 % con intervalos que incluyen el cero, y la advertencia de los autores sobre la fiabilidad de la cifra.
- Joseph Cox, 404 Media, Manifestos, Fear, and ‘Loser Thinking’: Inside Proton’s AI Reckoning, 2026 — la investigación que publicó el manifiesto y documenta las declaraciones de Andy Yen, el software de medición y el objetivo de ingresos incumplido.
- Bart Butler, AI @ Proton, Engineering Manifesto, documento interno de Proton publicado por 404 Media, 2026 — las citas sobre el problema de acción colectiva, la responsabilidad del ingeniero y el desplazamiento de los cuellos de botella.
- DORA (Google Cloud), State of AI-assisted Software Development, 2025 — la IA como amplificador de las fortalezas y debilidades existentes en la organización.