¿Merece la pena aprender a programar ahora que existe la IA?

Es la duda más razonable de 2026, y la respuesta corta es que sí, merece la pena, pero no por los motivos que se repetían hace cinco años. Lo que ha cambiado con la inteligencia artificial no es si hace falta entender de programación: es qué parte del trabajo tiene valor.

Qué ha abaratado la IA exactamente

La IA ha abaratado hasta casi cero una tarea concreta: traducir una instrucción clara a código. Si le describes con precisión qué quieres, escribe la función en segundos y normalmente sin errores de sintaxis.

Lo que no ha abaratado:

• Decidir qué hay que construir. La IA responde a lo que le pides, no a lo que necesitas.
• Especificar sin ambigüedad. Qué entra, qué sale, qué pasa en los casos raros.
• Verificar el resultado. Saber si el código que te ha devuelto es correcto, y no solo si se ejecuta.
• Arreglar lo que falla. Cuando algo se rompe en producción, alguien tiene que entender el código.

Fíjate en que las cuatro son exactamente lo mismo: razonar sobre el problema. Y eso es lo que se aprende cuando se aprende a programar. Escribir la sintaxis siempre fue la parte mecánica; lo que ocurre es que hasta ahora venía obligatoriamente en el mismo paquete.

El problema real de pedir código sin saber leerlo

Un ejemplo cotidiano. Le pides a la IA una función que calcule el promedio de una lista de notas. Te devuelve algo perfectamente razonable:

function promedio(notas) {
  const suma = notas.reduce((acc, n) => acc + n, 0);
  return suma / notas.length;
}

Funciona. Lo pruebas con [7, 8, 9] y devuelve 8. Perfecto.

Y con una lista vacía devuelve NaN, porque divide entre cero. Si eso alimenta un informe, el informe muestra NaN. Si alimenta una factura, la factura sale con un importe inválido. La IA no ha mentido ni ha fallado: ha hecho lo que le pediste. Nadie le dijo qué debía pasar con una lista vacía, porque quien preguntaba no sabía que ese caso existía.

Ese es el patrón general: el código generado suele ser sintácticamente correcto y con frecuencia incompleto respecto al problema real. Detectarlo requiere saber qué preguntar, y eso solo se sabe habiendo escrito código y habiendo visto fallar los casos límite. Es, por cierto, la razón por la que los ejercicios de un buen curso te prueban con la lista vacía y con el valor justo en la frontera.

Lo que cambia en el mercado laboral

Ha subido la barrera de entrada. Antes existía un tramo de trabajo que consistía en traducir tareas simples a código; ese tramo se ha reducido mucho. Lo que ha ganado peso:

• entender el dominio del problema y hacer las preguntas correctas;
• saber revisar código ajeno, ahora que gran parte lo escribe una máquina;
• probar y validar: casos límite, datos inesperados, comportamiento bajo error;
• decidir arquitectura y detectar cuándo una solución generada es frágil.

Todas esas capacidades se construyen sobre las bases, no las sustituyen. Un perfil que solo sabía copiar tiene un problema; un perfil que razona sobre programas tiene más palanca que nunca, porque la IA multiplica su velocidad.

La analogía útil (y la trampa de las malas analogías)

Se repite mucho que «la IA es a programar lo que la calculadora a las matemáticas». Es correcta si se lleva hasta el final: la calculadora no eliminó la necesidad de entender qué operación hay que hacer, ni de saber si un resultado tiene sentido. Eliminó el trabajo de calcular a mano. Quien no entiende de proporciones no sabe qué dividir entre qué, y la calculadora le da con toda la precisión del mundo un resultado equivocado.

Con la programación es idéntico. La IA no elimina la necesidad de saber qué algoritmo resuelve el problema, ni de reconocer que un resultado es absurdo. Elimina el tecleo.

Cuándo no merece la pena

Por honestidad, hay casos en los que aprender a programar no es la mejor inversión de tu tiempo:

• Solo quieres automatizar dos tareas puntuales. Con una IA y algo de prueba y error puede que te baste, aunque cada cambio dependerá de volver a pedir ayuda.
• Buscas empleo en semanas. No va a pasar: el nivel para un puesto junior está entre nueve y dieciocho meses de trabajo real. Ver cuánto tiempo se tarda.
• No tienes ningún interés en resolver problemas paso a paso. Es el núcleo de la actividad; sin eso, el proceso se hace cuesta arriba.

Si tu caso es «quiero entender cómo funciona lo que uso, poder construir cosas y no depender de que alguien —o algo— me lo dé hecho», entonces sí merece la pena, y bastante.

Lo que hay que aprender ahora, que es distinto de antes

Con IA disponible, el orden de importancia se ha invertido:

1. Especificar. Describir con precisión qué entra, qué sale y qué pasa en los casos raros. Es la habilidad que más rendimiento da, tanto si escribes el código como si se lo pides a una máquina.
2. Leer código. Entender qué hace una función que no has escrito tú, línea a línea, y detectar qué le falta.
3. Probar. Diseñar los casos que romperían tu solución antes de que los encuentre otro.
4. Escribir sintaxis de memoria. La menos importante de las cuatro, y la única que la IA cubre bien.

Las tres primeras no se aprenden leyendo: se aprenden escribiendo código, equivocándose y recibiendo corrección. Y precisamente por eso conviene aprender sin delegar los ejercicios en la IA mientras estás formando esas bases. Cómo usarla sin sabotearte está en aprender a programar con ChatGPT.

En resumen

La IA no ha hecho innecesario aprender a programar. Ha hecho innecesario memorizar sintaxis y ha subido el valor de todo lo demás: entender el problema, especificarlo y verificar el resultado. Quien tiene esas bases usa la IA como un multiplicador; quien no las tiene depende de ella sin poder juzgarla.

Si quieres construir esas bases, el curso de programación básica empieza desde cero con ejercicios que se corrigen solos en el navegador y prueban también los casos límite —justo el hábito que la IA no te va a dar. Los módulos 1 y 2 son gratis, y si ya sabes algo, la prueba de nivel te sitúa en diez minutos.