El "Libro de registros de la era de la IA" de los ingenieros de Silicon Valley: la eficiencia se multiplicó por 10, pero estoy más cansado

El trabajo ha aumentado significativamente en productividad, pero la sensación de agotamiento se acumula a un ritmo aún más rápido. Las herramientas de IA acortan enormemente el tiempo de ejecución de las tareas, pero no reducen la carga de decisiones humanas; al contrario, la aumentan. Cuando la tecnología nos sigue diciendo “puedes ir más rápido”, quizás la pregunta que realmente necesita ser escuchada es: ¿puedes ir más lento? Este artículo se basa en un texto de Tencent Technology, organizado, traducido y redactado por Foresight News.
(Resumen previo: Cómo aprovechar 500 dólares en IA para un salario anual de 1.5 millones, desglosando un sistema de agentes individuales)
(Información adicional: ¿El fin del software antivirus? Claude AI descubre 500 vulnerabilidades zero-day que asustan a Wall Street, CrowdStrike cae un 18%)

Índice del artículo

Toggle

• 01 La IA no se cansa, tú sí
• 02 La IA cambia la escala del trabajo, pero no la distribución
• 03 La capacidad en expansión, el límite inferior desapareciendo
• 04 El día laboral necesita redefinirse

Cuanto más potentes sean las herramientas de IA, ¿por qué las personas se sienten más agotadas? Quizás esa sea la verdadera cuestión que merece ser preguntada en esta revolución de la eficiencia.

A principios de 2026, en el campo de la ingeniería de software surgió una escena que invita a la reflexión.

Las nuevas generaciones de herramientas de programación con IA, representadas por Claude Opus 4.6, están 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, vista por algunos observadores como la “ruta de menor resistencia” natural.

Pero al mismo tiempo, en la comunidad de desarrolladores emergen intensamente debates sobre el “síndrome de agotamiento profesional”. Steve Yegge, ingeniero que trabajó en Google y Amazon, en un reciente relato autobiográfico describe un fenómeno que llama “ataque de sueño”: tras largas sesiones de programación en modo氛圍, de repente se queda dormido en pleno día sin aviso previo.

Ingeniero de software con 40 años de experiencia en Silicon Valley publica

Hoy en día, cada vez más ingenieros abren públicamente la discusión sobre una experiencia común: aumento sustancial en la producción, pero la fatiga se acumula a mayor velocidad. La tecnología acorta mucho los tiempos de ejecución, pero no reduce la carga de decisiones humanas; al contrario, la incrementa.

Imagen tomada de internet

01 La IA no se cansa, tú sí

Para Yegge, la discusión previa sobre “la ayuda real limitada de la IA en el trabajo” ya no tiene valor tras usar Claude Code con Opus 4.5 y 4.6. Esta combinación reduce notablemente los costos de conversión desde la definición del problema hasta el código ejecutable, permitiendo que un ingeniero experto produzca en una hora lo que en un flujo de trabajo tradicional tomaría varias veces más.

Yegge señala que, cuando la productividad se duplica o más, aparece un fenómeno que llama “efecto vampiro”: la tecnología deja de ser solo una herramienta y empieza a moldear el ritmo y estado mental del usuario en sentido inverso.

Dibujo de Yegge del “Dispositivo de extracción de vampiros de IA”

Siddhant Khare, ingeniero que documenta detalladamente este proceso en su blog, escribió en “El agotamiento por IA es real” que en el último trimestre entregó la mayor cantidad de código en su carrera, pero también se sintió mentalmente exhausto.

Khare describe un cambio fundamental en su modo de trabajo: antes, dedicaba un día entero a concentrarse en un solo problema, manteniendo un flujo de pensamiento coherente. Tras introducir IA, ahora debe gestionar cinco o seis áreas diferentes simultáneamente. 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.”

Khare compara su nuevo rol con el de un “inspector de línea de producción”. Las solicitudes de revisión llegan continuamente, cada una requiere decisión, aprobación y sello. El proceso nunca se detiene, pero la autoridad de decisión nunca se transfiere. Él permanece en el puesto de juicio, con la IA entregándole los casos, y la responsabilidad recayendo en él.

Un estudio reciente de Harvard Business Review respalda esta observación.

Los investigadores siguieron a 200 empleados de una empresa tecnológica estadounidense y descubrieron que, aunque el uso de IA inicialmente aceleraba significativamente la finalización de tareas, también desencadenaba una reacción en cadena: la mayor velocidad elevaba las expectativas de los ciclos de entrega, lo que a su vez hacía que los empleados dependieran más de la IA, ampliando el alcance de tareas que intentaban manejar, y aumentando la carga cognitiva y la densidad de trabajo.

Este mecanismo fue descrito como “expansión del volumen de trabajo”. No es una expansión impulsada por instrucciones, sino un proceso de retroalimentación y auto-reforzamiento entre la mejora de eficiencia y la expectativa.

Samo Korošec, diseñador de productos digitales, respondió en LinkedIn a Yegge compartiendo una situación similar.

Señaló que en plataformas sociales abundan ejemplos de “generar diez propuestas de UI en un minuto”. Estos contenidos se repiten a los profesionales y gerentes, formando un estándar implícito.

Dado que las herramientas pueden producir soluciones tan rápidamente, la producción debe ser igualmente rápida. Pero estos ejemplos rara vez muestran los costos posteriores 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 voluntad humanas.

02 La IA cambia la escala del trabajo, pero no la distribución

Yegge propone un marco analítico simplificado.

