Gelişimİş

¿Deberías aprender a programar en 2026? Un marco de decisión para la era de la IA

A professional at a sunlit table sketching a decision tree in a notebook beside a closed laptop

TL;DR. “Aprende a programar” y “la programación ha muerto” son dos afirmaciones equivocadas porque tratan cuatro decisiones como si fueran una sola. La Oficina de Estadísticas Laborales de Estados Unidos (BLS) proyecta que los desarrolladores de software crecerán un 10 % entre 2025 y 2035 (174.700 empleos más), mientras que los programadores informáticos se reducirán un 7 %. Los recién graduados en informática tenían una tasa de desempleo del 7,0 % en la última tabla por carreras de la Reserva Federal de Nueva York, frente al 4,2 % del conjunto de las carreras, pero también una de las tasas de subempleo más bajas y un salario mediano de inicio de carrera de 87.000 $. De los seis estudios sobre programación con IA que se alinean más abajo, dos muestran ganancias claras de velocidad o de producción, uno muestra que los desarrolladores con experiencia tardan un 19 % más, uno muestra código menos seguro y uno muestra una puntuación un 17 % más baja en una prueba de habilidades entre quienes aprendieron una biblioteca nueva con IA. El movimiento del CEO: decidir cuál de los cuatro niveles necesitas y de qué serás responsable en él. El movimiento del estudiante: aprender a leer, probar y verificar código antes de aprender a teclearlo.

Este artículo pertenece al clúster de alfabetización en IA de CEOtudent. La pieza central, La ingeniería de prompts no basta, traza la pila completa de habilidades; La nueva alfabetización técnica aborda lo que el personal no técnico debe entender sobre los sistemas de IA; y la Matriz de decisión de 4 factores es la herramienta general para elegir la siguiente habilidad. Este texto es información general, no asesoramiento profesional ni financiero personalizado.

¿Por qué “deberías aprender a programar” es la pregunta equivocada?

La pregunta esconde tres variables.

Qué trabajo. Las estadísticas oficiales no tienen una categoría de “programador” a secas. Tienen desarrolladores de software, que diseñan aplicaciones y sistemas; programadores informáticos, que en palabras de la Oficina de Estadísticas Laborales “convierten los diseños creados por desarrolladores e ingenieros de software en instrucciones que un ordenador puede seguir”; y desarrolladores web. Para los tres se proyectan trayectorias en direcciones distintas.

Qué persona. Los trabajadores que empiezan y los que tienen experiencia están viviendo años diferentes.

Qué propósito. Escribir software del que dependen los clientes, construir una herramienta pequeña para tu propio equipo y leer lo que ha producido un agente de IA son tres habilidades con tres costes. La encuesta de 2025 de Stack Overflow usa la definición “el proceso de generar software a partir de prompts de LLM” para el vibe coding. Esa práctica ha abierto el segundo y el tercer propósito a casi cualquiera. No ha hecho más fácil el acceso al primero.

Una respuesta útil es una prueba de clasificación, no un sí o un no.

¿Qué dicen las cifras oficiales de empleo sobre quienes escriben código?

El Occupational Outlook Handbook recoge ya los salarios de mayo de 2025 y las proyecciones 2025-2035 publicadas el 27 de agosto de 2026.

Tabla 1. Ocupaciones que escriben código en el Occupational Outlook Handbook del BLS (cifras tal como se publican)

Ocupación (código SOC) Empleo, 2025 Empleo proyectado, 2035 Variación, 2025-2035 Salario anual mediano, mayo de 2025
Desarrolladores de software (15-1252) 1.717.800 1.892.600 +10 % (+174.700) 135.980 $
Analistas y probadores de control de calidad de software (15-1253) 187.600 198.200 +6 % (+10.600) 104.300 $
Programadores informáticos (15-1251) 110.800 102.700 -7 % (-8.100) 100.390 $
Desarrolladores web (15-1254) 87.400 90.600 +4 % (+3.300) 92.650 $
Diseñadores web y de interfaces digitales (15-1255) 132.700 140.800 +6 % (+8.000) 104.000 $

Fuente: U.S. Bureau of Labor Statistics, Occupational Outlook Handbook. El BLS redondea el empleo a la centena más próxima, por lo que una variación publicada puede diferir en 100 de la resta simple. A modo de comparación, se proyecta que el empleo total de Estados Unidos crezca un 3,5 %, y el salario anual mediano de mayo de 2025 para todos los trabajadores fue de 50.980 $.

