El coste de programar con IA superará el salario medio de un desarrollador para 2028

Para 2028, el coste de programar con IA superará el salario medio que tiene un desarrollador, por el aumento del consumo de tokens de los LLMs y el cambio hacia modelos de licencia basados en consumo, según las previsiones de la consultora Gartner.

Los tokens de IA son las unidades de datos procesadas por los modelos de IA generativa, y su consumo repercute de manera directa en el coste de las herramientas empleadas para programar con IA. Especialmente, en el marco de estructuras de precios basadas en el consumo, que se está imponiendo poco a poco entre las compañías desarrolladoras de estos modelos y sistemas.

El cambio de licencias por puesto a la tarificación basada en el consumo entre los proveedores de agentes para programar con IA está llevando estructuras de costes muy variables para las cargas de trabajo de ingeniería del software. Muchos proveedores, además, carecen de transparencia en cuanto a cómo se calcula y factura el consumo de tokens. Esto limita la capacidad de las empresas para prever y controlar los costes con precisión. Además, dado que no hay una visibilidad clara del uso de tokens al programar con IA, las empresas corran el riesgo de superar el presupuesto que tienen para ello.

Por otro lado, la manera en que los agentes utilizaros para programar con IA se emplean en las empresas está subiendo todavía más la preción sobre los costes. El gasto excesivo en tokens suele estar relacionado con la forma en que los responsables de ingeniería de software gestionan su uso con errores como la autonomía sin control en los flujos de trabajo impulsados por agentes, las ventanas de contexto sobrecargadas y la ausencia de mecanismos estructurados de retroalimentación para optimizar el uso.

En cuanto a los proveedores de codificación con IA, todavía no han incluido capacidades maduras e integradas de optimización de costes en los agentes de codificación con IA, lo que hace subir todavía más sus costes. Para gestionar este aumento de costes, es recomendable tomar medidas, como establecer un marco de decisión basado en casos de uso que defina claramente cuándo deben usarlos los agentes para programar con IA, y determinar los niveles ajustados de autonomía para cada tarea.

También es aconsejable ajustar la selección de modelos a la complejidad de la tareas, ya que los agentes para programar con Ia son más rentables cuando el trabajo se divide en tareas más pequeñas que pueden gestionar modelos más sencillos, y utilizar modelos más avanzados solo cuando lo exija la complejidad de la tareas. Los modelos de vanguardia, de hecho, deberían estar reservados solo para el trabajo de desarrollo complejo y de alto valor.

Además, es necesario poner en amrcha prácticas de ingeniería de contexto, y formar a los desarrolladores para que optimicen el contexto de entrada que dan a los sistemas de IA. Esto pasa por utilizar solo información relevante, resumir el contenido siempre que se pueda y eliminar datos innecesarios. De esta forma se logrará reducir el consumo de tokens sin comprometer la calidad de los resultados.

Las empresas tienen que poner en práctica distintos mecanismos para programar con IA, como umbrales de tokens, políticas de escalado y supervisión automatizada para gestiónar el uso. La integración de estos controles en los flujos de trabajo de ingeniería garantiza la coherencia y evita el descontrol de costes. Incorporar revisiones del uso de tokens en los ciclos de desarrollo de forma periódica, con énfasis en los flujos de trabajo que consumen muchos tokens, puede servir para identificar ineficiencias, perfeccionar las prácitcas y promover el intercambio de conocimientos entre los equipos de ingeniería.

Nitish Tyagi, Analista principal sénior de Gartner, ha señalado que «las organizaciones están pasando rápidamente de la fase de experimentación al despliegue a gran escala de agentes de programación de IA, pero muchas subestiman el impacto financiero del aumento del consumo de tokens. La disciplina en el uso de tokens no surgirá únicamente de la decisión de los desarrolladores, ya que estos tienden a priorizar la velocidad y la comodidad frente a la eficiencia en los costes. Sin un modelo operativo de ingeniería regulado, los costes pueden dispararse más rápido que las ganancias de productividad que estas herramientas están diseñadas para ofrecer».

Además, Tyagi ha destacado que «la mayoría de las organizaciones siguen careciendo de la madurez y los marcos necesarios para medir de forma eficaz la relación entre el coste y el impacto empresarial. Los responsables de ingeniería de software están cada vez más preocupados, ya que el gasto en IA basado en tokens resulta cada vez más difícil de justificar, y los presupuestos a menudo se agotan antes de lo esperado. Los costes de la codificación con IA seguirán aumentando a medida que la inversión en infraestructura y los retos de rentabilidad impulsen al alza los precios de los modelos. Al mismo tiempo, a medida que más desarrolladores adopten herramientas de IA, se espera que los usuarios ocasionales se conviertan rápidamente en usuarios habituales a medida que aumente su familiaridad y dependencia, lo que impulsará un mayor crecimiento en el consumo de tokens y el gasto general».