Ingenieros junior afrontan un mercado que se reduce pese al auge de la IA

Un debate se intensifica sobre si la codificación agéntica —sistemas de IA que escriben, prueban y corrigen código con ayuda humana limitada— está a punto de reemplazar a los ingenieros de software junior, o si en realidad solo está reemplazando las tareas que las empresas solían asignarles. Según MarkTechPost, la pregunta suele plantearse al revés: se razona directamente desde una puntuación de referencia en aumento hasta una conclusión sobre el mercado laboral, saltándose cada paso que debería cumplirse entre medio.

Los puntos de referencia miden menos de lo que afirman

MarkTechPost cita la investigación de METR sobre el "horizonte temporal", que mide cuánto tarda un humano competente en una tarea y determina la duración de tarea en la que un modelo de IA acierta la mitad de las veces. Ese horizonte se ha duplicado aproximadamente cada siete meses desde 2019, y MarkTechPost informa que esa duplicación se aceleró entre 2024 y 2026, con los sistemas de vanguardia midiéndose ya en horas y no en minutos. Pero el umbral del 50% de éxito no es uno sobre el que un empleador pueda organizar su plantilla: con un umbral de fiabilidad del 80%, señala MarkTechPost, los modelos de vanguardia son casi perfectos en tareas que un humano termina en menos de cuatro minutos y aciertan menos del 10% de las veces en tareas de más de cuatro horas. Las propias tareas de METR son además deliberadamente autocontenidas, escribe MarkTechPost, justo lo contrario de los primeros meses reales de un ingeniero junior, dedicados en gran parte a absorber contexto: qué equipo es dueño de qué servicio, por qué sigue existiendo tal abstracción antigua, a quién preguntar.

El panorama empeora para una segunda cifra muy citada. En febrero de 2026, OpenAI dejó de publicar sus puntuaciones en SWE-bench Verified y recomendó a otros laboratorios hacer lo mismo, según el relato que hace MarkTechPost de ese anuncio del propio laboratorio. Una auditoría del 27,6% del conjunto de datos encontró que al menos el 59,4% de los problemas auditados tenían casos de prueba defectuosos que rechazaban soluciones funcionalmente correctas, además de indicios de contaminación en el entrenamiento. En conjuntos más difíciles y no contaminados como SWE-bench Pro, informa MarkTechPost, las puntuaciones de los modelos de vanguardia caen con fuerza frente a las cifras de Verified que las empresas citan en el lanzamiento de sus productos.

La verificación es el verdadero cuello de botella, no escribir código

La evidencia más clara sobre el costo proviene de un ensayo controlado aleatorizado que METR realizó con 16 desarrolladores de código abierto experimentados, sobre 246 tareas reales en sus propios repositorios, citado por MarkTechPost. Con el uso de IA permitido o no de forma aleatoria, los desarrolladores habían previsto una aceleración del 24% y, después, estimaron haber sido un 20% más rápidos, pero las grabaciones de pantalla mostraron que en realidad habían sido un 19% más lentos. MarkTechPost señala los límites del ensayo: herramientas de principios de 2025 y un grupo pequeño de desarrolladores experimentados trabajando en bases de código que ya conocían bien. Aun así, MarkTechPost considera que la brecha entre productividad percibida y medida es el hallazgo más sólido del ensayo, y es exactamente el tipo de divergencia que conviene señalar con claridad en lugar de suavizar.

Encuestas más amplias apuntan en la misma dirección. MarkTechPost cita la encuesta 2025 de Stack Overflow a más de 49.000 desarrolladores, en la que el 84% usa o planea usar herramientas de IA para programar, mientras que el 46% desconfía activamente de la precisión de los resultados, frente a un 33% que confía en ellos; solo el 3% declara una confianza alta. La investigación DORA de Google, con unos 5.000 profesionales encuestados, encontró que el 90% usa IA en el trabajo y más del 80% cree que ha mejorado su productividad, aunque el 30% declara poca o ninguna confianza en el código generado por IA; y si bien el rendimiento mejoró interanualmente, la inestabilidad en las entregas no lo hizo. Tres condiciones, sostiene MarkTechPost, aún no se cumplen para que los agentes sustituyan a los junior:

• Un desempeño fiable en tareas con la duración y el contexto previo del trabajo real de un junior, no en tareas de referencia autocontenidas
• Puntuaciones de referencia que se mantengan en conjuntos de prueba más difíciles y no contaminados, en lugar de conjuntos retirados como SWE-bench Verified
• Un costo de verificación, una vez que un senior revisa el resultado de la IA, inferior al costo de simplemente delegar el trabajo a una persona

Los datos de contratación ya muestran el cambio

Una cuarta condición, sostiene MarkTechPost, no depende de las tres primeras: si las empresas están dispuestas a romper su propia cantera de formación de ingenieros junior hacia puestos senior, funcione o no realmente la sustitución. El Digital Economy Lab de Stanford, que sigue datos de nómina de ADP que cubren aproximadamente a uno de cada seis trabajadores estadounidenses, encontró que el empleo de los jóvenes de 22 a 25 años en las ocupaciones más expuestas a la IA, incluido el desarrollo de software, se está apartando claramente del de los trabajadores de más edad en los mismos puestos: un déficit del 15% en el dato de julio de 2025, que se amplía al 19% hacia junio de 2026, impulsado sobre todo por una menor contratación y no por despidos, informa MarkTechPost.

CIO reporta el mismo enfriamiento desde el lado de la contratación. En Estados Unidos, los recién graduados en ingeniería informática registran una tasa de desempleo del 7,5% y los de ciencias de la computación del 6,1%, según proyecciones de la Reserva Federal de Nueva York citadas por CIO, muy por encima de la tasa de desempleo nacional del 4,3% y muy superior a la de recién graduados en enfermería (1,4%) o ingeniería civil (1%). Una encuesta de Resume.org a 1.000 líderes empresariales estadounidenses encontró que seis de cada diez empresas podrían despedir empleados en 2026, y cuatro de cada diez planean reemplazar a parte de esos trabajadores con IA, reporta CIO. "¿Por qué contratar a un junior por 90.000 dólares cuando GitHub Copilot cuesta 10?", dijo a CIO el ingeniero de software senior Chirag Agrawal, describiendo cómo su propio trabajo pasó de escribir código a validar los resultados de la IA en busca de casos límite y fallos de seguridad. Rachit Gupta, responsable de IA en la consultora Tredence, dijo a CIO que la IA ya gestiona buena parte de la corrección de errores, la escritura de pruebas y el código repetitivo con el que los junior solían foguearse, pero que el juicio sobre arquitectura, cumplimiento normativo y seguridad sigue recayendo en ingenieros experimentados.

Para las empresas, lo que está en juego es inmediato: contratar menos junior ahorra dinero en una desaceleración, pero el argumento de fondo de MarkTechPost es que las tareas codificadas —las que un junior ya sabe hacer al llegar— son justo lo que los agentes están automatizando, mientras que el juicio tácito que poseen los ingenieros senior es lo que esas tareas debían enseñar en el puesto. Eso deja a los empleadores con una pregunta que pocos están presupuestando: quién formará a la próxima generación de revisores si desaparecen los primeros peldaños. Para los recién graduados que entran hoy al mercado laboral en España y América Latina, donde estas mismas herramientas de IA para programar se están extendiendo, la lectura de ambos textos coincide: los puestos construidos en torno a escribir código repetitivo se reducen, mientras que quienes sí son contratados necesitan cada vez más demostrar que saben cuestionar, probar y corregir el código generado por IA, y no solo producir más de él.