El relato de la Oficina importa tanto como las cifras. Sobre los programadores dice que “se espera que muchas empresas aprovechen tecnologías, incluida la inteligencia artificial (IA), para automatizar tareas de programación repetitivas” y que algunas tareas de programación de mayor cualificación probablemente pasarán a los desarrolladores de software. Para los desarrolladores prevé una demanda fuerte derivada del software para IA, el Internet de las cosas, la robótica y otras formas de automatización. Para los desarrolladores web advierte de que las herramientas de IA “pueden moderar el crecimiento del empleo” y pueden “permitir que algunos trabajadores de otras ocupaciones realicen tareas básicas de desarrollo web”. Esa última frase es la versión oficial de la historia del vibe coding.

Tabla 2. Cómo se ven las tres ocupaciones una al lado de otra (análisis de CEOtudent con datos del Occupational Outlook Handbook del BLS)

Medida Desarrolladores de software Programadores informáticos Desarrolladores web
Salario mediano como múltiplo de la mediana de todos los trabajadores (50.980 $) 2,67x 1,97x 1,82x
Brecha salarial respecto a los desarrolladores de software – 35.590 $ menos 43.330 $ menos
Crecimiento proyectado comparado con el de todas las ocupaciones (3,5 %) 2,9 veces la media en descenso 4 %, ligeramente por encima de la media
Desarrolladores por programador, 2025 15,5 – –
Desarrolladores por programador, 2035 (proyectado) 18,4 – –
Variación neta proyectada en las tres +169.900 empleos (+174.700, -8.100 y +3.300)

Fuente: cálculos de CEOtudent a partir de la Tabla 1.

El mercado ya paga una prima del 35,5 % al trabajo que decide qué construir frente al trabajo que traduce un diseño a código, y las proyecciones amplían la distancia de 15,5 desarrolladores por programador a 18,4. Una ocupación que se reduce no es una ocupación cerrada: todavía se proyectan unas 4.400 vacantes de programador al año, todas por la sustitución de trabajadores que se marchan. Las categorías de exposición a la IA de la Oficina y sus salvedades se tratan en el artículo de CEOtudent sobre carreras resilientes a los despidos.

¿Qué les está pasando a los nuevos graduados en informática?

El Banco de la Reserva Federal de Nueva York publica los resultados de 73 carreras universitarias a partir de la American Community Survey. La tabla actual, publicada el 4 de febrero de 2026, usa datos de 2024.

Tabla 3. Recién graduados por carrera (Reserva Federal de Nueva York, cifras redondeadas a un decimal a partir del archivo de datos publicado)

Carrera Tasa de desempleo Tasa de subempleo Salario mediano, inicio de carrera Salario mediano, mitad de carrera
Informática 7,0 % 19,1 % 87.000 $ 120.000 $
Ingeniería informática 7,8 % 15,8 % 90.000 $ 131.000 $
Todas las carreras 4,2 % 39,4 % 58.000 $ 87.000 $

Fuente: Federal Reserve Bank of New York, The Labor Market for Recent College Graduates. Las tasas corresponden a graduados de 22 a 27 años; los salarios, a trabajadores a tiempo completo que solo tienen título de grado (mitad de carrera: de 35 a 45 años). El subempleo es la proporción que trabaja en empleos que normalmente no exigen un título universitario.

Tabla 4. Qué puesto ocupan las dos carreras de computación entre 73 carreras (análisis de CEOtudent con datos de la Reserva Federal de Nueva York)

Medida Informática Ingeniería informática
Puesto por tasa de desempleo (1 = la más alta) 4.ª más alta 2.ª más alta
Puesto por tasa de subempleo (1 = la más baja) 9.ª más baja 4.ª más baja
Puesto por salario mediano de inicio de carrera (1 = el más alto) 2.º más alto 1.º
Brecha de desempleo respecto a todas las carreras +2,8 puntos +3,6 puntos
Brecha de subempleo respecto a todas las carreras -20,2 puntos -23,5 puntos

Fuente: cálculos de CEOtudent a partir del archivo de datos de la Reserva Federal de Nueva York; las brechas usan los valores sin redondear.

