Technical Context
Leo estas declaraciones con atención, no como exageración, sino como marcador de madurez de las herramientas. Boris Cherny (líder de Claude Code en Anthropic) formuló su tesis de manera contundente en una entrevista de YC Lightcone: para él, la programación está "prácticamente resuelta" hoy, y para finales de 2026 esto será la norma "para todos, independientemente del dominio". Importante: no dijo que "los programadores desaparecerán", dijo que desaparece el valor de escribir código manualmente como trabajo principal.
Como arquitecto, lo que me llama la atención no son las palabras, sino los hechos de soporte en torno a Claude Code. Las estimaciones públicas vinculan la herramienta con aproximadamente el 4% de los commits públicos en GitHub, con un crecimiento rápido (el DAU se duplica mensualmente). Dentro de Anthropic, Cherny describe un modo en el que realiza entre 22 y 27 pull requests al día, y el código se envía sin ediciones manuales, gracias a un modelo de nivel Opus 4.5 y un flujo de trabajo agéntico. Esto no es un "chat que sugiere una función", sino un agente de terminal que organiza cambios, los agrupa en commits, navega por el proyecto y llega hasta el PR.
También observo un detalle crítico: las fuentes casi no mencionan "magia" técnica (verificación formal, nuevo ciclo de RL o garantías de corrección probadas). El pronóstico se basa en la mejora exponencial de los modelos y la organización agéntica del trabajo: donde antes el LLM generaba fragmentos, ahora el agente maneja la cadena "buscar — modificar — verificar — finalizar". Arquitectónicamente, esto significa que el cuello de botella se desplaza de la generación de código a la gestión del contexto, las restricciones y las validaciones.
Y un matiz más que enfatizo a los clientes: incluso si el "código está resuelto", eso no significa que la "ingeniería esté resuelta". La producción de software todavía implica dependencias, migraciones, seguridad, observabilidad, responsabilidad por los cambios y el costo de los errores. La IA simplemente acelera drásticamente la parte que solía ser la más costosa en tiempo: la implementación.
Business & Automation Impact
Si tomamos en serio el pronóstico de Cherny, los ganadores no serán las empresas con los "programadores más fuertes", sino aquellas con el ciclo más rápido: especificación → cambio verificable → lanzamiento. En mi práctica en Nahornyi AI Lab, este ciclo es lo que generalmente frena el crecimiento: los requisitos son vagos, las pruebas son escasas, el acceso a los entornos es caótico y el "hecho" no se mide. Un agente de IA en tal entorno no ofrece magia, solo acelera el caos.
Veo tres efectos directos en la organización del desarrollo y la automatización con IA:
- El rol del desarrollador se desplaza hacia "Ingeniero de Especificaciones". El valor real reside en establecer restricciones, elegir interfaces, definir criterios de aceptación y describir no solo el camino feliz (happy path), sino también los modos de fallo. Si un ingeniero no sabe formalizar requisitos, el agente generará algo "verosímilmente funcional", y esa es la clase de error más costosa.
- QA y Seguridad se convierten en parte de la arquitectura de IA, no en departamentos separados. Cuando se crean docenas de PR al día, la revisión manual de código deja de ser escalable. Incorporo comprobaciones automáticas en las soluciones de IA: linters, SAST/DAST, política como código, escaneo de secretos, pruebas de contrato, smoke tests, más "limitadores" en las acciones del agente (qué puede cambiar, dónde puede desplegar, qué comandos están prohibidos).
- El costo de integración cae, el costo de error sube. Escribir un componente es fácil, pero integrarlo en el panorama (datos, permisos, auditoría, SLA) sigue siendo difícil. Por lo tanto, la demanda se desplaza hacia aquellos que saben ejecutar la implementación de IA y cambiar procesos, no solo "conectar un modelo".
¿Quién pierde? Equipos donde la cultura de ingeniería se basa en el heroísmo y "lo arreglaremos esta noche". Las herramientas agénticas hacen que la velocidad sea demasiado alta para salvarla con arreglos nocturnos. ¿Quién gana? Aquellos con disciplina: CI/CD, pirámide de pruebas, observabilidad, derechos de acceso estrictos y documentación de producto adecuada.
Una nota aparte sobre las funciones de negocio. Cherny tiene razón en que los PM y diseñadores podrán "programar" más. Pero no veo esto como un reemplazo de los desarrolladores, lo veo como una expansión de la superficie de cambio. En consecuencia, se necesita un nuevo modelo operativo: quién responde por la calidad, quién aprueba los cambios, cómo se almacena la "verdad" sobre los requisitos y cómo se realiza la evaluación de riesgos. Sin esto, no obtendrá crecimiento de productividad, sino crecimiento de incidentes.
Strategic Vision & Deep Dive
Mi conclusión no obvia: para finales de 2026, la competencia pasará de "quién escribe código más rápido" a "quién tiene el mejor circuito de confianza". Yo lo llamo el pipeline de confianza: especificación → generación → verificación → lanzamiento → monitoreo → reversión. Claude Code y sus análogos amplifican solo el medio, mientras que el negocio gana cuando todo el circuito está cerrado y es medible.
En los proyectos de Nahornyi AI Lab, construyo cada vez más la arquitectura como si un agente fuera a escribir el código mientras un humano gestiona los límites. Esto cambia el diseño del sistema:
- Modularidad y Contratos se convierten en métodos de supervivencia, no en teoría, bajo una alta frecuencia de PR. Cuanto mejor definidos estén los contratos (OpenAPI/AsyncAPI, esquemas de eventos, SLA), más segura se vuelve la "velocidad de la IA".
- Los requisitos se convierten en artefactos ejecutables: pruebas de aceptación, conjuntos de datos maestros (golden datasets), comprobaciones de migración, verificaciones de políticas. Insisto en que la "especificación" no sea un PDF, sino un conjunto de validaciones que el agente no pueda eludir.
- Los datos y los accesos son la parte central de cualquier integración de IA. Un agente con acceso a la base de datos de producción y capacidad de ejecutar comandos no es un asistente; es un nuevo sujeto privilegiado. Diseño derechos mínimos, entornos aislados, registro de acciones y puertas de revisión (review-gates) obligatorias para operaciones riesgosas.
Tampoco creo en la "edición cero" universal como una realidad masiva sin cambiar el entorno de ingeniería. Lo que funciona para Cherny en Anthropic (herramientas ideales, comprensión profunda del sistema, flujo de trabajo especialmente ajustado) se rompe en una empresa típica contra el código legado, pruebas inestables y reglas de negocio no escritas. Por lo tanto, percibo el pronóstico no como el "fin de una profesión", sino como una fecha límite para la reestructuración de procesos: o aprende a alimentar a los agentes con restricciones de calidad y verificar los resultados automáticamente, o la velocidad de sus competidores se volverá inalcanzable.
El hype aquí es simple: "La IA escribirá todo". El beneficio es más difícil: "Construimos una fábrica de cambios donde la IA es la fuerza laboral, mientras que la calidad y el riesgo son parámetros gestionados". Esta será la diferencia entre las empresas que simplemente compraron una herramienta y las empresas que la convirtieron en una ventaja.
Si desea verificar cómo encajan Claude Code y los enfoques agénticos en su desarrollo, le invito a discutir su canal de entrega, requisitos, pruebas y seguridad. Escriba a Nahornyi AI Lab: yo, Vadim Nahornyi, analizaré su caso y propondré una arquitectura de soluciones de IA práctica con pasos de implementación claros.