La nueva brecha del conocimiento: desarrolladores que no usan IA en la era de la productividad exponencial

Vivimos en un momento en que la transformación tecnológica ya no sólo es un plus sino un imperativo de competitividad. En particular, el desarrollo de software —que en otra época era visto como parte del back-office del negocio— está en el centro de la redefinición de la cadena de valor, gracias a la irrupción de la inteligencia artificial (IA). El análisis de McKinsey en “Unlocking the value of AI in software development” muestra que integrar la IA en el ciclo de vida del software no es sólo una mejora incremental, sino una oportunidad de disrupción.
Y aquí aparece la paradoja: justamente quienes generan la infraestructura que hace posible la IA —los profesionales de desarrollo de software— corren el riesgo de quedarse atrás, generando una brecha de desempeño que resulta difícil de entender a simple vista: ¿cómo es que los que hacen la IA no la usan? 

Este artículo analiza esa brecha, sus causas, sus implicaciones —y su urgencia—.

Qué dice McKinsey: los números, los ganadores y la etapa crítica

Según McKinsey, su encuesta abarcó unos 300 líderes senior de empresas que cotizan en bolsa y alrededor de 100 de ellos evaluaron impacto y desempeño en cuatro resultados clave: calidad del software, velocidad al mercado (time to market), productividad del equipo y experiencia del cliente. Algunos hallazgos clave:

• Las organizaciones con mejor desempeño en IA-software han realizado dos grandes desplazamientos y adoptado tres habilitadores esenciales para maximizar el valor. 

• Otro artículo de McKinsey indica que los desarrolladores pueden completar tareas hasta dos veces más rápido gracias a los sistemas de IA generativa. 

• En un contexto más amplio, McKinsey estima que la IA generativa puede aportar entre $2,6 billones y $4,4 billones anuales a la economía global, considerando los casos de uso analizados. 

• Sin embargo, pese a estas cifras prometedoras, muchas empresas todavía están en fases tempranas de integración y no han capturado el valor máximo: sólo una minoría dice que la IA está plenamente integrada en su flujo de trabajo y genera impacto en resultados (EBIT) a nivel empresa. 

Lo que se desprende: la oportunidad es enorme, pero la barrera de adopción es real —y eso abre la puerta para la brecha de desempeño.

¿Por qué existe una brecha de desempeño entre desarrolladores que usan IA y los que no?

Analicemos varias dimensiones que explican ese fenómeno, conectando con la realidad de Costa Rica, América Latina y economías pequeñas-abiertas que dependen de servicios modernos.

a) Herramientas vs. transformación de procesos

El artículo de McKinsey enfatiza que no basta con adoptar herramientas de IA: “realizing the revolutionary promise of AI on software product development will take much more than adoption — it will require a complete overhaul of processes, roles and ways of working”.
En otras palabras: un desarrollador puede tener a su disposición un asistente de codificación, un generador de pruebas unitarias o un sistema de revisión automática, pero si el equipo de trabajo, la gobernanza, el ciclo de vida del producto y la cultura no están alineados, el impacto será marginal.

Un profesional que simplemente usa IA como un gadget adicional está en ventaja respecto al que no lo hace, pero estará muy por detrás del que trabaja en un entorno diseñado para IA-centred software development (PDLC). McKinsey habla de “fundamental redesign toward an AI-centric PDLC” como uno de los habilitadores clave. Conclusión: la brecha florece cuando unos pausan en adoptar herramientas y otros ya están adoptando procesos.

b) Talento, cultura y gobernanza

La adopción exitosa implica cambiar cómo se trabaja: roles de equipo, revisión de código, monitoreo, pruebas, experiencias del cliente. McKinsey identificó cinco dimensiones: estructura, estrategia/gobernanza, formas de trabajar, cultura y talento, y herramientas. Si el desarrollador responsable —o su líder de equipo— no tiene formación para usar IA, o no está en una cultura que incentiva su uso, entonces la eficiencia potencial desaparece. Por ejemplo, un estudio muestra que solo el 1% de las empresas se autodeclaran maduras en el despliegue de IA. Por tanto, el desarrollador que ignora la IA entra en desventaja de tal calibre que no es simplemente menos eficiente, sino que está operando bajo un paradigma distinto.

c) Incentivos y métricas

Los desarrolladores suelen tener métricas de desempeño tradicionales: líneas de código entregadas, bugs corregidos, tiempo de entrega. Pero en un entorno IA-potenciado el estándar cambia: velocidad, calidad, reuso, impacto de negocio. Si la organización no actualiza sus métricas para reflejar esos elementos, el profesional que no se adapta quedará subvalorado, aunque aparentemente cumpla con las métricas clásicas.

d) Dependencia de legacy y miedo al cambio

El desarrollador puede decir: “yo hago lo que siempre se ha hecho”, “estos sistemas legados no se adaptan a IA fácilmente”, “la IA es hype”. Pero McKinsey advierte que los ganadores ya están integrando IA en cada fase del ciclo: descubrimiento, construcción, pruebas, monitoreo y operación. El que no lo hace se queda operando un modelo que pierde velocidad y costo relativo.

e) Capacidad de adaptación frente a barrera de entrada baja

Paradójicamente, los desarrolladores crean la IA, entrenan modelos, producen plataformas, pero están en riesgo de no usarla. Esto puede deberse a tres razones:

• Falta de formación o mindset para ver la IA como herramienta de su productividad.

