¿Por qué programar en 2026? El verdadero oficio después de la IA

Un hilo hace ronda en HN: programar en 2026 es cada vez menos producir líneas de código y más arbitrar el contexto, los datos y la estructura. La disciplina se desplaza.

En términos sencillos. La pregunta ya no es «¿la IA reemplazará a los desarrolladores?», sino «¿para qué sirve programar cuando la IA genera el 70 % del texto?». La respuesta del artículo de Doug Turnbull: programar sigue siendo la única forma de hacer que una intención sea ejecutable, probable y versionable. Lo que cambia es dónde se genera el valor.

Contexto

El artículo «Why Write Code in 2026» (softwaredoug.com, 9 de julio) circula en HN porque no encaja con el discurso dominante. Su autor —ingeniero de ML con años de experiencia— no defiende ni al «desarrollador héroe» ni al futuro «no-code». Plantea una tesis más contundente: la IA ha hecho que el prototipo sea gratis; lo que sigue siendo caro es la puesta en producción.

Análisis

Lo que el código históricamente proporcionaba —y que la IA no reemplaza—:

• una intención ejecutable —el único artefacto que la máquina puede ejecutar realmente sigue siendo código, no un prompt;
• una superficie de prueba —un modelo que «hace algo parecido» no sobrevive a un diff en 200 archivos;
• un rastro versionable —lo que la IA «decidió» un martes por la noche debe poder auditarse un mes después.

El valor se desplaza hacia tres áreas: los límites (qué vale tu sistema en datos, contratos de API, invariantes), el contexto (estructurar un repositorio para que un agente —humano o IA— no se pierda) y la revisión (saber decir «este diff no tiene sentido» cuando lo parece).

Cambios en el craft

Tres consecuencias prácticas:

1. Las pruebas se convierten en el principal artefacto editorial: describen la intención para la máquina y para la siguiente IA.
2. La modularidad gana aún más valor —no por reutilización, sino porque un módulo bien dividido cabe en una ventana de contexto.
3. La nomenclatura vuelve a ser clave: un agente que duda entre charge y charge_amount cometerá un error que un humano distraído no habría hecho.

Escenarios

Base (60 %): los equipos que tratan la IA como un «becario rápido, por encajar» ganan un 20-30 % de velocidad sin aumentar la deuda técnica. Optimista (25 %): los mejores automatizan el refactoring y recuperan un 50 % —pero solo en bases de código ya limpias. Pesimista (15 %): los equipos que dejan que la IA escriba sin estructura ven cómo la deuda técnica explota en 12-18 meses.

Riesgos

El verdadero riesgo no es el reemplazo, sino la erosión del discernimiento: cuanto menos escribimos, menos leemos, y menos sabemos cuándo un diff huele mal.

¿Y entonces?

Programar en 2026 ya no consiste en producir texto: es enmarcar, probar, arbitrar. La pregunta para cualquier equipo: ¿cuánto tiempo tardan en entender lo que la IA escribió ayer? Si la respuesta es «ya no lo hacemos», están vendiendo su futuro por una ganancia de velocidad presente.