El patrón es una cola, no un derrumbe. Los graduados de estas carreras están entre los que tienen más probabilidades de estar desempleados. Los que tienen empleo tienen muchas menos probabilidades de ocupar un puesto que no exige título, y cobran los salarios iniciales más altos de la tabla. Una lectura plausible es que esperan a conseguir puestos técnicos de nivel universitario mientras la puerta de entrada a esos puestos se ha estrechado. La tabla no puede demostrar ese mecanismo por sí sola.

Los datos de nóminas apuntan en la misma dirección. La actualización de agosto de 2026 de “Canaries in the Coal Mine?”, de Brynjolfsson, Chandar y Chen, de Stanford, usa registros de nóminas de ADP hasta junio de 2026. No encuentra evidencia de desplazamiento de empleo en el conjunto de la economía. Sí encuentra que el empleo de los trabajadores de 22 a 25 años en ocupaciones expuestas a la IA se sitúa un 19 % por debajo de donde estaría si hubiera seguido el ritmo de sus pares menos expuestos, frente al 15 % de la versión con datos de julio de 2025, mientras que los trabajadores con experiencia no muestran una brecha comparable. En junio de 2026, el empleo de los jóvenes de 22 a 25 años del panel estaba alrededor de un 2 % por debajo de su nivel de noviembre de 2022, mientras que el de los trabajadores de 35 a 40 años había subido un 11 %. La divergencia opera sobre todo a través de una menor contratación, y persiste cuando se excluyen las ocupaciones informáticas y las empresas tecnológicas.

Los autores llaman a estos hechos “indicadores tempranos y descriptivos”, no estimaciones causales, y señalan que los patrones se atenúan al controlar por nivel educativo. Para esta decisión el significado es acotado pero importante: el riesgo de una carrera en software se ha desplazado al punto de entrada.

¿Las herramientas de programación con IA hacen a la gente más rápida o más lenta?

Las dos cosas, según quién y sobre qué. La Tabla 5 alinea seis estudios, incluidos aquellos en los que el efecto va en la dirección contraria.

Tabla 5. Seis estudios sobre asistencia de IA para programar, alineados (análisis de CEOtudent de los artículos citados; tamaños del efecto tal como los publican los autores)

Estudio Diseño y muestra Contexto Efecto reportado Dirección
Peng et al., 2023 (Microsoft, GitHub, MIT) Experimento controlado; 95 programadores profesionales de una plataforma de trabajo freelance Una tarea: un servidor HTTP en JavaScript Un 55,8 % más rápido (intervalo de confianza del 95 %: del 21 % al 89 %); los desarrolladores con menos experiencia fueron los que más ganaron Más rápido, en una tarea autocontenida
Cui et al., 2025, documento de trabajo Tres experimentos de campo; 4.867 desarrolladores de Microsoft, Accenture y una empresa de la lista Fortune 100 Trabajo ordinario con un asistente de autocompletado de código Un 26,08 % más de tareas completadas (error estándar del 10,3 %); el personal con poca antigüedad ganó del 27 % al 39 %, el de mucha antigüedad del 8 % al 13 % (diferencia no estadísticamente significativa) Más producción, mayor para el personal más nuevo
METR, 2025 Ensayo aleatorizado; 16 desarrolladores de código abierto con experiencia, 246 tareas Sus propios repositorios maduros Un 19 % más de tiempo con la IA permitida; habían pronosticado un 24 % menos de tiempo y después creían haber ahorrado un 20 % Más lento; brecha de percepción de 39 a 43 puntos
METR, actualización de febrero de 2026 57 desarrolladores, más de 800 tareas Proyectos de código abierto, herramientas posteriores Desarrolladores que repetían: un 18 % menos de tiempo (intervalo de un 38 % menos a un 9 % más); desarrolladores nuevos: un 4 % menos (de un 15 % menos a un 9 % más) Tiende a más rápido, el intervalo incluye el cero; METR considera la señal poco fiable
Perry et al., 2023 (Stanford) Estudio con usuarios; 47 participantes, 33 con un asistente de IA y 14 sin él Cinco tareas relacionadas con la seguridad Tarea de SQL: el 36 % del grupo con IA escribió código vulnerable a la inyección SQL frente al 7 % del grupo de control; los usuarios de IA eran más propensos a creer que su código era seguro Menos seguro, más confiado
Shen y Tamkin, 2026 (Anthropic, preprint) Experimento aleatorizado; 52 participantes, 26 por grupo Aprendizaje de una biblioteca de Python desconocida Una puntuación un 17 % más baja en una prueba de habilidades posterior (d de Cohen de 0,738); sin ahorro de tiempo estadísticamente significativo Menos aprendizaje, sin ganancia fiable de velocidad

