Si cualquiera puede crear una app con IA, ¿dónde estará realmente el valor?
La inteligencia artificial está reduciendo una de las grandes barreras históricas del software: la capacidad técnica necesaria para convertir una idea en un producto. Si cualquier persona puede empezar a desarrollar una aplicación hablando con una IA, la pregunta ya no es únicamente qué podremos construir, sino dónde estará el verdadero valor cuando hacerlo deje de ser tan difícil.
Hace unos días estaba hablando con un amigo sobre inteligencia artificial. En un momento de la conversación le comenté algo que, para quienes trabajamos diariamente con esta tecnología, empieza a resultar cada vez menos extraordinario: hoy, gracias a la IA, una persona que no sea programadora puede empezar a construir una aplicación.
Su respuesta fue inmediata: «Entonces, si cualquiera puede crearla, ¿qué valor tiene?»
La pregunta me pareció especialmente interesante porque, en realidad, no estábamos hablando de programación. Estábamos hablando de valor, de barreras de entrada y de cómo puede cambiar la economía del software.
Que cualquiera pueda construir una app no reduce el valor de una buena aplicación. Reduce el valor de que saber construirla sea, por sí mismo, la principal barrera de entrada.
Y esa diferencia cambia bastante el análisis.
La barrera que durante décadas separó una idea de un producto
Durante años, una persona podía conocer extraordinariamente bien un sector, detectar una ineficiencia, comprender las necesidades de sus clientes e incluso imaginar con bastante precisión cómo debería funcionar una solución. Pero entre aquella idea y un producto real existía una barrera considerable: había que saber desarrollar software o disponer del capital necesario para contratar a quien pudiera hacerlo.
Frontend, backend, bases de datos, APIs, autenticación, infraestructura, despliegues, pruebas, seguridad y mantenimiento convertían el desarrollo en una actividad especializada, relativamente costosa y lenta. Esa dificultad no era solamente técnica: actuaba como una barrera económica de entrada. Muchas ideas nunca llegaban a probarse porque comprobar si funcionaban ya requería una inversión considerable.
La inteligencia artificial está empezando a cambiar esa ecuación.
En enero de 2026, Replit avanzó precisamente en esa dirección: permitir que una persona describa mediante lenguaje natural qué quiere construir, trabaje conversando con un agente, pruebe el resultado y continúe iterando hasta convertir esa idea en una aplicación. Ya no hablamos únicamente de generar unas líneas de código: hablamos de construir productos mediante conversación.
Lovable ofrece otra fotografía de la dimensión que empieza a adquirir este fenómeno. La plataforma permite construir aplicaciones full-stack mediante lenguaje natural, incluyendo interfaz, backend, base de datos, autenticación e integraciones. En junio de 2026, la compañía comunicó haber superado los 50 millones de proyectos creados y estar generando aproximadamente un millón de nuevos proyectos cada semana.
Lo verdaderamente relevante no es solamente el volumen. Una parte importante de quienes utilizan estas herramientas no procede de perfiles técnicos tradicionales.
Esto significa que ya no estamos hablando únicamente de programadores utilizando IA para programar más rápido. Estamos empezando a ampliar radicalmente el número de personas capaces de transformar una necesidad, un conocimiento o una buena idea en software.
Y probablemente seguimos en la punta del iceberg
Aquí debemos tener cuidado con una afirmación que se repite mucho: «Sí, hoy cualquiera puede crear algo sencillo, pero para construir algo realmente bueno siempre hará falta programarlo de la manera tradicional».
Hoy siguen existiendo limitaciones. Hay que saber especificar, iterar, probar, detectar errores y tomar decisiones. En sistemas serios siguen siendo fundamentales la arquitectura, la seguridad, la escalabilidad, las integraciones, la protección del dato y la gobernanza.
Pero sería arriesgado convertir las limitaciones de las herramientas de 2026 en límites permanentes de la tecnología.
De hecho, Gartner ya analiza las denominadas Enterprise Vibe Coding Platforms como una categoría tecnológica propia: entornos capaces de generar aplicaciones desplegables desde lenguaje natural, incluyendo interfaz, lógica de backend, modelos de datos e infraestructura gestionada.
