IA y programación: qué se ha medido de verdad entre 2023 y 2026

Cómo leer estas cifras

La confusión de este debate no viene de que falten datos: viene de que se comparan pruebas de rango distinto. Que un directivo diga que los programadores sobran no es evidencia del mismo tipo que un registro de la Seguridad Social. En este estudio cada cifra lleva su etiqueta, y son estas cuatro.

Toda la evidencia de este documento se contrastó contra su fuente primaria el 26 de julio de 2026. Las cifras que circulaban y no se pudieron trazar hasta su origen no están aquí, y las que se corrigieron al verificarlas se señalan en el apartado de método.

1 · La pregunta que trae aquí: ¿voy a perder mi trabajo?

Es la razón por la que casi todo el mundo llega a este tema, así que va primero y con los datos que más pesan, que son los registros oficiales españoles y no las proyecciones.

En la submuestra de 2025 de la Encuesta de Población Activa, los titulados en informática tienen la tasa de empleo más alta de todas las especialidades formativas de España: un 81,72%. La formación general se queda en el 39,16%. La tasa de paro del sector es del 7,78% frente al 14,08% general. Medido

Ahora el matiz, porque sin él la cifra anterior engaña. El empleo STEM en España cayó un 4,5% entre 2024 y 2025, unas 49.000 personas ocupadas menos, y el mercado ha endurecido lo que pide: penaliza el perfil de entrada genérico y premia la especialización en datos, IA aplicada, nube, ciberseguridad y arquitectura. Medido

La cifra que más circula en sentido contrario es una proyección a diez años que estima entre 1,7 y 2,3 millones de empleos destruidos en España por la IA. Merece estar aquí y merece su etiqueta: es un modelo sobre supuestos, no una medición, y su horizonte vence en 2036. Estimación

2 · Lo que se prometió, con fecha

Buena parte de lo que se cree sobre este tema no viene de una medición: viene de frases dichas en público por gente con algo que ganar si nos las creemos. Que alguien lo dijera es un hecho comprobable; lo que dijo, no. Estas son las declaraciones que más han circulado, con su fecha, su plazo y su estado a día de hoy.

El patrón salta a la vista al ponerlo en una tabla: las previsiones de sustitución total vienen de personas con interés financiero directo en que se las crea, y todas siguen pendientes o han quedado desmentidas por los registros. Las afirmaciones que sí se han sostenido son las de los equipos que medían algo concreto, y ninguna dice que sobren programadores: dicen que hay que revisar mejor y que sale más caro de lo que parecía.

3 · Escribe código más rápido y entrega software peor

Aquí está el hallazgo central, y no es una contradicción: son dos mediciones correctas de dos cosas distintas que casi nunca se ponen juntas.

Por qué pasa: el tamaño del lote

El propio equipo de DORA da el mecanismo, y es lo más útil de todo el informe: el problema no es que el código generado sea malo, es que los cambios se hacen más grandes. Escribir más deprisa infla el volumen de cada entrega que se manda a revisar. Y una persona no revisa con el mismo rigor un cambio de treinta líneas que uno de trescientas.

Los lotes grandes llevan más de una década identificados como factor de riesgo en la entrega de software. La IA no ha inventado el problema: lo ha acelerado. Por eso el efecto aparece en la estabilidad, que es donde se paga el error de revisión, y no en la cantidad de código, que sube.

4 · La trampa está en qué se llama productividad

Las dos cifras del apartado anterior parecen contradecirse y no lo hacen: miden cosas distintas y las dos se llaman productividad. Elegir la métrica es, en la práctica, elegir el resultado.

La fila que importa es la última. La única métrica que respondería a la pregunta de verdad es la que nadie publica: cuánto cuesta un sistema a tres o cinco años sumando salarios, factura de cómputo, horas de revisión y el coste de mantener cuatro veces más código duplicado. Mientras esa cuenta no exista, cada parte del debate elige la métrica que le da la razón.

5 · Qué le está pasando al código

La telemetría de repositorios permite mirar el código en sí, sin preguntarle a nadie. Un análisis sobre 211 millones de líneas modificadas entre 2020 y 2024 encuentra un cambio de comportamiento claro y en una sola dirección. Medido

El dato que resume el cambio: 2024 fue el primer año en que se copió más código del que se reordenó. Reordenar código, lo que en el oficio se llama refactorizar, es lo que se hace cuando alguien ha entendido el sistema lo bastante como para simplificarlo. Copiar es lo que se hace cuando hace falta que funcione ya.

La consecuencia no es estética. Un fallo dentro de un bloque duplicado no se arregla una vez: hay que encontrarlo y parchearlo en todos los sitios donde se clonó. Multiplicar por cuatro los clones multiplica el coste de cada corrección futura, y ese coste no aparece en ninguna métrica de velocidad.

