En Silicon Valley, más de 5.000 ingenieros de diversas compañías apenas aportan al trabajo cotidiano de sus organizaciones. Se les conoce como «ingenieros invisibles», un término que ha ganado popularidad gracias a una serie de HBO del mismo nombre. A diferencia de lo que podría pensarse, no son profesionales mal remunerados ni aquellos cuyo trabajo no se valora. Al contrario, suelen tener salarios elevados, pero, como se suele decir, no hacen ni el más mínimo esfuerzo.
Este fenómeno no es un mito, sino el resultado de un estudio llevado a cabo por el equipo liderado por Yegor Denisov-Blanch, que analizó a más de 50.000 ingenieros del famoso valle californiano, descubriendo que casi el 10% de ellos no contribuye en absoluto.
Los investigadores se cuestionan sobre las causas de esta situación y destacan la complejidad de evaluar la productividad de los programadores. A pesar de los múltiples intentos de crear un algoritmo que monitoree el código que producen, siempre llegan a la misma conclusión: no es posible medir con precisión la productividad de los desarrolladores.
Y todo esto es por la naturaleza del software. Aumentar las líneas de código (que podría parecer la métrica más evidente) no indica nada sobre su calidad. De hecho, un buen código suele ser más conciso que uno de mala calidad. Además, los desarrolladores con más experiencia pasan más tiempo en reuniones, resolución de problemas y pruebas que escribiendo código. Entonces, ¿cómo podemos evaluar su productividad?
En la encuesta más reciente de Stack Overflow, el 68 % de los desarrolladores encuestados no considera que la inteligencia artificial generativa (IAG) represente una amenaza para sus empleos. Solo el 12 % la percibe como un riesgo. Curiosamente, este porcentaje es muy parecido al de los ingenieros invisibles (10 %). ¿Podría ser que sean los mismos?
Es probable, ya que en la misma encuesta, el 61.8 % de los desarrolladores ya está utilizando herramientas de IAG, y un 13.8 % planea adoptarlas pronto. Según ellos, estas herramientas les permiten ser más productivos, eficientes y acelerar su aprendizaje.
Es evidente que la verdadera amenaza para un desarrollador no es la IA en sí, sino otro desarrollador que la emplee para su beneficio. Un desarrollador que no es invisible, enfocado en mejorar su rendimiento mediante herramientas que optimicen su proceso de desarrollo y aumenten su productividad. Pero volvamos a la pregunta inicial ¿Cómo medir la productividad?
Antes de abordar esta cuestión, exploremos el impacto de la IA. Es probable que hayan oído hablar de DeepSeek. Si no es así, tendríamos que preguntarnos si han estado desconectados del mundo tecnológico. DeepSeek R1 es un modelo de lenguaje chino que ha transformado las reglas del juego al reducir drásticamente el costo de entrenamiento de modelos de lenguaje. Esto ha permitido ofrecer acceso a sus API a precios considerablemente más bajos en comparación con los principales actores del sector, como OpenAI. Simplificando, DeepSeek ha convertido una desventaja en una ventaja. Las restricciones en la exportación de microchips han forzado un enfoque alternativo para el entrenamiento de su modelo, logrando hacerlo a un costo mucho menor y con un rendimiento competitivo en comparación con OpenAI.
La reacción de OpenAI no se ha hecho esperar, y lo ha hecho liberando parcialmente su modelo O3 mini, el mejor hasta la fecha, a un precio bastante inferior para recuperar su liderazgo. Sin embargo, el daño ya estaba hecho. A pesar de ser un modelo desarrollado en China, DeepSeek se lanzó como código abierto, permitiendo a cualquier empresa utilizarlo sin preocuparse por la seguridad de sus datos, ya que se ejecuta en máquinas propias.
Con esto se posibilita que los ingenieros que no son invisibles, aquellos que buscan constantemente mejorar, tengan acceso a herramientas avanzadas para desarrollar código de manera accesible y económica, democratizando su uso y multiplicando la productividad de los desarrolladores y de las empresas que los apoyan.
El producto es el secreto, no hay otro. Como usuarios de aplicaciones, lo que realmente nos interesa no son las líneas de código detrás de ellas, sino la funcionalidad que ofrecen. Cuanto mayor sea la cantidad y calidad del software, mejor será. Por lo tanto, la productividad debería medirse en función de la cantidad de software útil que un desarrollador, un equipo o un proveedor de desarrollo sea capaz de generar. Dicho enfoque para medir la producción de software se basa en estándares ISO/IEC y es utilizado por gobiernos de todo el mundo, incluidos la Unión Europea, Japón, Corea del Sur, México, Brasil y Malasia, entre otros.
Con esta herramienta, tenemos la capacidad de reconocer a aquellos que pasan desapercibidos, elegir a los desarrolladores más talentosos y orientar nuestra empresa hacia el camino adecuado.
Por tanto, podemos concluir que como el elemento central, se erige el software, y realizar una medición precisa de su desempeño nos facilitará optimizar la eficiencia y la productividad en el proceso de desarrollo. Esta evaluación es objetiva y comprobable, lo que nos ayuda a eludir las interpretaciones subjetivas que a menudo caracterizan este ámbito.
Julián Gómez Bejarano
Chief digital fficer LedaMC