Por eso creo que hablar simplemente de «un prompt» puede quedarse incluso corto.
El escenario hacia el que avanzamos podría ser mucho más potente: una persona explica un problema, la IA realiza las preguntas necesarias para comprenderlo, propone una arquitectura, desarrolla la aplicación, crea frontend y backend, genera la base de datos, ejecuta pruebas, detecta errores, despliega el sistema y continúa evolucionándolo posteriormente mediante conversación.
No sería simplemente programar con prompts. Sería mantener una conversación continua con sistemas capaces de construir y operar tecnología.
La evolución del desarrollo agéntico ya apunta en esa dirección. Microsoft Research publicó en 2026 investigaciones sobre el uso real de GitHub Copilot a una escala de millones de usuarios y cientos de millones de llamadas a modelos, analizando cómo estos sistemas empiezan a combinar razonamiento con ejecución de herramientas durante múltiples pasos.
Estamos avanzando desde una IA que sugiere código hacia sistemas que realizan trabajo de desarrollo.
Y probablemente estamos viendo únicamente las primeras versiones de esa transición.
Si construir se democratiza, ¿dónde estará el valor?
Esta es, para mí, la verdadera pregunta.
Si en algún momento una persona puede explicar una buena idea y obtener una aplicación funcional con una inversión técnica muchísimo menor, eso no significa que aquella aplicación carezca de valor. Significa que el valor empieza a desplazarse hacia otras partes de la cadena.
Ganará importancia detectar un problema que realmente merezca ser resuelto, conocer profundamente una industria, comprender al cliente, disponer de buenos datos, diseñar una mejor experiencia, generar confianza, construir marca, conseguir distribución, saber monetizar, integrar la solución dentro de procesos reales y ejecutar mejor que los demás.
Dicho de otra manera: si la capacidad de construir deja de ser escasa, el conocimiento que permite decidir qué construir adquiere más importancia.
Y aquí aparece una de las consecuencias que considero más interesantes de esta revolución. Las personas que mejor conocen determinados problemas no siempre son quienes saben desarrollar software.
Un médico puede llevar quince años observando una ineficiencia que ninguna empresa tecnológica ha entendido. Una responsable de logística puede conocer exactamente dónde se pierden cientos de horas cada año. Un agricultor puede comprender un problema productivo que ningún desarrollador ha visto. Un docente puede detectar una necesidad que jamás aparecería en una reunión de producto de Silicon Valley.
Durante décadas podían tener el conocimiento del problema, pero no necesariamente la capacidad tecnológica para materializar la solución.
La inteligencia artificial está empezando a conectar ambas capacidades.
Eso sí es democratización tecnológica.
Una buena idea podrá llegar mucho más lejos, pero seguirá necesitando mercado
Tampoco debemos caer en el extremo contrario. Que desarrollar sea más accesible no significa que cualquier persona con una idea vaya a crear automáticamente una empresa tecnológica de éxito.
Una idea sin ejecución, mercado y clientes continúa siendo una idea.
Construir una aplicación no significa conseguir que alguien quiera utilizarla. Tener un producto no significa disponer de un modelo de negocio. Lanzar algo técnicamente funcional tampoco garantiza distribución, confianza, retención o rentabilidad.
Lo que sí puede cambiar radicalmente es el coste de experimentar.
Una persona que anteriormente necesitaba contratar un equipo antes incluso de saber si su propuesta tenía sentido podrá construir un primer producto, enseñárselo a potenciales usuarios, recoger información, modificarlo y volver a probar.
Eso puede transformar también quién puede emprender.
Durante años, una de las preguntas fundamentales de cualquier startup tecnológica era: «¿Quién puede construir esto?»
Es posible que progresivamente gane importancia otra:
«¿Quién entiende realmente este problema?»
Y eso abre oportunidades a profesionales que hasta ahora estaban lejos de considerarse creadores de tecnología.
El cambio puede ser todavía mayor dentro de las empresas
Quizá una de las consecuencias más potentes no ocurra en las startups, sino dentro de las organizaciones.