• Percepción de riesgo: ¿y si la IA me quita empleo?

• Falta de infraestructura o apoyo organizativo: solo funcionan aquellos equipos que realmente integran IA en su proceso, no solo por módulo aislado.

Por ende, la brecha existe porque la ventaja de usar IA ya no es marginal: es estructural.

¿Cuál es el tamaño del impacto? ¿Qué cifras podemos citar?

• La posibilidad de que los desarrolladores puedan completar tareas hasta dos veces más rápido gracias a IA generativa. 

• McKinsey estima que la IA generativa puede aportar $2,6 billones a $4,4 billones al valor anual global en las empresas. 

• En una encuesta reciente, el 78% de los participantes dicen que sus organizaciones usan IA al menos en una función de la empresa. 

Así que cuando un desarrollador o un equipo no incorpora IA, está renunciando a un potencial de mejora de productividad (velocidad, calidad, costo) que se ha convertido en ventaja competitiva. Este no es un lado B del desarrollo, es el nuevo estándar industrial.

Por qué los que lo hacen posible también deben hacerlo

Mi pregunta —“de no entender muy bien por qué hay brecha si estos profesionales hacen posible la existencia de IA” — es absolutamente pertinente. Y la respuesta es que hay una brecha entre crear IA y usar IA para desarrollar software.

El desarrollador que entrena modelos de IA, o que trabaja en la infraestructura de IA, puede quedar en la zona de contratista de IA. Pero el que incorpora IA en su flujo de desarrollo de software de negocio está en la zona de developer 2.0. ¿Por qué importa? Porque mientras unos construyen la IA, otros reinventan cómo se construye el software. Y en esa reinvención se encuentra la ventaja.

En economías pequeñas y abiertas —como la de Costa Rica—, donde dependemos de servicios modernos y de la competitividad global, esta brecha es aún más grave. Si el talento local de desarrollo no se salva de la brecha, la economía nacional pierde: los costos relativos se elevan, la velocidad de entrega baja, y la decisión del inversionista extranjero puede inclinarse hacia otra jurisdicción con talento IA habilitado. En otras palabras: el desarrollador que no usa IA no sólo se pone en desventaja individual, sino que sitúa al ecosistema local en un riesgo de irrelevancia competitiva.

¿Qué se puede hacer? Recomendaciones para cerrar la brecha

Desde mi perspectiva, con profundo enfoque en desarrollo, inversión y política pública, este es el plan de acción que propongo:

1. Formación intensiva y cambio de mindset
   Los desarrolladores deben entender que IA no es una biblioteca más sino un nuevo modo de trabajo. Capacitación, sesiones de inmersión, proyectos piloto de IA aplicada al desarrollo de software

2. Actualizar métricas de desempeño y recompensas
   No seguir pagando solo por líneas de código o bugs resueltos. Pagar por velocidad al mercado, reutilización de código, calidad del software, reducción de costo por entrega. Los que usen IA deben ver resultado tangible

3. Infraestructura y herramientas habilitantes
   La empresa debe proveer entornos donde IA codifica, testea, revisa, monitorea. No basta instalar un plugin: tiene que integrarse al ciclo

4. Rediseño del ciclo de vida del producto (PDLC)
   Tal como McKinsey sugiere: IA desde el descubrimiento de requisitos, generación de especificaciones, construcción, pruebas, monitoreo. Esto requiere reorganizar etapas, reducir hand-offs, integrar equipos multidisciplinarios

5. Gobernanza, cultura y rol de liderazgo
   El CEO o un sponsor senior debe asumir la gobernanza de IA. Estudios muestran que el diseño de flujos de trabajo y la gobernanza son correlacionados con impacto en EBIT

6. Especialización de talento global
   En economías como la nuestra, incentivar que el talento local no solo sea outsourced coding sino IA-enabled development. Diversificar no solo por empresa sino por habilidad y valor agregado

Conclusión disruptiva

Si ayer el valor diferencial de un desarrollador radicaba en conocer lenguajes, frameworks y patrones de diseño, hoy radica en saber cómo la IA redefine esos lenguajes, frameworks y patrones. Quien no se adapte pasa de generador de software a consumidor de software. Y en un mundo donde la velocidad, la innovación y el costo arbitran las decisiones de inversión, eso puede marcar la diferencia entre crecer o desaparecer.

En mi rol —reforzando políticas de inversión, talento y servicios modernos para Costa Rica— tengo razón de alertar: dependemos del talento de software que no solo produzca, sino que escale su productividad con IA. Y para que el ciudadano común pueda “pedirle” al sistema que use IA para mejorar su vida (servicios públicos, productividad nacional), primero quienes construyen ese sistema deben vivirlo, adoptarlo, optimizarlo. La brecha de desempeño no es un tema de éxito individual solamente. Es un desafío estratégico para la competitividad y la resiliencia del ecosistema digital del país.