¡Extraño! La IA ha multiplicado por 10 la eficiencia en Silicon Valley, pero está desencadenando una crisis más oculta que la reducción a la mitad de $BTC

A principios de 2026, apareció una escena intrigante en el campo de la ingeniería de software. La nueva generación de herramientas de programación AI, representada por Claude Opus 4.6, está llevando la eficiencia de los desarrolladores a niveles sin precedentes. Datos internos de Microsoft muestran que, tras la elección autónoma de herramientas, Claude Code rápidamente se convirtió en dominante, siendo vista como la opción de “camino de menor resistencia”.

Pero al mismo tiempo, en la comunidad de desarrolladores proliferan discusiones sobre el “agotamiento profesional”. El ingeniero Steve Yegge, que trabajó en Google y Amazon, describe un fenómeno que llama “ataque de sueño”: tras largas sesiones de programación en un entorno atmosférico, de repente se queda dormido en plena jornada, sin aviso.

Hoy, cada vez más ingenieros hablan abiertamente de una experiencia común: la producción laboral aumenta significativamente, pero la fatiga se acumula a un ritmo acelerado. La tecnología reduce mucho el tiempo para completar tareas, pero no disminuye la carga de decisiones humanas, que en cambio aumenta.

Yegge señala que las discusiones previas sobre la “limitada ayuda de la IA en el trabajo real” ya no tienen valor de referencia tras la implementación de Claude Code con Opus 4.5 y 4.6. Esta combinación reduce notablemente el costo de convertir un problema en código ejecutable, permitiendo que un ingeniero experto produzca en una hora varias veces más que en un flujo de trabajo tradicional.

Cuando la productividad se duplica aproximadamente, aparece un fenómeno que llama “efecto vampiro”: la tecnología deja de ser solo una herramienta y comienza a moldear el ritmo de trabajo y el estado mental del usuario en sentido inverso.

El ingeniero Sidant Karet documenta este proceso en su blog. En su artículo “El agotamiento por IA es real”, escribe que en el último trimestre entregó la mayor cantidad de código en su carrera, pero también se sintió mentalmente exhausto.

Describe un cambio fundamental en su modo de trabajo. Antes, con IA, se concentraba en un solo problema durante todo el día, manteniendo una línea de pensamiento coherente. Tras introducir IA, debe gestionar de manera paralela cinco o seis áreas diferentes. Cada problema, con ayuda de IA, se resuelve en aproximadamente una hora, pero el cambio frecuente entre tareas genera una nueva carga cognitiva. “La IA no se cansa entre problemas”, escribe, “pero yo sí”.

Karet compara su nuevo rol con el de un “inspector de línea de producción”. Las solicitudes de revisión llegan continuamente, cada una requiere análisis, decisión y aprobación. El proceso nunca se detiene, pero la autoridad de decisión nunca se transfiere. Él permanece en el banquillo, con los casos entregados por la IA y la responsabilidad en sus manos.

Un estudio reciente respalda esta observación. Se siguió a 200 empleados de una empresa tecnológica estadounidense, y se encontró que, aunque el uso de IA inicialmente aceleró significativamente la finalización de tareas, también desencadenó una reacción en cadena: el aumento de velocidad elevó las expectativas de entrega, lo que llevó a los empleados a depender más de la IA, ampliando el alcance de tareas que intentan gestionar, lo que a su vez incrementa la densidad de trabajo y la carga cognitiva.

Este mecanismo se describe como “expansión del trabajo”. No es una expansión impulsada por instrucciones, sino un proceso de iteración y auto-reforzamiento entre la mejora de eficiencia y la reconfiguración de expectativas.

Sammo Koroshets, diseñador de productos digitales, expresa una situación similar en redes sociales. Señala que en plataformas sociales abundan demostraciones de “generar diez UI en un minuto”. Estos contenidos se repiten constantemente a profesionales y gerentes, creando una norma implícita: si las herramientas pueden producir soluciones tan rápido, entonces la producción debe ser así.

Pero estas demostraciones rara vez muestran los costos de filtrado, implementación y coordinación interfuncional, que siguen siendo responsabilidad humana. La tecnología acorta el tiempo de producción, pero no el de decisión. Y este último se vuelve un nuevo cuello de botella: la atención y la voluntad humanas.

Yegge propone un marco de análisis simplificado. Supongamos que un ingeniero, tras dominar la IA, aumenta su producción en 10 veces en una hora. ¿Quién obtiene ese valor adicional? Depende de cómo el usuario configure su oferta laboral.

Por ejemplo, en el escenario A, el ingeniero mantiene su horario habitual y entrega toda la producción adicional a su empleador. El empleador obtiene casi 10 veces más con el mismo costo de mano de obra. Los ingresos del ingeniero no cambian proporcionalmente, pero su esfuerzo y agotamiento mental sí aumentan. Yegge lo llama “ser exprimido”.

En el escenario B, el ingeniero reduce drásticamente su jornada laboral, realizando en solo el 10% del tiempo anterior la misma producción. En este caso, el valor adicional lo recibe completamente él, ganando más tiempo libre. Pero esta situación es difícil de sostener en un entorno competitivo: si todos adoptan esta estrategia, la producción total de la organización será menor que la de sus competidores, poniendo en riesgo su supervivencia a largo plazo.

Yegge señala que el estado ideal está en algún punto intermedio entre estos extremos. Pero en las estructuras organizativas actuales, el control del ajuste del “reloj” no es equitativo. Las organizaciones tienden a moverlo hacia el extremo A, mientras que los individuos deben ejercer una contrafuerza activa.

