Investigación · · 9 min de lectura

Jonathan Blow contra el hype: si la IA ya resolvió la programación, ¿por qué tu software sigue igual?

El creador de Braid cuestiona el relato de que la IA ha resuelto la programación. Analizamos qué significa para los CTOs que compran agentes ia como si fueran a reemplazar a sus equipos.

Comparte: Compartir en LinkedIn Publicar en X

Jonathan Blow, el creador de Braid y The Witness, ha puesto el dedo en la llaga en un vídeo recogido por GeekNews ES: si la IA ya resolvió la programación, ¿por qué su propio software no muestra ninguna revolución? La pregunta es la bofetada de realidad que el sector necesita antes de firmar el próximo contrato de agentes ia a precio de oro.

TL;DR: Jonathan Blow pone en duda que la IA haya resuelto la programación porque su software real no nota la revolución. El abismo entre benchmarks (SWE-bench) y producción sigue siendo enorme en sistemas legacy y lógica de negocio compleja. La IA rinde en boilerplate y greenfield, no en código con contexto profundo. Para un CTO, esto significa rediseñar el reparto de tareas antes de recortar plantilla, no comprar un agente más.

El abismo entre el benchmark y la fábrica de software

Blow no es un ludita. Lleva años construyendo su propio lenguaje, Jai, y habla de rendimiento y ergonomía de sistemas con la precisión de alguien que ha depurado durante décadas. Por eso su escepticismo pesa más que el de un analista de turno. La narrativa dominante dice que modelos como Claude Sonnet 4.5 o GPT-5.1 resuelven tickets de forma autónoma y que los benchmarks tipo SWE-bench superan el 70%. La realidad operativa que ve Blow —y que ven la mayoría de CTOs con producto en producción— es que el software no ha cambiado de orden de magnitud.

La explicación técnica es incómoda: los benchmarks se ejecutan sobre repositorios públicos, con tests definidos, contexto acotado y cero presión de un SLA de cliente. La fábrica de software real incluye reglas de negocio que no están escritas en ningún README, dependencias de un ERP de 2009, decisiones arquitectónicas que solo conocen dos personas y un equipo que cambia cada trimestre. El agente, por muy bueno que sea, no tiene ese mapa.

A diferencia de lo que dice el anuncio oficial del proveedor de turno, el verdadero reto para las empresas españolas no es integrar el modelo más potente: es inyectarle el contexto que sí tiene un ingeniero senior que lleva cinco años en el proyecto. Y eso hoy no se resuelve con un prompt.

Dónde gana de verdad la IA: el desglose por tipo de tarea

La conclusión útil de la tesis de Blow no es «la IA no sirve», sino «la IA sirve para un subconjunto muy concreto de tareas, y el resto del discurso es marketing». Los datos que manejan las consultoras que auditan despliegues reales apuntan a una distribución muy desigual:

Tipo de tarea Retorno real de la IA Coste de error Quién debe liderar
Boilerplate, CRUD, scaffolding Alto (25-40% menos tiempo) Bajo Agente + revisión ligera
Migraciones y refactors mecánicos Medio Alto Agente + senior
Lógica de negocio compleja Bajo (<10%) Muy alto Humano + agente como apoyo
Greenfield con tests claros Alto Medio Agente + junior
Depuración en producción Bajo Crítico Humano senior
Documentación y tests unitarios Alto Bajo Agente

El patrón es nítido: cuanto más explícito es el contexto y más acotada la tarea, mejor funciona el agente. Cuanto más tácito, más largo el historial y más altas las consecuencias, peor. Esto no es una opinión: es lo que se repite en cada post-mortem de un proyecto donde se prometió un 40% de reducción de costes y se entregó un 8% con intereses en deuda técnica.

El rol del humano: agencias y consultoría como árbitros del reparto

Aquí es donde el mercado B2B español se está reposicionando. Las agencias ia en Madrid que llevan dos años haciendo despliegues reales ya no venden «agentes que programan»: venden auditoría de qué tareas merecen un agente y cuáles no. Es un trabajo menos glamuroso que el de los demos de Twitter, pero es el que sostiene contratos de doce meses.

Lo mismo ocurre en el ecosistema de agencias ia en Barcelona, donde muchas están pivotando hacia un modelo mixto: un consultor senior define el mapa de contexto y después un agente opera en las zonas seguras del código. La consultoría ia ya no compite por quién integra el modelo más puntero, sino por quién identifica antes dónde NO debe entrar la IA. El servicio más valorado del 2026 no es implementar agentes: es decidir qué se queda en manos humanas.

Y es que la reflexión de Blow es, en el fondo, una protesta de artesano. Su video es la versión developer de lo que un CEO debería preguntarse antes de aprobar el presupuesto: si mi software no ha cambiado, ¿he comprado capacidad real o he financiado un piloto de marketing?

