La irrupción de los modelos de lenguaje grandes está cambiando los criterios con los que los desarrolladores eligen un lenguaje de programación. Históricamente, la familiaridad con la sintaxis y las peculiaridades de cada lenguaje suponía una barrera de entrada importante, pero los agentes basados en IA eliminan buena parte de esa fricción: pueden aprender, escribir y migrar código en lenguajes con los que el programador humano no está familiarizado. Como consecuencia, la decisión sobre qué lenguaje usar se desplaza hacia el 'marketing' y la propuesta de valor de cada comunidad, y ya no tanto hacia la pericia previa del equipo.
En ese contexto, el autor —programador veterano de Rust— constata un resurgimiento de los lenguajes asociados al software rápido y eficiente. Proyectos como el servicio Artifacts de Cloudflare, escrito en Zig puro y compilado en un módulo WebAssembly de unos 100 KB, o el agente de programación fx publicado por Vercel Labs, también en Zig, ilustran esta tendencia. Otros programadores de referencia como Mitchell Hashimoto, Charlie Marsh, Jarred Sumner o Daniel Lemire llevan tiempo defendiendo ese mismo ideario de rendimiento. A ellos se suman ahora más desarrolladores gracias a herramientas como autoresearch, que automatizan tareas de optimización y permiten abordar tecnologías antes reservadas a especialistas: archivos DWARF, eBPF, controladores de red a medida, criptografía o hardware antiguo. El artículo concluye que, aunque pueda aumentar el 'slop' —código mediocre generado automáticamente—, también crecerá el número de desarrolladores capaces y dispuestos a construir software rápido y compacto.