Llevamos varios años en el pico del ciclo del hype de la IA generativa. Cada semana hay algo nuevo que “va a cambiar todo”. A mitad de 2025, merece la pena hacer un balance honesto: ¿qué cambió de verdad y qué sigue siendo más promesa que realidad?
Lo que realmente cambió
El autocompletado de código es genuinamente útil. GitHub Copilot, Cursor y equivalentes ya no son experimentos: la mayoría de developers que los usan reportan ganancias reales de productividad en código repetitivo y tareas bien definidas. No es el 10x que prometían los anuncios, pero sí hay una mejora medible.
La generación de código a partir de especificaciones funciona para casos acotados. Describir una función y obtener un primer borrador usable es una realidad. Los modelos de hoy manejan complejidad razonable si el scope está bien definido.
Las interfaces de lenguaje natural para sistemas estructurados funcionan. Buscar en documentos, extraer datos de texto, clasificar y resumir: estas tareas tienen ROI claro con LLMs. Muchas empresas las están usando en producción.
Lo que todavía no llegó
Los agentes autónomos en producción real. Los agentes de IA que ejecutan flujos completos sin supervisión humana siguen siendo frágiles. Funcionan en demos controladas; en producción con variabilidad real, cometen suficientes errores como para requerir supervisión continua.
La comprensión profunda del código. Los modelos son buenos con código familiar y patrones comunes. Con codebases propietarios, convenciones no estándar o lógica de negocio compleja, los errores siguen siendo frecuentes.
La eliminación de la deuda técnica. La promesa de que la IA podría ayudar a refactorizar y modernizar sistemas legacy ha resultado más difícil de lo esperado. El contexto que requiere entender un sistema heredado supera lo que los modelos actuales manejan bien.
Por qué el hype es dañino además de molesto
El hype exagerado tiene consecuencias prácticas. Equipos invierten en implementar agentes autónomos antes de que la tecnología esté lista y se llevan decepciones que los hacen descartar herramientas que sí funcionarían si se usaran de forma más acotada.
También genera expectativas irreales en stakeholders: cuando el CEO vio la demo de ChatGPT, no necesariamente entendió los límites reales de la tecnología.
El punto útil entre el hype y el cinismo
La tecnología es real, las mejoras de productividad son reales, y el ritmo de avance es genuinamente sin precedentes. La IA generativa no es una burbuja en el sentido de que no funcione. El hype exagerado está en las afirmaciones de cuándo ciertos casos de uso estarán resueltos.
La posición útil: conocer las capacidades actuales, aplicarlas donde funcionan, y tener expectativas calibradas sobre lo que sigue.
Análisis editorial basado en casos de uso observados y documentados públicamente. El Stack Overflow Developer Survey 2024 y el GitHub Octoverse son fuentes de referencia.