¿Cómo cambió el costo de desarrollar software con la IA?

En resumen: en la última década el costo de desarrollar software bajó primero por la nube y los frameworks, que eliminaron servidores propios y mucho trabajo repetido, y desde 2022 por los asistentes de IA, que aceleran escribir código y armar prototipos. Pero los estudios no muestran un ahorro uniforme: un experimento de GitHub midió un 55 % menos de tiempo en una tarea acotada y un estudio de METR midió un 19 % más con desarrolladores experimentados en código complejo. Lo que se abarató es construir; entender el problema, integrar y mantener cuestan parecido.

¿Qué ya se había abaratado antes de la IA?

Para entender qué cambió con la IA conviene mirar qué había cambiado antes, porque buena parte de lo que hoy se atribuye a la IA ya venía pasando.

• Los servidores dejaron de comprarse. Hace no tantos años, lanzar un sistema implicaba comprar o alquilar servidores, instalarlos y mantenerlos. Con la nube, la infraestructura se paga por mes y por uso, arranca en planes gratuitos o de pocas decenas de dólares y escala sola.
• Los frameworks resolvieron lo repetido. Autenticación, formularios, ruteo, acceso a datos: lo que antes se escribía en cada proyecto hoy viene resuelto en herramientas como Next.js o Postgres administrado.
• Las integraciones se volvieron APIs. Cobrar con Mercado Pago, mandar un WhatsApp o leer leads de Meta pasó de ser un proyecto a ser una integración documentada.

El resultado fue que una empresa chica pudo empezar a encargar software a medida que diez años antes sólo pagaban las grandes. La IA entró sobre ese terreno.

¿Qué cambió desde 2022 con los asistentes de IA?

A fines de 2022, OpenAI lanzó ChatGPT y los asistentes de código se volvieron una herramienta de uso diario. Los números de adopción son altos:

• En la encuesta de Stack Overflow de 2025, el 84 % de los desarrolladores dijo que usa o planea usar herramientas de IA en su trabajo, y el 47,1 % las usa todos los días.
• El informe DORA 2025 de Google, con unas 5.000 respuestas, encontró que cerca del 90 % de los profesionales de tecnología usa IA en su trabajo.

Y las herramientas mejoran rápido. METR midió en 2025 que la duración de las tareas que los agentes de IA completan con un 50 % de éxito venía duplicándose aproximadamente cada siete meses durante los seis años anteriores.

¿Cuánto más rápido se programa con IA?

Acá los estudios no coinciden, y vale la pena leerlos con cuidado.

• El experimento de GitHub (2022). GitHub dividió a 95 desarrolladores profesionales en dos grupos para escribir un servidor HTTP en JavaScript. Los que usaron Copilot terminaron en 1 hora 11 minutos en promedio; los que no, en 2 horas 41 minutos: un 55 % menos de tiempo. Es un estudio del propio fabricante, sobre una tarea acotada y conocida.
• El estudio de METR (2025). METR hizo un ensayo controlado con 16 desarrolladores experimentados trabajando en 246 tareas reales de proyectos de código abierto grandes y maduros. Con IA tardaron un 19 % más. Antes de empezar, esperaban ir un 24 % más rápido.
• La actualización de METR (2026). En una segunda ronda, con 57 desarrolladores y más de 800 tareas, las estimaciones pasaron a mostrar aceleración, pero los propios autores advierten que los datos son débiles: muchos participantes ya no querían trabajar sin IA, lo que sesga la muestra.

La lectura razonable no es elegir un número. Es que la IA acelera mucho las tareas acotadas y conocidas, y bastante menos, o nada, las tareas en sistemas grandes donde hay que entender mucho contexto antes de tocar una línea.

¿Qué se abarató de verdad?

En el trabajo diario de un estudio de desarrollo, lo que más cambió es esto:

• El prototipo. Pasar de una idea a pantallas navegables que se pueden mostrar y corregir es mucho más rápido. En V3XRA el prototipo navegable está en días, y es la etapa en la que cambiar de opinión cuesta una reunión.
• El código conocido. Formularios, tablas, pantallas de administración, pruebas: lo que tiene una forma estándar se escribe más rápido.
• La exploración. Probar dos caminos antes de elegir uno dejó de ser un lujo.
• La documentación. Explicar qué hace el código y cómo se opera cuesta menos tiempo.

¿Qué sigue costando lo mismo?

• Entender el problema. Saber qué hay que construir, para quién y por qué sigue saliendo de conversar con quien opera el negocio. La IA no estuvo en tu depósito.
• Diseñar datos y permisos. Quién puede ver qué, qué pasa cuando dos personas editan lo mismo, cómo se aísla la información de cada cliente. Un error acá es caro y la IA no lo evita sola.
• Integrar sistemas de terceros. Cada API tiene sus límites, sus casos raros y sus cuentas a verificar.
• Revisar. En la encuesta de Stack Overflow de 2025, más desarrolladores desconfían de la precisión de la IA (46 %) que los que confían (33 %). Todo lo que se genera se revisa y se prueba.
• Mantener. Una app escrita más rápido no envejece más lento. Cuánto cuesta mantener una app a lo largo de los años explica por qué ese costo sigue siendo el más grande.

El informe DORA 2025 lo resume con una idea útil: la IA funciona como un amplificador. Hace más fuerte lo que un equipo ya hace bien, y empeora lo que ya hacía mal.

¿Qué significa esto para una PyME que quiere una app?

Tres cosas concretas:

1. Podés ver mucho antes qué estás comprando. Si un proveedor no puede mostrarte pantallas navegables en pocos días, no está aprovechando lo que hoy es posible.
2. El precio no baja en la misma proporción que la escritura de código, porque buena parte del trabajo nunca fue escribir código. Desconfiá tanto del que te cobra como hace diez años como del que te promete un sistema completo en un fin de semana.
3. La IA también entra en la app, no sólo en cómo se construye. Cargar un remito con una foto, contestar a un cliente con el contexto de su historial, detectar un pedido raro antes de que se despache: son funciones que hace unos años eran un proyecto aparte. La diferencia entre un agente de IA y un chatbot explica qué puede hacer cada uno.

Cómo trabajamos en V3XRA

Usamos IA en todo el proceso, y por eso el orden importa: diagnóstico, prototipo navegable en días, una entrega usable en producción cada dos semanas y el código a tu nombre en el traspaso. Lo que la IA acelera lo ves en la primera semana; lo que no acelera, lo hacemos igual que siempre. Cuánto tarda cada etapa está en cuánto tarda desarrollar una app a medida.

Si tenés una operación que hoy depende de planillas o de alguien copiando datos, el diagnóstico no se cobra y salís con el alcance escrito y el número. El detalle está en desarrollo de apps a medida.