“He estado escribiendo sobre IA por un buen tiempo, pero esta es probablemente la primera vez que genuinamente no sé qué pensar.”

Llevamos casi cuatro años desde que ChatGPT irrumpió en escena y cambió la industria tecnológica para siempre. Pero hoy el panorama se siente diferente. No porque la tecnología se haya ralentizado, sino porque las reglas del juego podrían estar cambiando de forma estructural.

Cuatro años que lo cambiaron todo

El 30 de noviembre de 2022, OpenAI lanzó ChatGPT basado en GPT-3.5 y la IA generativa se volvió mainstream. En cuestión de meses, alcanzó 100 millones de usuarios mensuales. Desde la perspectiva actual, GPT-3.5 parece casi obsoleto.

Un año después, todos nos reíamos de los “vibe coders” contrastándolos con los ingenieros de software “de verdad”. Pero entonces llegaron los agentes de código, y de repente todos nos convertimos en vibe coders. Sabemos que Claude Code o herramientas similares aún no reemplazan a un buen desarrollador, y la adopción de IA dentro de las empresas a menudo deja mucho que desear.

Pero todo esto ha ocurrido en menos de cuatro años desde que los LLMs están verdaderamente disponibles en el mercado. ¿Qué pasará si en otros dos o cuatro años los agentes realmente son lo suficientemente buenos para escribir código mucho mejor que los humanos? ¿Dónde está el límite de esta tecnología?

¿Dónde encajan los desarrolladores?

Soy una ingeniera senior sólida, y mi ventaja en el mercado es que además de escribir código, puedo hablar con personas. Y las empresas necesitan desesperadamente eso. Pero no soy del tipo que se encierra en un sótano por un mes para optimizar hardware y hacer que los LLMs corran más rápido.

Y no estoy segura de que si los LLMs se desarrollan mucho más, mi ventaja de “poder hablar con el negocio” siga siendo una ventaja. Entonces, ¿qué debería hacer? ¿Empezar a mirar hacia developer advocacy? ¿O enviar mi CV a la tienda de descuentos de la esquina por si acaso?

Los cambios que estamos viendo

Pero entonces algo empezó a cambiar. Los tokens se volvieron mucho más costosos. Las empresas comenzaron a darse cuenta de que, para tareas simples, un desarrollador junior podría tener más sentido. Y en serio, aún no veo una ola masiva de contratación de internos, pero ahorrar tokens, renunciar a ciertas herramientas y decir “usa un modelo más barato para tareas simples” se ha vuelto muy común.

Y ahora está el embargo. Primero con Mythos y Fable, y ahora con GPT-5.6. El acceso a algunos de los modelos de IA más avanzados ya no está simplemente “disponible para todos los que puedan pagar”. Se está volviendo restringido, limitado por geografía, tipo de organización, preocupaciones de seguridad o decisiones estratégicas.

“¿Son estos modelos realmente tan peligrosos para la infraestructura crítica? ¿O los gobiernos simplemente han empezado a tratarlos como un activo estratégico, similar a los semiconductores?”

El costo de la frontera

Por otro lado, estos modelos son ridículamente costosos. Alguien tiene que pagar por ellos. Es difícil imaginar que las empresas inviertan miles de millones solo para mantener sus mejores modelos encerrados en una bóveda para siempre. Necesitan clientes. Necesitan ingresos. Así que quizás todo este “embargo de IA” sea solo temporal.

O tal vez los gobiernos eventualmente intervendrán y tratarán la IA fronteriza como lo hacen con la infraestructura estratégica. Honestamente, no tengo idea.

¿Entonces… qué sigue?

Tal vez sea como el escritor polaco de ciencia ficción Rafał Kosik predijo hace 20 años en su serie juvenil Felix, Net y Nika: la IA dejará de estar disponible para el público porque se considerará demasiado peligrosa, y los modelos se mantendrán bajo llave. Es una visión extrema, pero honestamente, ya nada me sorprende.

Hace apenas uno o dos años, nos preguntábamos si la IA reemplazaría a los desarrolladores. Hoy me encuentro preguntándome algo ligeramente diferente: ¿la IA más poderosa seguirá estando disponible para la gente común?

Lo que esto significa para los desarrolladores LATAM

Para los desarrolladores y emprendedores de Latinoamérica, este escenario presenta tanto desafíos como oportunidades. Por un lado, las restricciones geográficas podrían limitar el acceso a los modelos más avanzados. Por otro, la creciente necesidad de eficiencia abre espacio para soluciones locales, modelos más pequeños y optimización de infraestructura.

La clave está en diversificar: no depender de un solo proveedor de IA, aprender a trabajar con modelos locales (SLMs), y desarrollar habilidades que combinen tecnología con entendimiento del negocio. El developer que sepa optimizar costos de inferencia, integrar agentes de forma pragmática y comunicar valor al negocio será el más buscado.

¿Tú qué opinas? ¿Hacia dónde crees que va todo esto?