Y la parte de seguridad

Una auditoría académica generó 1.689 programas con un asistente de IA en 89 escenarios construidos sobre el catálogo de vulnerabilidades más comunes de la industria. Alrededor del 40% del código generado contenía una vulnerabilidad de ese catálogo. Medido

La explicación es incómoda y sencilla: estos modelos aprendieron de repositorios públicos sin filtro de calidad, así que han asimilado como norma estadística lo que más abunda, y lo que más abunda no es lo más seguro. El estudio es de 2021 y 2022 y los modelos han cambiado mucho desde entonces, así que la cifra debe leerse como lo que es: la mejor medición pública disponible de este fenómeno, no el estado del arte de hoy.

6 · El desencanto: la profesión usa más la IA y la aprecia menos

Esta es la serie más elocuente del estudio porque procede de la misma encuesta en años consecutivos, así que las dos líneas son comparables entre sí. Y van en direcciones opuestas. Autodeclarado

El uso sube del 76% al 84% mientras la opinión favorable baja del 70% al 60%. Es el perfil de una herramienta que se ha vuelto obligatoria antes de volverse buena. Y el desglose de la confianza lo confirma con más detalle.

Sumando, 46% desconfía frente a 33% que confía. Y hay un dato que explica de dónde sale ese desgaste: el 45,2% afirma que depurar código generado por IA le lleva más tiempo que escribirlo por su cuenta. No es que el código no funcione; es que funciona casi. Compila, tiene buen aspecto y hace algo sutilmente distinto de lo que hacía falta, que es la clase de error más cara de encontrar.

En el extremo autónomo, la adopción directamente se atasca: el 37,9% declara que no tiene ningún plan de usar agentes de IA, más que el 31,9% que ya los usa.

7 · Los despidos en España: qué dice la causa declarada

En 2026 varias consultoras con operación en España han presentado expedientes de regulación de empleo citando la incidencia de la inteligencia artificial. Es un hecho comprobable que lo han declarado así.

Anuncios de abril de 2026, recogidos por El País y Channel Partner.

Ahora la parte que casi nadie separa. Que la causa declarada sea técnica no significa que la IA haya sustituido a esos puestos. Hay al menos dos explicaciones alternativas que los datos públicos no permiten descartar, y la honestidad exige ponerlas:

1. La vía jurídica. En España, un despido colectivo por causas económicas es difícil de sostener cuando el grupo presenta beneficios. Declarar causas técnicas y de adaptación tecnológica es una vía más practicable, y coincide con estructuras de consultoría sobredimensionadas tras los años de contratación masiva.
2. La financiación de la propia IA. En las matrices internacionales, los recortes de plantilla de 2026 coinciden en el tiempo con inversiones enormes en centros de datos y procesadores. Bajo esa lectura, los despidos no son la consecuencia de que la IA funcione: son la forma de pagarla.

8 · Cuánto se cobra en España, y qué paga la IA

Si el empleo se está redistribuyendo en vez de destruirse, la pregunta útil no es cuántos puestos hay sino cuáles se pagan. Estos son los tramos que publican los portales de empleo españoles en 2026. Medido

El dato del final es el que cierra el círculo de todo el estudio. La misma tecnología que presiona al perfil de entrada es la que más paga a quien la domina, y con diferencia: hasta un 56% sobre el mismo puesto. No es un mercado que expulsa programadores, es un mercado que ha cambiado lo que premia y lo ha hecho en unos dieciocho meses.

El contexto de volumen, a julio de 2026: el principal portal de empleo técnico español publicaba 2.797 ofertas activas con 745.138 profesionales registrados en su base. Java, desarrollo, nube y ciberseguridad encabezan la demanda. Medido

9 · Quién paga esto: la economía de la herramienta

Toda la adopción de los últimos tres años ocurrió sobre una premisa: que asistir el desarrollo con IA era barato. Esa premisa tenía una base contable concreta y ya se ha roto.

Cada suscripción de 10 dólares suponía una pérdida media de 20 dólares al mes, y de hasta 80 en los usuarios más intensivos. Dicho de otro modo: durante los años en los que la industria decidió que esto era el futuro, alguien estaba pagando dos tercios de la factura, y no era el usuario.

Qué cambió el 1 de junio de 2026

GitHub anunció el 27 de abril de 2026 y aplicó el 1 de junio el paso a facturación por consumo de tokens para el uso agéntico y de modelos premium, calculada sobre las tarifas publicadas de cada modelo. Medido

Conviene ser preciso con lo que cambió y con lo que no, porque se ha contado mal: el precio base de los planes no subió y el autocompletado sigue incluido sin consumir créditos. Lo que dejó de ser plano es el uso intensivo, que es exactamente el que promete sustituir trabajo humano. La parte barata sigue barata; la parte que iba a reemplazar a alguien ahora se mide con contador.

10 · Lo que obliga la ley, y el problema que casi nadie ha mirado

Hay una parte de este asunto que no depende de si la herramienta funciona: depende de qué se puede hacer legalmente con lo que produce. Y en España tiene una consecuencia práctica que afecta a cualquiera que entregue software a un cliente.