Fuente: los artículos que figuran en la lista de Fuentes. La brecha de percepción es un cálculo nuestro: el pronóstico (24) o la creencia (20) más la ralentización medida (19).

Las ganancias son mayores cuando la tarea es autocontenida y la persona es nueva. La cifra del 55,8 % procede de un único ejercicio acotado. En el trabajo ordinario de empresa la ganancia fue de un 26,08 % más de tareas completadas, inclinada hacia el personal con poca antigüedad.

La familiaridad puede invertir el signo. Los desarrolladores del estudio de METR de 2025 conocían a fondo sus repositorios, y las herramientas de principios de 2025 les costaron tiempo. El seguimiento sugiere que las herramientas posteriores cambiaron el panorama, pero METR informa de que entre el 30 % y el 50 % de los desarrolladores se reservaron tareas que no querían hacer sin IA, por lo que trata la estimación más reciente como evidencia débil y está rediseñando el estudio.

La gente juzga mal su propia velocidad. Los desarrolladores del ensayo de 2025 esperaban ahorrar un 24 %, perdieron un 19 % y aun así creían haber ahorrado un 20 %. Una buena tarde con una herramienta de IA no es una medición.

La velocidad no es el único resultado. En el estudio de Stanford, el 67 % de los usuarios de IA resolvió correctamente la tarea de cifrado frente al 79 % del grupo de control, y los usuarios de IA se mostraban más confiados en la seguridad siendo menos seguros. En el estudio de Anthropic el coste apareció en el aprendizaje.

Los desarrolladores parecen haberlo asimilado. La Developer Survey de 2025 de Stack Overflow, una encuesta de empresa con muestra autoseleccionada, informó de que el 84 % de los encuestados usaba o tenía previsto usar herramientas de IA, mientras que eran más los que desconfiaban de la exactitud de los resultados (46 %) que los que confiaban en ella (33 %). La principal frustración, citada por el 66 %, eran las “soluciones de IA que son casi correctas, pero no del todo”. En la edición de 2026, el 73 % usa a diario asistentes y agentes de programación, y el 48 % dice confiar en la IA cuando puede validar las respuestas con facilidad. El uso intensivo convive con una confianza condicional, y la condición es la capacidad de comprobar.

¿Aprender a programar te hace pensar mejor?

Es el argumento más antiguo a favor de aprender a programar con independencia de la carrera profesional. Existe una fuente sólida: un metaanálisis de Scherer, Siddiq y Sanchez Viveros en el Journal of Educational Psychology que abarca 105 estudios y 539 tamaños del efecto. Reporta un efecto de transferencia global moderado (g = 0,49), un efecto fuerte para la transferencia cercana (g = 0,75) y un efecto moderado para la transferencia lejana (g = 0,47), con el rendimiento escolar y la lectoescritura como los ámbitos que menos se benefician. Crossref no registra ninguna corrección a noviembre de 2026.

Se aplican tres límites. Los efectos fueron significativamente mayores en los estudios con grupos de control sin tratamiento que en los que tenían controles activos, y mayores en los estudios publicados que en la literatura gris, por lo que la cifra principal probablemente favorece al efecto real. El resumen plantea la pregunta en torno a estudiantes en centros escolares, no a profesionales adultos. Y el artículo es anterior a los asistentes de IA. Aprender a programar probablemente mejora algo la resolución estructurada de problemas. Eso lo respalda como entrenamiento mental, no como decisión de carrera.

¿Qué nivel necesitas? La Prueba de Nivel de Código de CEOtudent

La evidencia clasifica a los lectores en cuatro niveles. La tabla es un marco editorial de CEOtudent, no un instrumento validado, y los nombres de los niveles son nuestros.

