En internet, los agentes de IA reescriben Kubernetes en una tarde. En conferencias, los devs son “pastores de robots”. En LinkedIn, todo es revolución.

Pero, ¿cómo se ve el uso real de la IA en el trabajo diario? Dos historias lo cuentan mejor que cualquier demo.

“Entre el hype de Twitter y la realidad hay un abismo. Y en ese abismo viven los sistemas legacy, las decisiones no documentadas y las facturas de tokens.”

Caso 1: La mega corporación que se enamoró (y luego hizo cuentas)

Una empresa que todos conocen adoptó Claude Code con entusiasmo. Planes caros, uso agresivo, “no te preocupes por los tokens, compramos más”.

Una dev construyó una app desde cero en días. Lo que antes tomaba meses. Era adictivo.

Pero después de unos meses:

  • La emoción se desvaneció. La IA a veces acelera, no siempre.
  • Hicieron cuentas. Los agentes ilimitados no son baratos.
  • Ahora discuten límites, optimización, “tokenmaxxing” (término que Meta popularizó).

“Primero el hype, después la optimización de costos. Es el ciclo natural de toda tecnología empresarial.”

Caso 2: La empresa legacy donde la IA no entiende nada

Sylwia trabaja en una institución masiva donde la privacidad es religión. Cuando llegó Claude Code, ¿revolucionó el desarrollo?

Para bugs simples y boilerplate: sí, es útil. Pero para debugging en sistemas legacy:

El agente lee librerías, escanea medio repositorio, busca dependencias… y colapsa. A veces tiene que decirle: “Revisá ese archivo raro que un junior escribió hace 7 años.”

Después de 2.5 años en el proyecto, ella es más rápida que cualquier agente de IA.

No por ser más inteligente. Sino porque los sistemas legacy acumulan: contexto, historia, decisiones extrañas, conocimiento tribal, cicatrices arquitectónicas. Eso no está en el training data de ningún modelo.

“Después de 2.5 años en un sistema legacy, soy más rápida que Claude Code. No porque sea más lista — porque yo tengo el contexto.”

Lo que esto significa para desarrolladores LATAM

El software que mueve el mundo es mayoritariamente legacy. Y el legacy necesita humanos que lo entiendan.

4 verdades incómodas:

  1. La IA acelera tareas aisladas, no reemplaza el entendimiento del sistema
  2. El costo de tokens es real — las empresas ya están haciendo cuentas
  3. El contexto de negocio es el asset más valioso que tenés
  4. Los sistemas legacy no van a desaparecer — alguien tiene que mantenerlos

Así que quizás no necesitamos aprender peluquería todavía 😅 La clave no es competir con la IA en generación de código, sino en entendimiento del negocio, arquitectura y criterio.

¿Cómo se ve la IA en tu trabajo real?