Salarios de ingenieros de software en 2026: ¿cómo cambian?
La inteligencia artificial ha transformado radicalmente la forma en que se escribe código. Hace un par de años, la IA apenas podía autocompletar una función; hoy es capaz de escribir una característica completa mientras el desarrollador toma un café. Este cambio, que se ha acelerado en 2026, plantea una pregunta incómoda para los ingenieros de software: si el código es cada vez más barato, ¿los salarios también lo serán? La respuesta no es simple, pero los economistas llevan dos siglos analizando situaciones similares y sus herramientas pueden ayudarnos a entender hacia dónde se dirigen las remuneraciones en la industria tecnológica.
El precio del código y la demanda de software
Un salario es un precio: lo que las empresas pagan por el trabajo de ingeniería. Para anticipar su evolución, hay que entender qué sucede con la demanda de ingenieros, y eso depende de qué pasa con el software en sí. Cuando la IA abarata la producción de código, las empresas pueden construir el mismo software con menos esfuerzo. En términos económicos, la curva de oferta se desplaza a la derecha: el nuevo punto de equilibrio tiene un precio más bajo y una cantidad mayor. Es decir, el software se vuelve más barato y hay más de él. La pregunta clave es cuánto más, porque eso determina cuánto trabajo queda para los ingenieros.
Elasticidad: ¿cuánto más software se demanda?
La elasticidad mide cuánto cambia la cantidad demandada cuando varía el precio. El agua es un ejemplo clásico de demanda inelástica: si su precio se redujera a la mitad, probablemente no nos ducharíamos el doble de tiempo. Los vuelos, en cambio, son elásticos: cuando las aerolíneas de bajo costo abarataron los pasajes, la gente no solo viajó más, sino que empezó a volar a otras ciudades por el fin de semana. El software se parece más a los vuelos. Cada empresa tiene una lista de proyectos pendientes que no se realizan porque no justifican el tiempo de ingeniería: paneles internos, scripts para automatizar procesos manuales, integraciones con sistemas heredados. Fuera del sector tecnológico es aún más evidente: la panadería de la esquina no pagaría por software personalizado hoy, pero quizá sí si costara una décima parte, aunque quien lo construya sea el sobrino del dueño con una herramienta de IA.
La paradoja de Jevons y el consumo de código
En 1865, el economista William Jevons observó algo curioso: los motores de vapor se volvieron mucho más eficientes en el uso del carbón, pero en lugar de reducir el consumo, Gran Bretaña empezó a usar más carbón. La razón: al abaratarse la energía, se destinó a más aplicaciones y el consumo total aumentó. Esta es la paradoja de Jevons: hacer un recurso más eficiente puede incrementar su consumo. En nuestro campo, la nube abarató el renta de cómputo y las empresas ahora gastan mucho más que antes. Los compiladores y los lenguajes de alto nivel hicieron a los programadores más productivos y terminamos con más programadores, no menos. Pero Jevons solo nos dice que consumiremos más código, no que habrá más ingenieros.
Lecciones de la Revolución Industrial
Cuando llegaron los telares mecánicos en la Inglaterra del siglo XIX, la tela se abarató y la gente compró mucho más, tal como predice Jevons. Sin embargo, los tejedores manuales vieron desplomarse sus salarios y en pocas décadas la mayoría abandonó el oficio. La industria textil siguió contratando mucha gente, pero para operar las nuevas fábricas. Lo que desapareció fue una habilidad específica, junto con las personas que habían construido su carrera sobre ella. Ese es el riesgo que enfrentamos hoy.
Demanda derivada: de software a ingenieros
Para entender qué pasa con los ingenieros, hay que conectar la demanda de software con la demanda de quienes lo construyen. Los economistas llaman a esto demanda derivada: las empresas no quieren ingenieros por sí mismos, quieren software y nos contratan para construirlo. Dos fuerzas tiran en direcciones opuestas. Por un lado, el abaratamiento del código reduce la necesidad de ingenieros para una misma cantidad de software. Por otro, la mayor demanda de software (si es elástica) aumenta la necesidad de ingenieros. ¿Cuál gana? Depende de la elasticidad. Si el software se abarata un 50% y las empresas quieren más del doble, habrá más trabajo para ingenieros. Si quieren menos del doble, se necesitarán menos.
Salarios: oferta y demanda de trabajo
Los salarios son el precio del trabajo de ingeniería, así que la misma lógica de oferta y demanda aplica un nivel más abajo. Si la demanda de ingenieros crece más rápido que el número de personas capacitadas, los sueldos suben. Si crece más lento, o si la oferta aumenta más rápido (nuevos graduados, despidos, personas fuera de la profesión que construyen con IA), los sueldos bajan.
Complementos: habilidades que ganan valor
Todo esto supone que cada tarea de ingeniería se abarata al mismo ritmo, lo cual no es cierto. En economía, los complementos son bienes que se usan juntos, como las impresoras y la tinta, o los autos y el combustible. Cuando uno se abarata, la demanda del otro sube. Nuestro trabajo es un conjunto de tareas que no se abaratan por igual. La IA es excelente escribiendo código bien especificado, plantillas y pruebas. Es mucho más débil para determinar qué construir, diseñar sistemas que sobrevivan años de requisitos cambiantes, depurar problemas que involucran a tres equipos y ser la persona a la que llaman cuando algo falla. Estas tareas difíciles son complementarias al código. Cuanto más código podemos generar, más necesitamos a alguien que sepa qué generar, que verifique que sea correcto y que asuma la responsabilidad de que funcione en producción. A medida que el código se abarata, esas habilidades deberían volverse más valiosas, siempre que la IA no las alcance también.
La brecha salarial se ampliará
La cadena completa es así: la IA abarata el software, el mundo probablemente querrá mucho más, y la demanda extra de ingenieros fluirá principalmente hacia las tareas que la IA aún no puede hacer. Por eso no creo que los salarios de ingeniería simplemente suban o bajen. Creo que la brecha entre los ingenieros mejor y peor pagados se ampliará. Hay mucha incertidumbre: nadie sabe cuán elástica es realmente la demanda de software, y la línea entre tareas “baratas” y “escasas” se mueve con cada nuevo modelo. También es difícil separar el efecto de la IA de las tasas de interés y los ciclos de financiamiento.
Conclusión: prepararse para el futuro
En 2026, el código es barato, pero el software correcto, seguro, integrado y útil sigue siendo caro y escaso. Los ingenieros que se enfoquen en entender el problema, conocer el dominio y verificar que el resultado sea correcto tendrán ventaja. La recomendación es clara: gastar menos energía compitiendo con la IA en velocidad de tipeo y más en lo que aún se le dificulta. El futuro de los salarios dependerá de saber adaptarse a esta nueva realidad.
