La caída del coste de producir código plausible gracias a los modelos de lenguaje ha obligado a revisar muchas prácticas clásicas de dirección de ingeniería. Un director con más de tres años de experiencia repasa los principios tradicionales —no codear, dar tiempo al trabajo, proteger al equipo del negocio, buscar consenso— y los somete a una prueba: ¿siguen siendo válidos porque coordinan personas, o porque asumir que escribir código era caro y lento? Alrededor de la mitad de esas reglas, sostiene, descansaban sobre suposiciones que ya no se cumplen.
El artículo distingue entre lo que se sabe con certeza (la programación es ahora barata y no volverá a ser cara) y lo que sigue siendo una apuesta: que la IA haya acelerado a las organizaciones de ingeniería, que la revisión de código sea obsoleta o que se pueda ejecutar el mismo plan con la mitad de la plantilla. Advierte de que métricas como la velocidad, el número de pull requests o los tickets cerrados se vuelven activamente engañosas cuando lo que aproximaban ya no escasea, y que medir aceptación de prompts o contar sugerencias reproduce el mismo error.
Donde el ahorro sí es real es en la verificación mecánica: tipos, tests, contratos, invariantes, métricas canario. Si el código «correcto» puede expresarse como un artefacto comprobable por una máquina, los agentes iteran a una velocidad que ningún revisor humano iguala. Pero la verificación semántica —si el código implementa la política que el negocio necesita, si el equilibrio encaja con la exposición regulatoria— sigue dependiendo de personas, porque el revisor automático comparte datos de entrenamiento y puntos ciegos con el generador. De ahí se desprenden tres consecuencias: el coste unitario baja pero el volumen total de verificación sube; la cuota de correctitud comprobable por máquina es una variable estratégica que depende de invertir en buenas especificaciones; y la firma humana, como aceptación de riesgo, no se comprime.
Por último, el texto señala un problema sin resolver: la formación de ingenieros senior dependía de tareas que ahora absorbe la IA, así que el efecto de un pipeline roto tardará entre tres y cinco años en notarse.