La pregunta de titular para los ingenieros de software en 2026 no es si la IA sabe escribir código. La IA sabe escribir código. La pregunta económicamente interesante es esta: qué tareas del ingeniero puede producir la IA con la fiabilidad que el equipo puede lanzar y el coste de error que el negocio puede absorber. Nuestro modelo v1 responde: ninguna supera con claridad el umbral Replaceable, la mayoría supera el umbral AI-augmented, y la cola human-critical es más sólida de lo que admite el marco de «¿va la IA a reemplazar a los desarrolladores?».
Las tareas que modelamos
La ingeniería de software se descompone mal en un solo cajón. La mezcla real de trabajo varía según la empresa, la antigüedad y el equipo. Pero nuestra muestra v1 cubre un abanico representativo: escribir código de producción a partir de una especificación, escribir tests, escribir documentación, diseñar arquitectura de sistemas, depurar incidencias de producción, revisar código, triar alertas de guardia y hacer mentoría de ingenieros junior. Son las tareas que nuestra matriz de capacidades v1 evalúa frente a nueve ejes.
La lectura celda a celda
Escribir código de producción contra una especificación clara cae en territorio AI-augmented. La capacidad es alta, la fiabilidad es decente, pero el coste de error no es trivial: código equivocado con seguridad, a escala, cuesta incidencias de producción. Las reglas de clase de sustitución según el ADR-016 sitúan esta tarea en la banda intermedia: la IA teclea casi todo, el ingeniero es dueño de las decisiones, de la revisión y del plan de rollback.
Escribir tests y escribir documentación también son AI-augmented en nuestra muestra v1, no Replaceable. La capacidad es alta (sobre todo para el código repetitivo), pero los umbrales de fiabilidad y de coste de error mantienen a ambas fuera de la banda Replaceable. Un test que pasa en local y se salta el caso límite de producción arrastra un coste de error nada trivial. Una documentación que describe con seguridad un contrato de API de forma errónea lastra a todo ingeniero aguas abajo. El rol recibe ayuda de la IA para teclear; el ingeniero sigue siendo dueño de la corrección.
La revisión de código —redactar comentarios sobre un diff— también se sitúa en AI-augmented. La capacidad es alta, la fiabilidad es media; el coste de error varía según el diff (una revisión con implicaciones de seguridad puede ser un 4 sobre 5, una revisión de estilo un 1). Modelamos la media, lo que la mantiene en la banda intermedia.
Depurar incidencias de producción baja con fuerza a Human-led + AI-assisted. La capacidad de reconocer un patrón en un stack trace es alta; la capacidad de sintetizar «por qué esto solo ocurre a las 2 de la madrugada los martes en el tenant de este cliente» es baja. El eje de fiabilidad es brutal aquí: la IA adivina con seguridad y a menudo se equivoca. Los minutos de supervisión por incidencia crecen. La IA acelera la búsqueda, pero no es dueña de la solución.
El diseño de sistemas y la arquitectura aterrizan en Human-led + AI-assisted, en la parte profunda. La IA puede producir un diagrama de arquitectura plausible. La IA no puede sopesar a la vez cinco años de decisiones de deuda técnica, la curva de confianza de despliegue del equipo y la trayectoria real de escalado del negocio. El eje de contexto, dentro del valor humano irreductible, puntúa alto; el eje de ambigüedad puntúa aún más alto. La IA es una caja de resonancia, no el arquitecto.
Hacer mentoría de ingenieros junior es la tarea Human-critical del rol. La confianza puntúa en lo más alto de la escala de valor irreductible, el contexto es de varios años, y la conversación de «por qué el senior te cortó en esa reunión» no se resuelve con prompt engineering. La IA puede responder preguntas técnicas; la IA no puede ser la persona en quien un ingeniero junior confía una pregunta sobre su carrera.
A grandes rasgos, en una semana típica
Para un ingeniero de software de nivel medio a senior en nuestro rol de referencia v1, la distribución de base sobre las tareas modeladas es: cero Replaceable, mayoría AI-augmented (código de producción, tests, documentación, revisión de código), una banda significativa Human-led + AI-assisted (diseño de sistemas, triaje de guardia) y una cola Human-critical más pequeña (mentoría, decisiones de arquitectura con contexto plurianual). La pill de titular para el rol es Augmentation territory, pero la forma relevante es que la masa del rol se sitúa en las dos clases intermedias.
Esa es la lectura económica serena. La mayor parte de la semana está en la frontera AI-augmented. Una parte sigue siendo human-led. El relato de «los ingenieros de software serán reemplazados para 2027» no es lo que dice el modelo —Replaceable está vacío para el rol en v1— y el relato de «la IA está sobrevalorada, mi puesto está a salvo» tampoco es lo que dice el modelo.
Dónde cambia rápido
Tres ejes que estaremos vigilando. La fiabilidad es la palanca. Si el eje de fiabilidad en la implementación de funcionalidades pasa de 75 a 85, la celda cruza el umbral Replaceable y el cuadro ponderado por la cuota del rol se desplaza hacia un 30-35 % de Replaceable. Esa es la discontinuidad al estilo Klarna para la ingeniería de software.
Los minutos de supervisión son la segunda palanca. La mayor parte del coste operativo de la IA en las tareas de ingeniería de software es tiempo de revisor, no tokens. Una reducción significativa de la supervisión por salida (digamos, de 8 minutos por PR generada por IA a 2) recorta la línea de coste operativo de la IA casi 4 veces. Eso cambia el cálculo del NPV para despliegues a nivel de toda la organización.
La configuración del coste de error es la tercera. La ingeniería de software de un banco tiene coste de error 5 en la mayoría de estas tareas; la de un sitio de marketing tiene coste de error 1. Los mismos puntajes de capacidad y fiabilidad producen asignaciones de clase de sustitución distintas según la configuración del coste de error. La herramienta Wagecard te permite anular el valor por defecto para tu dominio.
Qué hacer con esto si eres ingeniero de software
Tres movimientos económicos serenos. Primero, haz el trabajo AI-augmented con IA. Es la mitad de tu semana. Rechazarlo es dejar productividad sobre la mesa sin ninguna razón metodológica. Segundo, apuesta fuerte por el trabajo Human-critical. La mentoría, el diseño de sistemas con contexto, el triaje de guardia: son los ejes que el clúster de valor irreductible sigue protegiendo. Es también el trabajo que hace crecer tu carrera. Tercero, vigila el eje de fiabilidad. Cuando se mueva, querrás ser el ingeniero que ya entiende cuáles de sus tareas quedan afectadas.
Calcular tu Wagecard específica lleva tres minutos. Anula los valores por defecto si tu rol difiere (backend con mucha regulación de cumplimiento, fintech regulada, embebido crítico para la seguridad). La lectura derivada de la matriz está en /roles/software-engineer; la vista transversal en vivo por geografía × experiencia está en /insights/software-engineer. Metodología abierta en /methodology.
La lectura honesta es que 2026 no es el año en que la ingeniería de software se disrumpe de arriba abajo. Es el año en que una parte significativa de la superficie de tareas del rol pasó a la banda AI-augmented, y el resto del trabajo —la parte Human-critical— ganó valor por hora, no lo perdió.