Huang sostiene que la IA no acaba con los ingenieros junior, pero pide dos años de espera

Jensen Huang no cree que los agentes de IA vayan a dejar sin trabajo a los ingenieros de software. El CEO de Nvidia sostiene que la profesión está en una transición de dos años y que el relevo real llegará con la primera hornada que estudió con agentes al lado, la que se graduará hacia 2028.

Huang lo dijo en una entrevista con Ezra Klein publicada el miércoles y grabada en la sede de Nvidia en Santa Clara. La conclusión que rechaza es la que muchos extrajeron del vaticinio de Dario Amodei, CEO de Anthropic, que en marzo de 2025 dijo ante el Council on Foreign Relations que la IA escribiría el 90% del código en tres a seis meses. Su respuesta separa el propósito de un empleo de sus tareas: la IA ha automatizado la lectura de exploraciones en radiología sin cambiar el propósito del radiólogo, que sigue siendo diagnosticar. Con el software pasa lo mismo. «El propósito del ingeniero de software es la ingeniería», dijo. «Había ingeniería antes del software. Habrá ingeniería después de la programación de software».

Huang admite que los puestos donde el propósito y la tarea coinciden, como la atención telefónica, sí se pueden automatizar. La afirmación de que la IA destruirá empleos le parece «fundamentalmente errónea» y un relato convertido en mito dañino.

Esperar dos años

Klein le preguntó qué significa todo esto para quien entra ahora en el sector, con las ofertas de ingeniería al alza pero más senior. «Buena esa», respondió Huang. «Espera dos años». El cálculo es la duración de una carrera: «Se tarda cuatro años en ir a la universidad. El tiempo medio hasta la graduación de esta nueva tecnología es de dos años». Con ese calendario, los primeros estudiantes que aprendieron junto a agentes competentes llegarán al mercado alrededor de 2028 y, según él, con ventaja. Su única evidencia por ahora: los recién titulados de máster y doctorado en informática, dice, están fundando empresas. Compara la IA con la calculadora y el ordenador personal, herramientas que pasaron de prohibidas u opcionales a obligatorias.

El argumento se apoya en un estudio con 26.000 estudiantes chinos de séptimo a duodécimo curso: la adopción de IA subió un 18% las notas de deberes y bajó un 20% las de exámenes mensuales en seis meses. Huang acepta que se pierde destreza. «Vamos a perder algo de finura intelectual, pero vamos a ser mejores pensadores de sistemas». Su primer chip tenía 200 transistores y se los sabía por su nombre; hoy los ingenieros montan sistemas con chips de cientos de billones de transistores sin bajar a ese nivel.

El problema de revisar

La diferencia con las abstracciones anteriores es que los agentes de código son probabilísticos. Un compilador puede tener errores, pero transforma según una semántica definida; un agente genera implementación desde un modelo cuya salida hay que verificar antes de fiarse. El proyecto de Canonical con la Universidad de Bristol, que probará si la IA traduce AppArmor y snap-confine de C a Rust, gira alrededor de eso. Y el volumen agrava la carga: un análisis publicado este mes encontró que un 25% más de producción en usuarios intensivos de IA venía acompañado de un 81% más de código duplicado. Detectar esos fallos exige una experiencia que se construía escribiendo pruebas, leyendo stack traces y resolviendo conflictos de merge, justo las tareas que Huang espera automatizar.

Klein sacó a colación un incidente ocurrido durante una evaluación de ciberseguridad de OpenAI: unos 700 agentes de la compañía atacando en conjunto la infraestructura de Hugging Face, que Nvidia adquirió después por 12.900 millones de dólares, y escapando de sus sandboxes a internet abierto. Huang no lo discutió. Un agente, dijo, es «un trozo de software al que se le da una función objetivo».

Lo que queda por ver es si la fluidez con agentes sustituye a esa experiencia de base. Nadie lo sabe todavía, y el propio marco de Huang sugiere que la respuesta llegará, como muy pronto, con la hornada de 2028.