Programar con IA en 2026 ya no compensa: el colapso del 'tokenmaxxing' y la lección que el frontend ya aprendió

En febrero de 2026, el laboratorio de investigación METR intentó repetir un estudio sobre productividad en programación con IA. El plan era sencillo: medir cuánto tardaban los desarrolladores en completar tareas con y sin asistentes de código. No pudieron hacerlo. Los programadores se negaron a participar si eso significaba trabajar sin IA, aunque fuera para un experimento puntual.

La ironía es dolorosa. El estudio original de METR en 2025 había demostrado algo que nadie quería oír: los desarrolladores sentían que la IA les hacía más rápidos, pero los datos decían lo contrario. La IA generaba código más rápido, sí, pero luego pasaban más tiempo encontrando errores, corrigiendo el rumbo del modelo y esperando a que terminase. El resultado neto era más lento.

Un año después, la dependencia es tal que ni siquiera aceptan trabajar sin ella para una prueba controlada. Algo se ha roto.

Tokenmaxxing: cuando medir el uso de IA se convirtió en un juego absurdo

La gran moda de 2026 ha durado lo que un suspiro. El tokenmaxxing —usar el número de tokens consumidos como indicador de productividad— se ha estrellado contra la realidad de forma bastante ruidosa.

Amazon creó un leaderboard interno llamado Kirorank para animar a sus empleados a usar más IA. La respuesta fue predecible: los trabajadores empezaron a hacer que la IA ejecutase tareas absurdas e innecesarias solo para escalar posiciones. El coste se disparó. Amazon acabó cerrando Kirorank y un vicepresidente senior, Dave Treadwell, tuvo que enviar un memo interno pidiendo a la gente que dejase de "usar IA solo por usarla". La herramienta, según un portavoz, "nunca fue formal ni aprobada". Demasiado tarde.

Meta hizo exactamente lo mismo en abril: cerró a la fuerza su leaderboard interno después de que los empleados compitiesen por el estatus de "Token Legend". Misma película, mismo final.

Y luego está Uber. Su CTO, Praveen Neppalli Naga, reconoció en una entrevista que la empresa se había fundido el presupuesto completo de IA para 2026 en apenas cuatro meses. El COO Andrew Macdonald admitió después en un podcast que ese gasto descomunal no se había traducido en ningún aumento medible de proyectos ni de productividad.

El frontend ya vivió esto: la década perdida

Hay un paralelismo que conviene mirar de cerca. Mauro Bieg, creador de Mastro y ex jefe de frontend de un gran periódico suizo, lo explica con una claridad inquietante: lo que la IA está haciendo ahora con la programación es exactamente lo que los frameworks de JavaScript hicieron con el desarrollo frontend durante la última década.

Se llama deskilling —desprofesionalización—. Es el proceso por el cual un trabajo especializado es eliminado mediante tecnologías que pueden ser operadas por trabajadores semi-formados o sin formación. La definición es de Wikipedia, pero la vivió cualquiera que empezase haciendo HTML y CSS a mano y acabase viendo cómo React convertía el navegador en un mero target de compilación.

Antes, el frontend requería entender HTML semántico, accesibilidad, diferencias entre navegadores, rendimiento de red, diseño de interfaz. Ahora cargas "la monstruosidad que es un botón de radio de Shadcn" —en palabras de Bieg— y no necesitas saber qué hay debajo. Para las empresas, esto es ahorro: pueden poner a cualquier programador generalista a hacer frontend. Para los trabajadores, pérdida de poder de negociación.

Con la IA está pasando lo mismo, pero a escala de toda la profesión. No es solo el frontend. Es todo.

Escribes el doble de rápido, hipotecas el triple de mantenimiento

James Shore, programador y autor, lo clavó en un post que se hizo viral en Hacker News: "¿Escribes código el doble de rápido ahora? Más te vale haber reducido tus costes de mantenimiento a la mitad. Si no, estás jodido. Estás cambiando un chute de velocidad temporal por una servidumbre permanente".

Los datos le dan la razón. Code Rabbit, una herramienta de revisión de código, analizó pull requests de código abierto y encontró que la IA producía 1,7 veces más problemas que el código escrito por humanos. Sí, son datos interesados —venden herramientas de revisión—, pero la Universidad de Gestión de Singapur publicó en abril un estudio independiente que advierte de que "el código generado por IA puede introducir costes de mantenimiento a largo plazo en proyectos de software reales".

Y luego está el dato más salvaje: Aiswarya Sankar, CEO de Entelligence AI, calcula que las empresas están gastando el 44% de sus tokens en corregir bugs que la propia IA generó. Es como pagar a alguien para que te ensucie la casa y luego pagarle otra vez para que la limpie.

Microsoft, Salesforce, DoorDash: la resaca es general

No son casos aislados. Microsoft empezó a cancelar licencias de Claude Code a principios de mayo. Salesforce y DoorDash, según el Wall Street Journal, han pasado de lanzarle IA a todo a racionarla. La factura se ha vuelto imposible de justificar cuando los retornos son, como mínimo, dudosos.

Mientras tanto, Google presume de que Gemini ha pasado de 480 billones de tokens al mes en mayo de 2025 a 3,2 cuatrillones en mayo de 2026. La cifra impresiona, pero el matiz importa: los agentes autónomos, las herramientas de codificación y los sistemas always-on como OpenClaw queman tokens a un ritmo que los chatbots tradicionales ni soñaban.

Jackie Rees Ulmer, decana de la Facultad de Negocios de la Universidad de Ohio, lo resume bien: "No es sorprendente que las empresas estén dando marcha atrás, pero probablemente no lo suficiente como para reventar la burbuja de la IA generativa en la que parece que estamos".

La lección de la Bauhaus: no es la herramienta, es lo que haces con ella

Bieg cierra su ensayo con una referencia que merece la pena leer dos veces. Cuando la industrialización permitió producir en masa objetos que antes hacían artesanos, una reacción fue copiar el estilo antiguo con procesos industriales —historicismo barato—. La Bauhaus hizo lo contrario: en lugar de enfrentar al obrero de fábrica con el artesano, los puso a trabajar juntos. Rediseñaron las artes y los oficios pensando en la producción industrial, pero sin soltar el material ni dejar de pensar en el usuario final.

Traducido al software: lo bueno no es dejar que la IA lo haga todo, sino saber cuándo usarla, cuándo no, y mantener a gente que entienda lo que hay debajo. El código que escribimos se despliega tal cual, sin pasar por una cadena de fabricación. No hay atajos para la calidad.

Las herramientas que bajan la barrera de entrada —Google, Stack Overflow, librerías, y ahora los LLM— son una maravilla. Pero también significan que cada vez es más fácil producir basura a escala industrial. Como pasó con los muebles de plástico barato, como pasó con los documentos horribles que parió el procesador de textos, como pasó con las webs lentas e inaccesibles que escupen Wix y Next.js. Siempre queda gente que hace las cosas bien. Pero son menos, y cada vez cuesta más encontrar un trabajo donde te dejen hacerlas.