El coste oculto: la deuda técnica que genera el agente

Hay un segundo efecto que Blow insinúa pero no desarrolla y que golpea directamente al P&L: el código que el agente sí escribe a veces es peor que el que no escribe. Los agentes autónomos tienden a duplicar lógica en vez de refactorizar, a ignorar patrones internos y a generar tests que pasan pero no cubren casos límite. Al cabo de seis meses, el equipo humano dedica más tiempo a auditar output que a construir.

En España, este coste se está notando especialmente en equipos con menos seniority, donde el agente escribe el 60% del código pero nadie tiene la autoridad técnica para rechazarlo. Las agencias ia en Valencia que están cerrando proyectos con éxito comparten un patrón: imponen un ratio —por cada línea generada, un revisor senior con poder de veto— y miden la deuda generada, no solo la velocidad.

Este movimiento, además, coincide con la presión de coste de cómputo. La presunta escasez artificial de GPUs de Nvidia —con inversión cruzada en startups de IA que compran sus propias tarjetas— está encareciendo la inferencia. Si el agente genera más código para revisar y cada revisión cuesta lo mismo que antes, el arbitraje económico se rompe. Otro síntoma de que el relato «ya está resuelto» no cuadra con las facturas de infraestructura. Y en esta misma línea, la ola de startups tipo guardian agents —como WhiteMatter, que acaba de levantar 20 millones para vigilar a otros agentes— confirma el diagnóstico: el mercado ya invierte en control, no en sustitución.

Lo que un CTO debería hacer el lunes

Nada de recortar plantilla con la excusa de la IA. La lectura útil del vídeo de Blow es una auditoría de tareas. Coja su backlog del último trimestre, clasifíquelo según la tabla de arriba y pregúntese cuántas tareas de la columna «Retorno alto» siguen haciendo humanos. Ahí está su ahorro real, no en el despido del equipo de QA.

Después, revise el contexto. La diferencia entre un agente útil y uno inútil en producción rara vez es el modelo: es la calidad del repositorio de documentación, la política de tests y la cultura de revisión. Si su código no es explicable para un humano nuevo en dos semanas, tampoco lo es para un agente. La IA no arregla sistemas rotos; los imita a escala.

Y por último, exija métricas honestas. Cualquier agencia de agentes ia que le prometa doblegar la productividad sin medir la deuda generada ni el coste de revisión está vendiéndole la misma película que el proveedor del modelo. La pregunta que hay que hacer en la próxima reunión no es «¿qué modelo usáis?», sino «¿cuántas horas de revisión humana genera cada 100 líneas del agente?».

Predicción: la vuelta al origen senior

El sector va a pasar los próximos doce meses desmontando el mito de que la IA resolvió la programación. La consecuencia no será un retroceso, sino un reajuste: los equipos se volverán a llenar de seniority, no de juniors con Copilot. La IA será potente donde ya lo era —greenfield, boilerplate, tests— y estará ausente donde siempre importó —sistemas que sostienen el negocio, código que nadie entiende, decisiones con consecuencias—. El mercado que sepa vender «aquí NO entra la IA» tendrá más tracción que el que siga prometiendo la revolución. Y Blow tendrá razón un año más: su software seguirá igual, pero al menos no habrá pagado la factura de la promesa.

Preguntas frecuentes sobre la IA en programación

¿Jonathan Blow ha dicho que la IA no sirve para programar?

No. Blow cuestiona que la IA haya resuelto la programación como actividad global. Su argumento es que si de verdad hubiera supuesto una revolución de orden de magnitud, su propio software lo notaría, y no lo hace. Es una crítica al exceso de la narrativa, no al uso puntual de herramientas.

¿Por qué los benchmarks de programación no se traducen en productividad real?

Porque los benchmarks tipo SWE-bench se ejecutan sobre repositorios públicos con tests definidos y contexto acotado. La producción empresarial incluye reglas de negocio no documentadas, deuda técnica y dependencias heredadas que el modelo no conoce. El abismo entre ambos escenarios explica la diferencia entre el 70% del leaderboard y el 8% de mejora real en legacy.

¿En qué tareas rinde mejor un agente ia en un equipo de desarrollo?

En tareas con contexto explícito y bajo coste de error: boilerplate, CRUD, scaffolding, migraciones mecánicas, tests unitarios y documentación. En lógica de negocio compleja y depuración en producción, el retorno cae por debajo del 10% y el coste de revisión anula el ahorro.

¿Cómo puedo saber si necesito consultoría ia o puedo hacerlo in-house?

Si su equipo no tiene un senior capaz de vetar el output de un agente, probablemente necesite ayuda externa. La consultoría ia hoy se paga sobre todo por la auditoría de qué tareas NO delegar, no por la integración técnica, que cada vez es más barata y accesible.

¿La IA va a sustituir a los programadores en 2026?

No en los términos que vende el mercado. Va a cambiar el reparto de tareas y a aumentar la exigencia de seniority. Los equipos que no auditen el código generado acumularán deuda técnica que consumirá más ingenieros que los que la IA habrá liberado.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

Posts relacionados