Tabla 6. La Prueba de Nivel de Código de CEOtudent (marco editorial de CEOtudent)

Nivel Estás aquí si Qué aprendes De qué eres responsable Evidencia en la que se apoya
0. Operador En tu trabajo rara vez aparecen problemas con forma de código Alfabetización en IA, no programación La calidad de tus propios resultados BLS: la construcción básica se está desplazando a otras ocupaciones, pero es opcional
1. Lector-director Especificas, encargas o apruebas software, automatizaciones o análisis que construyen otros (personas o agentes) A leer código y flujos de datos lo bastante bien como para preguntar qué hace, qué toca y cómo se probó La especificación y la decisión de aceptación Stack Overflow 2026: la confianza depende de poder validar; Perry et al.: la confianza subió mientras la seguridad bajaba
2. Constructor de herramientas Un problema recurrente de tu propio trabajo se resolvería con un script pequeño o una aplicación interna que tú ejecutarás y mantendrás Un lenguaje a nivel operativo, control de versiones, pruebas, seguridad básica La herramienta, sus datos y sus fallos Peng et al. y Cui et al.: los principiantes asistidos son los que más ganan en tareas acotadas; Shen y Tamkin: solo si te mantienes implicado
3. Ingeniero profesional Quieres que te paguen por software del que dependen otras personas, y responder por él Fundamentos de informática, diseño de sistemas, práctica en producción Sistemas, fiabilidad y datos de otras personas BLS: desarrolladores +10 % con una prima salarial del 35,5 % sobre los programadores; Reserva Federal de Nueva York y Stanford: una puerta de entrada estrecha

Haz la prueba en orden y detente en el primer nivel que encaje.

  1. Recurrencia. En un mes normal, ¿tu trabajo genera algún problema que el software resolvería: manejo repetitivo de datos, un informe que se rehace a mano, dos sistemas que no se comunican entre sí? Si la respuesta es no, Nivel 0 por ahora.
  2. Responsabilidad. Cuando aparece un problema así, ¿tu papel consiste en definirlo y aceptar el resultado mientras otra persona lo construye? Si la respuesta es sí, el Nivel 1 es un requisito, no una opción.
  3. Radio de impacto. ¿Lo que construyas tocaría solo datos de bajo riesgo tuyos o de tu equipo, con errores visibles y reversibles? Si la respuesta es sí, y vas a mantenerlo, Nivel 2.
  4. Ingresos. ¿Quieres que construir software sea lo principal por lo que te pagan, con responsabilidad sobre sistemas de los que dependen otras personas? Si la respuesta es sí, Nivel 3, con las condiciones que siguen.

¿Cuándo NO deberías elegir cada nivel?

  • No el Nivel 0 si apruebas presupuestos, proveedores o agentes de IA que producen código. Dar el visto bueno a un trabajo que no sabes leer es el patrón contra el que advierte el estudio de seguridad.
  • No el Nivel 1 por sí solo si ya estás pegando scripts generados por IA en hojas de cálculo, bases de datos o sitios web en producción. Eso es trabajo de Nivel 2 hecho sin habilidades de Nivel 2.
  • No el Nivel 2 para nada que maneje datos personales de clientes, pagos, credenciales o registros regulados, ni para aquello de lo que vayan a depender otros equipos sin un responsable. Déjalo en manos de gente de Nivel 3. La guía de vibe coding como fundador en solitario cubre el proceso de construcción; este es el límite a partir del cual deja de ser seguro.
  • No el Nivel 3 si el plan depende de que un curso corto lleve directamente a un primer empleo con la mediana de la Tabla 1. Las medianas describen a todos los que ejercen la ocupación, las Tablas 3 y 4 describen la puerta, y el Handbook señala el título de grado como la formación de entrada típica en los tres grupos de ocupaciones. Trata el Nivel 3 como una decisión de varios años.

No se adjuntan presupuestos de tiempo porque ninguna de estas fuentes los midió. La revisión de CEOtudent de los datos sobre el tiempo hasta la competencia cubre las estimaciones de horas y sus límites.

¿Cómo deberías aprender a programar cuando la IA puede escribir el código?

El experimento de Shen y Tamkin es pequeño, procede de una empresa de IA y probó una sola herramienta basada en chat con una sola biblioteca. Aun así es el diseño más pertinente disponible, porque midió el aprendizaje y no la producción.

