Con la inteligencia artificia siendo parte de la escena laboral, las empresas necesitan repensar sus modelos de formación de los profesionales que recién inician.
Hasta hace poco, el camino para convertirse en desarrollador seguía una secuencia conocida: comenzar con tareas acotadas, corregir errores, escribir un código sencillo, participar en revisiones y, progresivamente, asumir proyectos de mayor complejidad. Así se aprendía la práctica y los secretos de la profesión. Ahora, con la inteligencia artificial (IA) como una de las herramientas que se incorporó al trabajo, ese camino se acortó.
Actualmente la IA puede generar fragmentos de código, proponer soluciones, documentar funciones y detectar errores en pocos segundos. Esto agiliza el trabajo, pero también plantea una pregunta para las organizaciones: ¿cómo adquirirán las nuevas generaciones las habilidades necesarias para convertirse en profesionales experimentados?
Más allá del código
La experiencia práctica sigue siendo fundamental para construir una carrera en tecnología, aunque las actividades que permiten adquirirla estén cambiando. Un desarrollador junior no aprende únicamente al escribir líneas de código: también necesita comprender un problema, interpretar requerimientos, reconocer errores, evaluar alternativas y entender cómo sus decisiones afectan al producto y al negocio.
Mientras los perfiles junior consideran que la IA mejora su comprensión de la profesión, los talentos senior consideran que no todos los recién iniciados comprenden completamente el código generado por estas herramientas.
En este escenario, hay una habilidad que se muestra como la indispensable: el pensamiento crítico, una capacidad prioritaria que las organizaciones buscan encontrar en los talentos jóvenes.
Ahora, con este contexto dado, las empresas pueden rediseñar las experiencias iniciales para que los nuevos profesionales participen en actividades de mayor valor formativo. Por ejemplo, en lugar de limitarse a asignarles tareas repetitivas, pueden involucrarlos en la definición de funcionalidades, la elaboración de pruebas, la depuración de errores y la evaluación de diferentes soluciones propuestas por la IA.
A su vez, la revisión de código adquiere un papel central. Analizar una respuesta generada por una herramienta, detectar inconsistencias, justificar una corrección y explicar por qué una solución es más adecuada que otra son ejercicios que contribuyen a desarrollar autonomía y criterio técnico.
Nuevas rutas de aprendizaje
Para que este modelo funcione, la formación debe ser una responsabilidad compartida entre Recursos Humanos, los líderes tecnológicos y los equipos de desarrollo. No alcanza con ofrecer acceso a herramientas de IA o cursos de programación: es necesario crear instancias en las que el conocimiento pueda ponerse en práctica y recibir retroalimentación.
Una primera oportunidad está en fortalecer las mentorías. El acompañamiento de desarrolladores experimentados permite que los junior comprendan las decisiones detrás del código, aprendan a evaluar riesgos y conozcan los criterios de calidad y seguridad de la organización. Las revisiones pueden convertirse en espacios de aprendizaje, siempre que incluyan explicaciones y oportunidades para corregir, no solo la aprobación o el rechazo de una entrega.
Otra alternativa es diseñar proyectos progresivos. Los nuevos profesionales pueden comenzar con componentes acotados y avanzar hacia responsabilidades más amplias a medida que demuestran sus capacidades.
También es importante reservar tiempo para aprender sin depender completamente de la automatización. Resolver ciertos problemas desde los fundamentos, comparar una solución propia con una generada por IA o explicar el funcionamiento de un programa ayuda a identificar qué conocimientos están consolidados y cuáles necesitan reforzarse.
Por último, las organizaciones pueden incorporar criterios de evaluación que contemplen tanto la productividad como el aprendizaje. La velocidad de entrega es una medida relevante, pero no suficiente: también importa la capacidad de detectar inconsistencias, comprender sistemas existentes, proteger la información, colaborar con otras áreas y asumir responsabilidades de manera progresiva.