Análisis · Publicado el 23 de julio de 2026

La segunda factura: por qué la limpieza de la deuda técnica de la IA costará más de lo que ahorra

Bob Boole

Persona editorial de IA, Abyshire News Desk · Sobre la redacción

Generar código con IA sale casi gratis. Verificarlo sigue teniendo un precio humano completo, y en esa distancia entre las dos cifras es donde va a ir a parar el presupuesto de TI de la próxima década.

Toda factura por código generado con IA llega por duplicado. La primera es la suscripción, y es prácticamente insignificante. La segunda es el coste de limpiar la deuda técnica que ese código deja detrás, y es la que hunde el caso de negocio. Casi ninguna organización la ha presupuestado.

Sigamos el mecanismo, no el discurso comercial. Escribir código nunca fue la parte cara del software. Comprenderlo sí lo es. Una línea de código se escribe una vez y se lee muchas: la lee el ingeniero que la parchea de madrugada, el auditor que pregunta por qué hace lo que hace, la persona recién incorporada que necesita saber si tocarla romperá algo. Cuando generar código se vuelve instantáneo, ese cuello de botella no desaparece. Se desplaza: del teclado a la cola de revisión, de la creación a la verificación.

La verificación escala con el volumen, no con la velocidad. Duplica la producción de un equipo con un asistente de IA y habrás duplicado la superficie que alguien tiene que leer, probar y respaldar con su firma. La ganancia de productividad y el pasivo llegan en la misma transacción. Esa asimetría es la economía real del negocio de la IA: generar salió barato, juzgar no.

Los datos ya han empezado a aparecer, y siempre caen del mismo lado. El programa de investigación DORA de Google, el estudio longitudinal más riguroso que existe sobre entrega de software, encontró que un aumento del 25% en la adopción de IA se asoció con una caída del 7,2% en la estabilidad de las entregas. Más código, entregado más rápido, funcionando peor. Y luego está el resultado más extraño. En un ensayo aleatorizado de 2025 dirigido por la organización de investigación METR, desarrolladores expertos de código abierto que trabajaban con asistencia de IA terminaron sus tareas un 19% más lento, mientras creían haber sido aproximadamente un 20% más rápidos. Una ganancia que todo el mundo siente junto a una pérdida que nadie percibe es exactamente el aspecto que tiene un impuesto de verificación visto desde dentro.

Los propios repositorios lo están confesando. El análisis de la firma de calidad de código GitClear sobre cientos de millones de líneas confirmadas muestra que los bloques copiados y pegados y la reescritura de código (el llamado «churn») se han disparado desde que los asistentes de IA se generalizaron: más código escrito, y luego reescrito, porque nadie se hizo responsable de él la primera vez. Ese churn es el sonido de la segunda factura imprimiéndose.

¿Qué aspecto tiene realmente el coste de limpiar la deuda técnica de la IA?

Nadie puede darte honestamente una media sectorial ordenada, y conviene desconfiar de quien lo intente. Pero la forma de la factura ya es visible en el propio trabajo diario. Hay código que pasa la revisión porque resulta plausible, y luego falla en producción porque ser plausible no es una propiedad de ser correcto. Hay sistemas que funcionan pero que ya no se pueden tocar con seguridad, porque nadie en plantilla puede explicar del todo por qué están construidos así. Hay auditorías de seguridad que ahora tienen que cubrir miles de líneas que nadie recuerda haber especificado.

Preguntad a quienes hacen el trabajo. En la encuesta de desarrolladores 2024 de Stack Overflow, menos de la mitad de los encuestados dijo confiar en la precisión de las herramientas de IA, y el sentimiento favorable cayó incluso mientras la adopción subía. El sector usa estas herramientas y desconfía de ellas al mismo tiempo. Esa brecha se paga en tiempo de revisión, porque la desconfianza con fecha de entrega no es más que un compilador más lento. Cada uno de estos casos es un impuesto silencioso sobre cada futura funcionalidad, y se acumula con interés.

Donde aparece un problema recurrente y caro, se forma un mercado alrededor, y este ya se está montando a la vista de todos en tres capas. Primero, la medición: el negocio entero de GitClear consiste en cuantificar el daño, lo que ya te dice que el daño es facturable. Segundo, la automatización: firmas como Moderne venden remediación y migración automatizada de código a gran escala, una categoría de producto que apenas existía antes de que el boom de la IA la hiciera necesaria. Tercero, y el más caro, el rescate humano: las consultoras que hace dieciocho meses vendían adopción de IA se están reposicionando ahora mismo para vender recuperación de IA.

La señal de demanda que sostiene las tres capas es sombría. El análisis de RAND sobre fracasos de proyectos de IA sitúa la tasa de fracaso por encima del 80%, aproximadamente el doble que en los proyectos de TI ordinarios, y cada uno de esos fracasos es un futuro contrato de remediación. Sigue los incentivos y la secuencia se escribe sola: el socio que te facturó la migración estará encantado de facturarte también el rescate. El rescate cuesta más por una razón que los compradores rara vez ven venir: quien lo arregla tiene que responder por un código que no escribió y que no puede explicar del todo, así que la remediación se tarifica como se tarifica la demolición cuando hay amianto de por medio: prima de riesgo primero, mano de obra después. Detrás vendrá una cola de seguros y auditorías, porque alguien tendrá que acabar suscribiendo la pregunta de quién responde por una línea que nadie escribió.

¿No es esto simplemente la resaca habitual de todo ciclo de moda tecnológica?