Los participantes que usaron IA se repartieron en seis patrones de interacción. Tres obtuvieron de media un 65 % o más en la prueba: generar código y después hacer preguntas de seguimiento para entenderlo, pedir el código junto con explicaciones, y hacer solo preguntas conceptuales mientras resolvían los errores por su cuenta. Tres obtuvieron de media menos del 40 %: delegar toda la escritura del código, deslizarse de las preguntas a la delegación total, y pedir repetidamente a la IA que depurara. Uno de los grupos tenía solo dos personas, así que los porcentajes tienen poco peso. La dirección coincide con la evidencia de la escalera del aprendizaje basado en proyectos de CEOtudent: el esfuerzo que se siente más lento tiende a fijarse.

Tabla 7. Reglas de aprendizaje y comprobaciones previas a la ejecución (marco editorial de CEOtudent)

Regla En la práctica Por qué
Lee antes de escribir Explica cada bloque generado con palabras sencillas antes de ejecutarlo Todos los patrones de puntuación alta incluían trabajo de comprensión
Depura primero por tu cuenta Lee el error, formula una hipótesis, ponla a prueba y después pregunta La depuración repetida con IA fue el patrón con la puntuación más baja
Prueba lo que no sabes leer Ejecútalo sobre una muestra inofensiva; mantén una comprobación que revelaría un resultado erróneo La confianza de los desarrolladores está condicionada a la validación
Da por hecho que falta la seguridad Averigua qué puede leer, modificar, borrar o enviar el código, y mantén las claves y los datos personales fuera de él Los usuarios de IA del estudio de Stanford eran menos seguros y más confiados
Mide, no te fíes de la sensación Cronometra una tarea con asistencia y sin ella Los desarrolladores con experiencia juzgaron mal su velocidad por unos 40 puntos

Para el Nivel 1, las filas uno, tres y cuatro son el plan de estudios, junto con la guía de CEOtudent sobre alfabetización en agentes. Para el Nivel 2 se aplican las cinco. Para el Nivel 3 son hábitos que se suman a un plan de estudios formal. Si dos o más filas no pueden cumplirse en algo que importa, la tarea pertenece a un nivel superior.

¿Qué significa esto para el CEO y el estudiante que llevas dentro?

El movimiento del CEO es una decisión de alcance. Elige el nivel, anota de qué eres responsable en ese nivel y anota qué no vas a tocar. En el Nivel 1 eso es la especificación y la decisión de aceptar. En el Nivel 2 es el script, sus datos y sus fallos. Nadie debería aprobar ni ejecutar lo que no puede comprobar.

El movimiento del estudiante es una decisión de método. En todos los niveles por encima de cero, la habilidad escasa es la lectura y la verificación. Teclear sintaxis es lo que las herramientas hacen bien en tareas acotadas. Juzgar si el resultado es correcto, seguro y mantenible es lo que, según los estudios, la gente sobrestima en sí misma.

¿Qué no muestra esta evidencia?

  • Son datos de Estados Unidos, y las proyecciones son resultados de modelos, no garantías.
  • Las herramientas avanzan más rápido que los estudios. Cualquier cifra de velocidad de la Tabla 5 puede quedar anticuada pronto.
  • Las muestras son pequeñas o seleccionadas. Los estudios con 16, 47 y 52 personas no pueden generalizarse, y las encuestas a desarrolladores tienen muestras autoseleccionadas.
  • Los datos de graduados son de 2024. La serie trimestral de la Reserva Federal de Nueva York, que no se desglosa por carrera, situó el desempleo de todos los recién graduados en el 5,2 % en el tercer trimestre de 2026.
  • La prueba clasifica situaciones típicas, no individuos.

Preguntas frecuentes

¿Sigue valiendo la pena aprender a programar en 2026?
Para quienes aprueban software, automatizaciones o resultados de agentes de IA, aprender a leer y dirigir código (Nivel 1) vale la pena. Construir herramientas pequeñas vale la pena cuando existe un problema recurrente. La ingeniería profesional sigue estando bien pagada, con un punto de entrada más difícil.

¿La IA sustituirá a los desarrolladores de software?
Las proyecciones oficiales no dicen eso. La Oficina de Estadísticas Laborales proyecta un crecimiento del 10 % para los desarrolladores de software de 2025 a 2035 y un descenso del 7 % para los programadores informáticos, y nombra la IA como factor en ambos casos.