Supongamos que un ingeniero, tras dominar las herramientas de IA, aumenta su productividad a 10 veces. ¿Quién se beneficia de esas 9 veces adicionales? 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 laboral. La remuneración del ingeniero no aumenta proporcionalmente, pero su carga y desgaste mental sí. Yegge lo llama “explotación”.

En el escenario B, el ingeniero reduce drásticamente su jornada laboral, logrando la misma producción en solo el 10% del tiempo anterior. En este caso, el valor adicional lo recibe solo él, ganando más tiempo libre. Pero en un entorno competitivo, esta estrategia no es sostenible: si todos adoptan esta postura, la organización perderá en productividad frente a la competencia y a largo plazo enfrentará riesgos de supervivencia.

Yegge señala que el estado ideal está en algún punto intermedio. Pero en las estructuras organizacionales actuales, el control del ajuste del ritmo no es simétrico. Las organizaciones tienden a empujar hacia el extremo A, y los individuos deben ejercer una contrafuerza activa.

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

Yegge recuerda su experiencia en Amazon en 2001, cuando su equipo enfrentaba una alta presión de entregas con retornos inciertos. Escribió en una discusión: “$ / hora”. Explicó que el numerador (salario fijo anual) difícilmente cambia a corto plazo, pero el denominador (horas efectivas trabajadas) tiene un gran margen de flexibilidad.

Propuso cambiar el enfoque de “cómo ganar más” a “cómo trabajar menos”. Aunque en ese momento fue una idea extraña para algunos colegas, semanas después, al pasar por una sala de reuniones, vio en la pizarra esa misma fórmula aún escrita.

Veinticinco años después, Yegge opina 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 el control individual sobre el denominador no ha aumentado en la misma medida.

Joseph Emison, usuario de LinkedIn, abordó la cuestión desde otra perspectiva.

Observó que la mayoría de los profesionales en áreas creativas, incluyendo escritores, diseñadores e investigadores, trabajan efectivamente no más de cuatro horas diarias. El resto del tiempo lo dedican a descansar, pasear, inputar información. No es un problema de eficiencia, sino de límites fisiológicos en la actividad cognitiva.

Si la IA sigue separando aún más el “trabajo” del “trabajo efectivo”, quizás debamos redefinir no tanto la forma de usar las herramientas, sino la duración del “día laboral”.

03 La capacidad en expansión, el límite inferior desapareciendo

Yegge admite que también es parte del problema.

Con más de cuarenta años en ingeniería, liderando grandes equipos, con velocidad de lectura rápida y recursos para experimentar, puede construir y lanzar sistemas con Claude Code en horas, y publicarlos en dominio público. Sus logros son ampliamente conocidos y algunos gerentes los ven como el estándar alcanzable para los ingenieros.

Escribió: “Es probable que los empleadores comiencen a mirar a mí y a otros como yo, y digan: ‘Oye, todos mis empleados pueden hacer eso’”.

En plataformas como LinkedIn, algunos pioneros comparten abiertamente su intensidad en el uso de IA: algunos con cuentas que pagan miles de dólares mensuales, otros con decenas de conversaciones simultáneas. Estos contenidos, además de captar atención en la comunidad técnica, crean un referente implícito en la gestión.

Yegge llama a esto “un estándar irreal y hermoso”. Reconoce que no es representativo, que su ritmo no puede ser replicado por la mayoría, y que incluso él mismo no sabe si podrá mantenerlo a largo plazo. Pero cuando habla en conferencias o escribe libros, el mensaje que transmite (al menos en la percepción) se resume en “esto es posible”.

Leigh Aschoff, usuario de LinkedIn, profundiza en la cuestión.

Considera que la forma en que las personas interactúan con la IA refleja una dificultad de larga data en reconocer y expresar límites en las relaciones humanas. La falta de esa capacidad se traslada a la relación con las máquinas: las herramientas no se detienen por sí mismas ni perciben la fatiga del usuario.

Cuando la tecnología amplía el límite superior de la capacidad, la habilidad para reconocer el límite inferior se vuelve aún más escasa.

04 El día laboral necesita redefinirse

Yegge propone una afirmación concreta: en la era de la IA, un día laboral efectivo 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, pero reserva las actividades de decisión, juicio y reestructuración de problemas para los humanos. Estas actividades consumen mucho más recursos de atención y emocional, y son difíciles de paralelizar o comprimir.

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 modelo se mantendrá con la IA en todas partes, pero está convencido de que los modelos actuales —que solo aumentan la densidad de producción sin ajustar la duración del trabajo— no son sostenibles.

No lo atribuye a que la IA sea un “vampiro”, sino a que “necesito entender mejor cuáles son mis límites”.

Yegge dice que está intentando reducir su escala. Ha disminuido su actividad pública, rechazado muchas invitaciones, dejado de perseguir cada pista tecnológica visible. Sigue escribiendo, construyendo productos y dialogando con colegas. Pero también apaga su computadora por la tarde y pasea con su familia. No sabe cuánto puede reducir su ritmo, pero está seguro de que la dirección es correcta.

Para la comunidad en general, esta cuestión aún no forma parte de la agenda colectiva. La narrativa sobre la productividad con IA sigue dominando, y la discusión sobre fatiga sigue siendo individual y fragmentada. Pero cada vez más señales indican que estas dos líneas se están cruzando.

La tecnología acorta los caminos de las tareas, pero no acorta los días laborales. Las herramientas ayudan en la ejecución, pero no en la responsabilidad. La eficiencia aumenta la velocidad de entrega, pero también la velocidad de consumo.

Cuando la IA nos sigue diciendo “puedes ir más rápido”, quizás la pregunta que realmente necesita ser escuchada es: ¿puedes ir más lento?