La IA Madura: Menos Código, Más Foco

TL;DR

GitHub reportó 43M pull requests mensuales en 2025 (+23%). La IA multiplica a los programadores, no los reemplaza
Johnson & Johnson redujo sus iniciativas de 900 a “un puñado”. Menos experimentos, más impacto
El inglés es el nuevo lenguaje de programación: saber qué pedir importa más que saber escribir código
Las empresas que ganan son las que tienen “fábricas de IA”, no 900 pilotos dispersos

Hay dos noticias esta semana que parecen no tener relación pero cuentan la misma historia.

Primera: GitHub reportó 43 millones de pull requests mensuales en 2025, un 23% más que el año anterior. Mil millones de commits en total. La IA no está reemplazando a los programadores; los está multiplicando.

Segunda: Johnson & Johnson redujo sus iniciativas de IA de 900 casos de uso individuales a “un puñado” de proyectos estratégicos. No porque la IA no funcione, sino porque aprendieron dónde funciona mejor.

Ambas noticias apuntan a lo mismo: la IA está madurando. Y madurar significa hacer menos cosas, pero hacerlas bien.

El inglés es el nuevo lenguaje de programación

Suena a frase de LinkedIn, pero hay verdad detrás.

Durante décadas, el cuello de botella del desarrollo de software era escribir código. Necesitabas saber sintaxis, estructuras de datos, patrones de diseño. Años de formación. El conocimiento técnico era la barrera de entrada.

Con las herramientas actuales (Cursor, Claude Code, Copilot, Codex), el cuello de botella se ha movido. Ya no es escribir código. Es saber qué pedir.

La “inteligencia de repositorio” que menciona GitHub permite que la IA entienda no solo el código, sino el contexto e historia detrás de él. Le dices qué quieres lograr, y genera el código. Tú revisas, ajustas, iteras.

El programador pasa de escribir a dirigir. De picar código a articular objetivos.

Qué significa esto en la práctica

Para desarrolladores senior: tu valor ya no está en conocer la sintaxis de memoria. Está en entender arquitectura, tomar decisiones de diseño, y saber qué preguntar. La experiencia sigue siendo crucial, pero se aplica diferente.

Para juniors: la barrera de entrada baja, pero el listón de calidad sube. Puedes generar código funcional rápido, pero necesitas criterio para saber si es buen código. “Funciona” ya no es suficiente.

Para no-programadores: si sabes explicar claramente qué necesitas, puedes construir cosas que antes requerían un equipo de desarrollo. No vas a hacer sistemas complejos, pero scripts, automatizaciones, prototipos… están a tu alcance.

Para empresas: el talento de desarrollo se vuelve más productivo. Un equipo de 5 puede hacer lo que antes hacía un equipo de 10. Pero necesitas ese equipo de 5 con criterio, no 10 juniors generando código sin entender qué hacen.

De 900 casos de uso a un puñado

Johnson & Johnson tenía 900 iniciativas de IA. Novecientas. Suena impresionante en un PowerPoint. En la práctica, era un caos.

¿Qué hicieron? Pararon, evaluaron, y se quedaron con los proyectos que realmente movían la aguja: cadena de suministro, I+D, ventas. Los casos de uso estratégicos, no los experimentos de productividad individual.

No es un fracaso. Es madurez.

El patrón que estamos viendo

Las empresas que adoptaron IA temprano pasaron por fases predecibles:

Fase 1: Experimentación descontrolada. Todo el mundo quiere “usar IA”. Cada departamento lanza su piloto. 900 casos de uso. Ninguno conectado. Ninguno medido de verdad.

Fase 2: Desilusión parcial. Los pilotos no escalan. El ROI no aparece. Algunos proyectos se abandonan. Empieza el escepticismo.

Fase 3: Consolidación. Alguien con criterio dice “basta”. Se priorizan los casos de uso que realmente importan. Se mide de verdad. Se escala lo que funciona.

J&J está en fase 3. Muchas empresas siguen atrapadas en fase 1 o 2.

Qué casos de uso sobreviven

Los proyectos que pasan el filtro suelen tener características comunes:

Impacto medible en negocio. No “mejora la productividad”. Sino “reduce el tiempo de proceso de 4 días a 4 horas” o “aumenta la conversión un 15%”.

Escala real. No un piloto con 10 usuarios. Miles de transacciones, cientos de usuarios, impacto en operaciones core.

Ownership claro. Alguien es responsable. Hay presupuesto asignado. Hay métricas de éxito definidas.

Conexión con estrategia. No es “IA porque sí”. Es “IA para resolver este problema que nos impide crecer”.

Las “fábricas de IA”

BBVA, JPMorgan Chase, Procter & Gamble, Intuit… las empresas que están sacando valor real de la IA han construido lo que llaman “fábricas de IA”.

No es un término de marketing. Es infraestructura real: plataformas tecnológicas, metodologías estandarizadas, equipos dedicados, pipelines de datos, gobernanza clara.

La diferencia con los pilotos dispersos es que una fábrica puede producir. No un experimento, sino diez proyectos en paralelo. No un modelo, sino un sistema de modelos conectados. No una demo, sino producción real con SLAs.

Construir una fábrica requiere inversión seria. Pero una vez que la tienes, el coste marginal de cada nuevo caso de uso baja drásticamente.

El mensaje de fondo

La IA no está en crisis. Está madurando.

Madurar significa:

Menos experimentos, más producción
Menos casos de uso, más impacto
Menos código manual, más dirección clara
Menos hype, más resultados

Las empresas que entiendan esto van a ganar. Las que sigan persiguiendo 900 casos de uso simultáneos van a seguir quemando presupuesto sin resultados.

Y los profesionales que entiendan esto van a prosperar. Saber dirigir a la IA (ya sea generando código o priorizando proyectos) es la habilidad que separa a los que aprovechan esta ola de los que se ahogan en ella.

2026 no es el año del hype. Es el año de hacer las cosas bien.

Sigue explorando

La verdad incómoda del ROI en IA - Por qué la mayoría de proyectos no dan resultados
Implementar IA en una PYME: la verdad - Guía sin humo para empresas pequeñas
Agentes de IA en empresas: el ROI real - Cuándo los agentes tienen sentido