¿Un profesional no técnico debería aprender Python o limitarse a usar herramientas de IA?
No son alternativas. Cualquiera que construya debería aprender lo suficiente de un lenguaje para leer, probar y limitar lo que escribió la IA.

¿Sigue siendo una buena elección la carrera de informática?
Los datos de la Reserva Federal de Nueva York muestran las dos caras: la cuarta tasa de desempleo más alta de 73 carreras (7,0 %) y el segundo salario mediano de inicio de carrera más alto (87.000 $). Los datos no pueden decir qué se mantendrá para un estudiante que empieza ahora.

¿Usar IA mientras se aprende a programar perjudica el aprendizaje?
En el único experimento aleatorizado que lo midió, el grupo con IA obtuvo una puntuación un 17 % más baja en una prueba posterior, con el daño concentrado entre quienes delegaron. El estudio es pequeño y está pendiente de replicación.

Fuentes

  1. U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Software Developers, Quality Assurance Analysts, and Testers. Salarios de mayo de 2025, proyecciones 2025-35.
  2. U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Computer Programmers. Salarios de mayo de 2025, proyecciones 2025-35.
  3. U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Web Developers and Digital Designers. Salarios de mayo de 2025, proyecciones 2025-35.
  4. U.S. Bureau of Labor Statistics. Employment Projections: 2025-2035 Summary. Comunicado de prensa USDL-26-1422, 27 de agosto de 2026.
  5. Federal Reserve Bank of New York. The Labor Market for Recent College Graduates: resultados por carrera (publicados el 4 de febrero de 2026, datos de 2024) y aspectos destacados de 2026:Q3 (publicados el 2 de noviembre de 2026).
  6. Brynjolfsson, E., Chandar, B., y Chen, R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, versión de agosto de 2026 (datos de ADP hasta junio de 2026).
  7. Peng, S., Kalliamvakou, E., Cihon, P., y Demirer, M. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv 2302.06590, 2023. Entre los autores hay empleados de Microsoft y GitHub.
  8. Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S., y Salz, T. The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Documento de trabajo, febrero de 2025. Entre los autores hay empleados de Microsoft.
  9. Becker, J., Rush, N., Barnes, B., y Rein, D. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, arXiv 2507.09089, julio de 2025.
  10. Becker, J., Rush, N., Cunningham, T., Rein, D., y Mahamud, K. We are Changing our Developer Productivity Experiment Design. METR, 24 de febrero de 2026.
  11. Perry, N., Srivastava, M., Kumar, D., y Boneh, D. Do Users Write More Insecure Code with AI Assistants? ACM CCS 2023; versión 3 de arXiv.
  12. Shen, J. H., y Tamkin, A. How AI Impacts Skill Formation. arXiv 2601.20245, febrero de 2026. Autores afiliados a Anthropic, una empresa de IA.
  13. Scherer, R., Siddiq, F., y Sanchez Viveros, B. The cognitive benefits of learning computer programming: A meta-analysis of transfer effects. Journal of Educational Psychology, 111(5), 764-792, 2019 (solo el resumen).
  14. Stack Overflow. 2025 Developer Survey, sección de IA. Encuesta de empresa con muestra autoseleccionada.
  15. Stack Overflow. 2026 Developer Survey, sección de IA. Encuesta de empresa con muestra autoseleccionada.

Las Tablas 2 y 4 son análisis de CEOtudent recalculados a partir de cifras del BLS y de la Reserva Federal de Nueva York. La Tabla 5 es una alineación de CEOtudent de resultados publicados; la brecha de percepción es un cálculo nuestro. Las Tablas 6 y 7 son marcos editoriales de CEOtudent. No se han usado deliberadamente: la afirmación muy repetida de que el empleo de los desarrolladores de software jóvenes cayó alrededor de un 20 % desde su máximo de finales de 2022, porque la edición de agosto de 2026 del artículo de Stanford que abrimos no publica una cifra específica por ocupación en su texto principal; el titular del 13 % de la primera edición de ese artículo, que los autores sustituyeron por la medida del 19 %; las estimaciones de horas para cada nivel; y las cifras de productividad comunicadas por proveedores que no pudieron abrirse completas.


Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.

This post is also available in: Türkçe English Français Deutsch

Benzer içerikler