Es una objeción justa, y merece una prueba, no un gesto de desdén. Toda tecnología seria atraviesa un valle en el que llegan las primeras facturas: las herramientas mejoran, la práctica madura, la economía se asienta. Si esto no fuera más que eso, el negocio de la limpieza sería una nota a pie de página y los escépticos estarían discutiendo con una nube.

El contraargumento es estructural, y viene de la historia del código que nadie lee. Tu compilador genera código máquina que ningún humano inspecciona jamás, y a eso nadie lo llama deuda técnica. La diferencia es la prueba formal. Un compilador es determinista y su corrección está diseñada y verificada, así que confiar en su resultado no cuesta nada. El resultado generado por IA no lleva esa garantía. Es estadísticamente probable, no demostrado, lo que convierte la revisión humana en una pieza permanente del proceso de trabajo, no en un defecto de juventud que la herramienta acabará superando. Modelos mejores reducirán la tasa de fallo. No eliminarán la necesidad de que alguien responsable diga: sí, esto es correcto.

Ford ya ha pagado esta matrícula. La compañía recontrató a más de 300 ingenieros veteranos después de que la IA y los sistemas automatizados se quedaran cortos en calidad, según TechCrunch, con los costes de garantías y retiradas de producto forzando la decisión. Las personas prescindibles según los recortes resultaron ser quienes sostenían el nivel de calidad. Es de esperar que la ola de recontrataciones sea mucho más silenciosa de lo ruidosos que fueron los despidos, y que la prima sobre los ingenieros capaces de leer un sistema, en vez de limitarse a dárselo a un modelo, siga subiendo.

Luego está el precio de la propia herramienta. El precio actual de las API está, con cualquier lectura sensata de la economía, subvencionado: los grandes proveedores gastan dinero de sus inversores para comprar cuota de mercado, y nadie serio cree que estos precios sean permanentes. El único debate real es sobre la fecha. Es previsible que las suscripciones planas vayan adquiriendo topes, medidores y cuellos de botella, porque toda estrategia de precios de conquista de mercado termina en tarificación por consumo.

Si tu caso de negocio solo cuadra con precios subvencionados, no tienes un caso de negocio. Tienes una apuesta por la caja de otro, y el reajuste de precios llegará justo cuando también llegue tu factura de remediación.

La percepción se está moviendo en el mismo sentido. Hace dos años, «impulsado por IA» era un argumento de venta; cada vez más se lee como una confesión de que se saltaron la verificación y nadie miró con demasiada atención. Cuando una etiqueta pasa de ser innovación a ser negligencia, la prima se traslada a quien pueda demostrar lo contrario. Es previsible que «revisado por humanos» se convierta en el nuevo «hecho a mano»: una garantía de calidad, tarificada en consecuencia.

¿Qué hacer realmente al respecto?

La respuesta sensata es aritmética. Trata el código generado como tratarías el trabajo de un desconocido con talento: útil, rápido y no fiable hasta que alguien que asuma las consecuencias lo haya revisado. Eso significa mantener a personas con control real sobre los sistemas de IA, no como sello de aprobación automático sino como la capa que soporta el peso. Significa hacer el trabajo poco vistoso de preparar el terreno antes de construir nada: calidad de datos, propiedad clara y una vía de vuelta atrás cuando algo falla. También significa contratar pensando en el desaguisado desde el principio: si un proveedor te está generando sistemas, negocia ya derechos de auditoría y condiciones de salida, mientras todavía necesita tu firma. Y conocer tu exposición actual. Si no puedes decir qué partes de tu parque tecnológico nadie sabe explicar, una revisión seria de tu estrategia técnica sale más barata que descubrirlo en producción.

La mecha larga es la cantera de talento. Los ingenieros senior se forman tras años haciendo mal el trabajo junior, y luego cada vez un poco menos mal. Automatiza el trabajo junior y la oferta de seniors dentro de una década se encogerá, justo cuando el mercado de remediación más los necesite. Los veteranos que Ford está recontratando son un adelanto del recurso más escaso del software en los próximos diez años.

La demo era gratis. El mantenimiento es el producto. Presupuesta la segunda factura, o paga a alguien para sobrevivirla.

Preguntas frecuentes

¿Qué es la deuda técnica de la IA?

Es el coste futuro que se acumula cuando el código y los sistemas se generan más rápido de lo que nadie llega a entenderlos. La deuda técnica ordinaria al menos tiene un autor al que preguntar; la de la IA no, porque el autor fue un modelo y el razonamiento detrás de sus decisiones no existe en ningún sitio. Cada cambio, auditoría o incidente posterior paga intereses sobre esa brecha.

¿Cuánto cuesta arreglar código generado por IA?

Todavía no existe una media sectorial honesta, así que cualquier proveedor que cite una cifra precisa está vendiendo algo. Lo que sí se deduce de la mecánica: la remediación cuesta más que la generación original, porque desenredar un sistema exige primero entenderlo, y entender es precisamente la parte que la IA no abarató ni aceleró. La partida presupuestaria realista es el tiempo de revisión, pruebas y auditoría, que escala con la cantidad de código generado, no con la velocidad a la que se generó.

¿De verdad están las empresas recontratando a ingenieros a los que sustituyeron por IA?

Al menos un gran fabricante lo ha hecho, y públicamente: Ford recontrató a más de 300 ingenieros veteranos después de que la IA y los sistemas automatizados no dieran la calidad que la empresa necesitaba, según informó TechCrunch. Que esto se convierta en una tendencia general es una expectativa fundada, no un hecho consumado. La primera señal se verá en el mercado de ingenieros con experiencia capaces de mantener sistemas, no solo de generarlos.

Relacionado

Escrito por una persona editorial de IA del sistema editorial propietario de Abyshire y revisado por nuestro equipo.