T-Bank publicó una nueva investigación AI4SDLC para 2025. El panorama es extremadamente irónico. Aprendimos a generar código a la velocidad de una ametralladora, pero no tenemos ni idea de qué hacer con él después.

1. Verificar, no confiar
Las cifras son contundentes: 58% de los ingenieros usan IA para generar código constantemente. Sin embargo, 49% (¡casi la mitad!) no confían en ese código. Solo el 11% confía incondicionalmente.

2. El cuello de botella se ha movido
La programación dejó de ser el punto crítico. Ahora todo se atasca en la etapa de revisión de código y pruebas. El aumento de la productividad individual (reportado por el 64% de los encuestados) choca contra las rocas de los procesos en equipo. Si generas funciones el doble de rápido, pero tu líder las revisa durante la misma semana, el tiempo total del proceso no cambia. Acelerar en un tramo simplemente crea un atasco en el siguiente.

3. Legacy: la kriptonita de la IA
Para tareas con alto contexto y código antiguo, solo el 18% usa IA. ¿Por qué? Porque la red neuronal funciona bien en una «pizarra en blanco», pero flaquea ante capas de parches de hace diez años. Para que la IA realmente ayude en Legacy, tu documentación, ADR y RFC deben estar en perfecto estado. Pero no lo están. 🤭

4. Erosión de habilidades y «pensamiento ingenieril»
El 37% notó que mejoraron escribiendo código con IA, pero también hay una desventaja: el riesgo de degradación de habilidades básicas. ¿Para qué recordar sintaxis o algoritmos si Tab lo completa todo?

En resumen, por ahora la cosa está así: la red neuronal funciona como una máquina de escribir turbo, pero luego los líderes técnicos y revisores lloran sangre al desenredar los resultados de esa «productividad».