¿Por qué cuesta tanto dejar de programar con IA? Es como una tragamonedas que sí te deja algo útil

Nota: Este artículo no afirma que programar con IA sea una adicción clínica demostrada.

Cómo usar las herramientas de lectura

Escuchar lee el artículo en voz alta. La lectura rápida muestra frases a tu ritmo. La práctica de idiomas compara las traducciones disponibles. Guardar añade un marcador en este navegador, accesible desde los guardados del reproductor. El rompeladrillos convierte las palabras del artículo en ladrillos para romper.

Compartir este artículo

Compartir este artículo

¿Por qué cuesta tanto dejar de programar con IA? Es como una tragamonedas que sí te deja algo útil
Imagen generada por IA

Locale: es

Nota: Este artículo no afirma que programar con IA sea una adicción clínica demostrada. La comparación se limita a ciertas similitudes con mecanismos estudiados en el juego y otros productos digitales, sobre todo no saber cuándo llega el premio y poder repetir muy rápido.[3] No hay pruebas de que con la IA funcione exactamente igual.

1. En pocas palabras: programar con IA se siente como una tragamonedas que sí paga con algo útil

Pides una corrección. Esperas unos segundos. Falla. Cambias la instrucción. Ahora casi funciona. Ejecutas las pruebas. Se rompe otra cosa. Lo intentas otra vez. Todo pasa.

Ese último “¡pasó!” engancha muchísimo.

La gran diferencia: cuando la jugada sale bien, no te quedas solo con una animación bonita. Te quedan código, pruebas, información, documentación o hasta una función completa.

Se juega con ritmo de entretenimiento, pero lo que sale es trabajo de verdad.

Alguien juntó una fábrica de software con una tragamonedas.

2. “Quizá la próxima funcione” vuelve cada pocos minutos

Quienes estudian los juegos de azar llevan años viendo algo: no saber cuándo llegará el premio puede hacer que repitas una y otra vez.[3]

Con la IA pasa algo que, por fuera, se ve muy parecido.

El mismo tipo de pedido puede:

  • resolverse a la primera
  • quedarse al 80 %
  • romper otro archivo
  • entender todo al revés
  • encontrar el problema de fondo antes que tú

No sabes qué ocurrirá al pulsar Enter.

Y la respuesta llega en segundos o minutos.

No tienes que esperar a mañana para ver el siguiente capítulo.

Los pequeños giros de trama salen a la velocidad de una máquina expendedora.

3. Incluso el fracaso deja algo

Aquí está la gran diferencia con apostar.

Un intento fallido casi siempre deja algo.

Queda el registro del error. Aparece una nueva sospecha. Queda una corrección a medias. Se suma una prueba. Al menos ya sabes qué camino no sirve.

Por eso, después de tres horas sin resolverlo, tu cabeza lo anota como:

“bueno, algo avanzamos”

y no como:

“perdí tres horas”.

Es como un RPG que da experiencia incluso cuando pierdes.

Y a veces, además de experiencia, te suelta código que va directo al producto.

4. Lo que de verdad sale caro: cuando la IA se queda dando vueltas sola

No todos los errores enseñan algo.

Un agente de IA que trabaja solo puede caer en esto:

ejecutar → fallar → corregir en la misma dirección → fallar → repetir casi lo mismo → fallar → anunciar “probaré otro enfoque” → hacer prácticamente lo mismo

Una persona mira la pantalla y dice: “ya, deja de cavar ese hoyo”.

La IA es muy aplicada.

Así que sigue cavando.

Y se gasta tu límite de uso con una disciplina admirable.

No le hace falta más aguante, sino frenos:

  • parar después de 2 o 3 fallos iguales
  • no repetir si el error no ha cambiado
  • resumir la causa antes del siguiente intento
  • guardar un punto para volver atrás antes de cambios grandes
  • avisar cuando el uso se dispara

Un agente no necesita discursos motivacionales. Necesita saber cuándo cortar por lo sano.

5. Aun así, no es una apuesta: nadie pone dinero para ganar dinero

Programar con IA no es apostar dinero para ver si lo recuperas con suerte.

Bien usada, la herramienta produce cosas reales.

Un estudio de 2026 de la Oficina Nacional de Investigación Económica de EE. UU. (NBER), con más de 500.000 desarrolladores de GitHub, encontró que las herramientas de IA aumentaron mucho la cantidad de código que se escribe, pero el efecto se achica bastante cuando llegas a proyectos y lanzamientos reales.[4]

O sea:

escribir más código no es lo mismo que entregar algo que sirva.