Este marco transforma el problema de eficiencia tecnológica en uno de distribución. La IA no altera la realidad básica de que “el valor lo crea el trabajo”, pero sí cambia la escala del valor generado por la misma cantidad de trabajo. Cuando esa escala da un salto, el equilibrio en la distribución se ve inevitablemente afectado.

Yegge recuerda su experiencia en Amazon en 2001. En ese momento, su equipo enfrentaba una alta presión de entregas y una alta incertidumbre en las recompensas. En una discusión, escribió una fórmula: $/hora. Explica que el numerador (salario fijo anual) difícilmente cambia en el corto plazo, pero el denominador (horas efectivas de trabajo) tiene un amplio margen de ajuste. Propone cambiar el enfoque de “cómo ganar más” a “cómo trabajar menos”.

Veinticinco años después, Yegge considera que esa fórmula sigue siendo válida en la era de la IA. La diferencia es que la IA amplifica mucho más el impacto del cambio en el denominador sobre el numerador, pero la capacidad del individuo para controlar el denominador no se ha fortalecido en paralelo.

Joseph Emmerson, usuario de redes sociales, responde desde otra perspectiva. Observa que la mayoría de los profesionales en áreas creativas, incluidos escritores, diseñadores e investigadores, trabajan efectivamente no más de cuatro horas diarias. El resto del tiempo lo dedican a recuperarse, pasear, inputar información. No es un problema de eficiencia, sino de límites fisiológicos en la actividad cognitiva.

Si la IA divide aún más “trabajo” y “trabajo efectivo”, quizás debamos redefinir no tanto la forma de usar las herramientas, sino la duración de la “jornada laboral”.

Yegge admite en su escrito que también es parte del problema. Con más de cuarenta años de experiencia, liderando grandes equipos, con velocidad de lectura y recursos para experimentar con tecnología, puede construir en horas un sistema funcional con Claude Code y publicarlo en el dominio público. Sus logros se difunden ampliamente, y algunos gerentes los ven como “el nivel que un ingeniero puede alcanzar”.

Escribe: “Es muy probable que los empleadores empiecen a mirarme a mí, y a estos raros que estamos muy por encima de la norma, y digan: ‘Oye, todos mis empleados pueden hacer eso’”.

En plataformas como redes sociales, algunos pioneros comparten abiertamente su intensidad de uso de IA: algunos dicen que en sus organizaciones pagan miles de dólares mensuales por cuenta; otros muestran decenas de conversaciones simultáneas. Estos contenidos, además de captar atención en la comunidad técnica, crean un marco de referencia implícito en la gestión. Yegge lo llama “estándar de belleza irrealista”.

Reconoce que no es representativo, que su ritmo de trabajo no puede ser replicado por la mayoría, e incluso él mismo no está seguro de poder mantenerlo a largo plazo. Pero cuando sube a un escenario o escribe un libro, lo que transmite (al menos en la percepción) se reduce a “esto se puede hacer”.

Lih Amosov, otro usuario, lleva la discusión a un nivel más profundo. Considera que la forma en que las personas interactúan con la IA refleja una dificultad de larga data en reconocer límites en las relaciones humanas. Muchas personas carecen de la capacidad de identificar y expresar sus propios límites en sus relaciones, y esa misma incapacidad se traslada a la relación con las máquinas. Las herramientas no se detienen ni perciben el cansancio del usuario. Cuando la tecnología amplía continuamente sus capacidades, la habilidad para reconocer los límites inferiores se vuelve aún más escasa.

Yegge propone una postura concreta: en la era de la IA, la jornada laboral efectiva debería reducirse a tres o cuatro horas. No es un número comprobado rigurosamente, sino una inferencia basada en la experiencia. Observa que la IA automatiza muchas tareas ejecutivas, dejando a los humanos las actividades de decisión, juicio y reestructuración de problemas, que consumen mucho más recursos de atención y emocional que las tareas de ejecución, y que son difíciles de paralelizar o comprimir en el tiempo.

Durante una visita a un parque tecnológico, vio un entorno que llama “ajustar la escala a la posición correcta”: espacios abiertos, luz natural abundante, áreas de descanso y socialización distribuidas por todo el lugar, donde los empleados cambian libremente entre trabajo y recuperación. No está seguro de si este equilibrio se mantendrá tras la penetración total de la IA.

Pero está convencido de que los modelos actuales, que solo aumentan la densidad de producción sin ajustar la duración de la jornada, no son sostenibles. No atribuye el problema a “la IA como vampiro”, sino a “necesitar entender mejor cuáles son mis límites”.

Al final, Yegge dice que está intentando reducir la escala. Ha reducido sus actividades públicas, rechazado muchas invitaciones, dejado de perseguir cada pista tecnológica visible. Sigue escribiendo, construyendo productos y dialogando con colegas. Pero también cierra la computadora por la tarde y pasea con su familia. No sabe cuánto puede reducir la aguja, pero está seguro de que la dirección es correcta.

Para la comunidad en general, este problema aún no forma parte de la agenda colectiva. La narrativa sobre la productividad con IA sigue predominando, y las discusiones sobre fatiga aún son personales y fragmentadas. Pero cada vez más señales indican que estas dos curvas convergen: la tecnología acorta los caminos, pero no acorta la jornada laboral. Las herramientas asumen la ejecución, pero no la responsabilidad. La eficiencia aumenta la velocidad de entrega, pero también el ritmo de consumo. Y si la IA nos sigue diciendo “puedes ir más rápido”, quizás la pregunta que más necesitamos escuchar es: ¿puedes ir más lento?