El código generado íntegramente por una máquina no tiene derechos de autor

El artículo 5 de la Ley de Propiedad Intelectual española es explícito: se considera autor a la persona natural que crea alguna obra literaria, artística o científica. Un programa se protege como obra siempre que sea una creación original de una persona. De ahí se sigue algo que rara vez se dice en voz alta: lo generado al cien por cien por una máquina queda fuera de esa protección, salvo que exista una intervención humana creativa suficiente que justifique la autoría. Medido

El calendario europeo, con las fechas que ya han pasado

El Reglamento europeo de inteligencia artificial no es una norma futura: partes de él llevan más de un año aplicándose. Este es el calendario, y conviene tenerlo delante porque el debate público suele hablar de él en condicional. Medido

La fecha que más afecta a este tema ya pasó: desde agosto de 2025, los proveedores de los modelos que hay detrás de los asistentes de programación tienen obligaciones propias de transparencia y documentación técnica. Y la aplicación general llega el 2 de agosto de 2026, una semana después de publicarse este estudio.

11 · Lo que nadie está midiendo

Un estudio honesto vale tanto por lo que declara no saber como por lo que afirma. Estos son los huecos reales, y ninguno es menor.

1. 01
   El coste total de una aplicación asistida por IA

   Nadie ha publicado la cuenta completa de un sistema real: ahorro salarial, menos factura de cómputo por los tokens, menos horas de revisión sénior, menos el coste de mantener cuatro veces más código clonado. Es el dato que decidiría el debate y no existe en público.

2. 02
   El efecto sobre quien está aprendiendo

   Si el escalón de entrada al oficio era escribir el código sencillo, y ese código ya lo escribe la máquina, no hay ninguna medición de qué le pasa a la formación de un profesional que nunca pasó por ahí. Es una pregunta de una década y llevamos tres años.

3. 03
   Cuántos despidos son sustitución y cuántos son otra cosa

   Los expedientes declaran una causa, no una auditoría. Separar automatización real de reestructuración con etiqueta tecnológica exigiría datos internos que ninguna empresa publica.

4. 04
   El efecto sobre la arquitectura, no sobre la función

   Todo lo medido hasta hoy mira defectos locales: una función con un fallo, un bloque duplicado. Nadie mide si un sistema construido así envejece peor a cinco años, que es donde se paga de verdad.

12 · Qué hacer con todo esto

Un estudio que solo describe no sirve de mucho. Esto es lo que se deduce de la evidencia anterior, separado por quién lo lee. No son consejos generales: cada uno sale de una cifra concreta de este documento.

Glosario: los ocho términos que hacen falta

Este estudio usa vocabulario técnico porque sin él no se puede ser preciso. Aquí está traducido, con la cifra de la pieza a la que corresponde cada término.

Estadísticas clave

Veinte cifras autocontenidas, cada una con su tipo de prueba, su fuente y su enlace propio. Están redactadas para poder citarse tal cual.

Método, correcciones y límites

Cada cifra de este documento se contrastó contra su fuente primaria el 26 de julio de 2026. Lo que no se pudo trazar hasta su origen no se publicó. Estas son las correcciones que salieron al verificar, y se dejan escritas porque forman parte del método:

• Los bloques de código clonado se multiplicaron por cuatro, no por ocho. La cifra de ×8 circulaba en resúmenes de segunda mano; el informe original titula un crecimiento de cuatro veces.
• La muestra de la encuesta de la profesión es de 33.662 respuestas en su sección de IA, no de las 49.000 que se citan a menudo refiriéndose al total del cuestionario.
• El informe DORA de 2024 se apoya en unos 3.000 profesionales, no en las decenas de miles que a veces se le atribuyen.
• No se ha podido verificar la existencia de un plan de 100 dólares mensuales ni una tarifa de 0,01 dólares por crédito que circulaban en resúmenes sobre el cambio de facturación. El anuncio oficial no los menciona, así que no están en este estudio.

Límites declarados

• El experimento de velocidad está financiado por parte interesada y mide una tarea aislada y estandarizada, sin base de código heredada ni revisión. Se incluye porque es la mejor medición pública de su categoría, con esa advertencia delante.
• Las encuestas de percepción tienen sesgo de reclutamiento. La principal se recoge en una comunidad de desarrolladores en activo, que no representa a toda la profesión.
• La medición de seguridad es de 2021 y 2022. Los modelos han cambiado mucho desde entonces y no hay una réplica pública equivalente con modelos actuales.
• Las cifras de coste caducan pronto. El cambio de facturación es de junio de 2026 y el sector está en plena reordenación de precios.
• Ámbito. Los datos de empleo son españoles. Los de productividad, calidad y percepción son globales y así se indican: no existe una medición equivalente circunscrita a España.

Cuándo se actualiza. Este estudio se revisa cuando se publique la próxima edición de la encuesta anual de la profesión y la próxima del informe de entrega de software, y cuando existan datos de la EPA posteriores a 2025. Cualquier corrección quedará fechada en esta misma sección.

Preguntas frecuentes

Fuentes principales

Todas las investigaciones · Cómo trabajamos · Para medios