El agente corre 100 veces. Aparecen 50 commits nuevos. Se acaba tu límite de uso.

Si nada de eso llega a la gente, la fábrica solo está girando en vacío, muy rápido.

Pero si una función sí sale, pasa las pruebas y alguien la usa, ya no es puro entretenimiento.

Lo raro es que el enganche de un juego y la utilidad real están en la misma pantalla.

6. Por qué es tan fácil justificar una suscripción cara

Si gastas mucho cada mes en un videojuego, sabes que es gasto en diversión.

Con la IA, las cuentas en tu cabeza cambian.

Puede ahorrar horas de trabajo. Explicar conceptos nuevos. Escribir código. Investigar. Crear documentación. Construir aplicaciones.

Entonces la mensualidad ya no parece un gusto, sino una herramienta de trabajo.

Y lo malo para tu bolsillo es que de verdad lo es.

Diversión, trabajo, aprendizaje y creación llegan en el mismo cobro.

Por eso un plan caro se justifica con frases muy reales:

“me ahorró varias horas”. “terminó una función”. “sin esto habría tenido que investigarlo todo”.

7. “Es útil” no significa “cualquier gasto vale la pena”

Aun así, conviene sacar cuentas.

Si pasas 10 horas con la IA en algo que antes terminabas en 5, quizá encontraste un pasatiempo nuevo y no una forma de trabajar más rápido.

Si es un pasatiempo, está perfecto.

El problema es cuando crees que estás trabajando y en realidad estás mirando cómo trabaja la IA.

Vale la pena revisar:

  • cuánto tardarías sin IA
  • cuántos resultados terminados aumentaron
  • si bajó el tiempo de revisión humana
  • cuánto límite de uso se fue en vueltas inútiles
  • qué tareas podría hacer un modelo más barato
  • si aumentaron los lanzamientos, no solo el código

“Lo usé muchísimo” no es un resultado.

Vivir en el gimnasio tampoco te pone fuerte por arte de magia.

8. Por qué “una mejora diaria o un reinicio total” suena tan bien

En octubre de 2026, el responsable de Codex y ChatGPT Work en OpenAI anunció un reto de 28 días: cada día el equipo sacaría una mejora clara que le sirva a la mayoría de usuarios o reiniciaría por completo los límites de uso.[1]

Justo antes había dicho que solo trabajarían en simplificar, en más eficiencia para poder usarlo más, en funciones grandes y en modelos nuevos.[2]

Un sitio de seguimiento no oficial hecho por usuarios toma el periodo del 5 de octubre al 1 de noviembre, hora del Pacífico.[5]

En teoría, una función nueva cada día suena mejor.

Pero si eres de los que de verdad se acaban el límite, a veces es al revés:

1 función nueva < tener todo tu límite de vuelta.

El valor de un modelo potente no depende solo de su inteligencia, sino también de cuántos intentos útiles puedes hacer.

Después de quemar tu límite en un bucle absurdo, un reinicio vale mucho más que otro botón nuevo y brillante.

9. No hace falta quitar la diversión; hay que quitar la repetición inútil

Que programar con IA sea divertido no es un defecto.

Convertir un trabajo pesado en “va, una vez más” es una ventaja enorme.

El problema aparece cuando:

“una vez más”

se convierte en:

“la IA repitió el mismo error 20 veces solita”.

La solución no es hacerlo más aburrido.

Los intentos útiles, rápidos. Las repeticiones inútiles, cortadas a tiempo.

Al final, lo que cuenta no es cuántas veces jalaste la palanca.

Es:

qué quedó terminado de verdad.

PublicidadLibros sobre este tema

  • Co-Intelligence (edición en inglés)

    Ethan Mollick / Penguin Publishing Group / 2024

    Un libro sobre IA, el tema de este artículo.

  • The Coming Wave (edición en inglés)

    Mustafa Suleyman / Penguin Random House / 2023

    Un libro sobre IA, el tema de este artículo.

Este artículo contiene enlaces de afiliado (publicidad). Sobre la publicidad En calidad de Afiliado de Amazon, obtengo ingresos por las compras adscritas que cumplen los requisitos aplicables. As an Amazon Associate I earn from qualifying purchases.

Compartir este artículo

Si este artículo te ha sido útil, puedes apoyar el sitio. Apoyar

Para leer hoy

Cada uno responde a una pregunta que suelen hacerse quienes leen este artículo.

Ver todos los artículos

Buscar otros artículos

Todos los artículos

Mendoi-chan

Quién está detrás del sitio

Mendoi-chan

Convierte las fricciones del trabajo y la vida diaria en estructuras claras y próximos pasos prácticos.