Prácticamente cualquier empresa tiene procesos construidos alrededor de hojas de cálculo, correos electrónicos, documentos compartidos, formularios y tareas manuales. Muchos llevan años funcionando de forma ineficiente no porque nadie haya detectado el problema, sino porque desarrollar una solución específica no compensaba económicamente.
¿Tiene sentido contratar durante meses a un equipo de desarrollo para resolver un proceso utilizado únicamente por ocho personas? Muchas veces, no.
Pero si una aplicación interna puede construirse y validarse en días, la ecuación cambia.
Podemos entrar en una etapa de microsoftware empresarial: pequeñas aplicaciones, agentes e interfaces creados específicamente para problemas muy concretos de una organización.
Una solución para un departamento. Un agente para un determinado proceso. Una interfaz para una operación. Una herramienta interna para una tarea repetitiva. Casos que anteriormente nunca habrían justificado un proyecto tecnológico independiente.
Cuando cae el coste de construir, empiezan a ser económicamente viables problemas que antes eran demasiado pequeños para ser digitalizados.
Eso puede generar incrementos muy importantes de productividad, pero también exige control. Cuanto más sencillo resulte construir, más importantes serán la seguridad, los permisos, el dato, las integraciones, la trazabilidad, la gobernanza y el mantenimiento.
Por eso democratizar el desarrollo no significa eliminar la ingeniería.
Significa permitir que muchas más personas participen en la creación de soluciones mientras la propia ingeniería también evoluciona apoyándose en inteligencia artificial.
¿Y qué ocurre con los programadores?
Tampoco creo que la conclusión correcta sea que «ya no harán falta programadores».
La cuestión es bastante más interesante.
Si un profesional técnico dispone de agentes capaces de escribir código, probar, documentar, revisar, detectar determinados errores y ejecutar tareas durante horas, ese profesional puede aumentar enormemente su capacidad de producción.
Parte del valor técnico puede desplazarse desde escribir manualmente determinadas piezas de código hacia arquitectura, especificación, seguridad, diseño de sistemas, integración, supervisión y resolución de problemas complejos.
La IA no necesariamente elimina al profesional técnico. Puede multiplicar su capacidad.
Y exactamente lo mismo puede ocurrir con otros perfiles.
Un abogado que conozca profundamente un problema jurídico podrá participar en la creación de herramientas que antes jamás habría podido construir. Un consultor podrá transformar conocimiento sectorial en software. Un pequeño empresario podrá desarrollar soluciones internas que antes solo estaban al alcance de organizaciones con importantes presupuestos tecnológicos.
Por eso creo que hablar únicamente de vibe coding puede quedarse pequeño.
Estamos ante algo bastante más profundo:
la separación progresiva entre saber programar y tener capacidad para crear software.
Cuando el software sea abundante, el criterio será escaso
Y aquí regreso a aquella conversación con mi amigo.
Si cualquiera puede crear una aplicación, ¿qué valor tiene?
El código nunca fue el único valor. Lo que sucedió durante varias décadas es que producirlo era suficientemente complejo como para convertir esa dificultad en una enorme barrera de entrada.
La inteligencia artificial está empezando a reducirla.
El valor no desaparece. Se redistribuye hacia el conocimiento, el problema, el cliente, los datos, la estrategia, la distribución, la confianza, la ejecución y, especialmente, el criterio.
En BRR trabajamos precisamente desde esa premisa: primero el problema, después la tecnología.
No porque la tecnología importe menos. Todo lo contrario. Cuanto más accesible y poderosa se vuelve, más importante resulta saber dónde utilizarla, para qué y con qué impacto.
Ese enfoque forma parte del Método BRR: detectar oportunidades, priorizar por valor, esfuerzo y riesgo, validar y después escalar aquello que realmente aporta resultados.
Podemos estar acercándonos a una paradoja extraordinaria: tendremos capacidad para construir más cosas que nunca, pero seguirá siendo difícil saber cuáles merecen realmente ser construidas.
Y cuando construir deje de ser el principal cuello de botella, quizá la pregunta más importante ya no sea «¿sabes programarlo?», sino «¿has entendido algo que merece la pena construir?»
BRR · Tecnología aplicada con criterio.