Del Vibe Coding al Agotamiento Mental: La Nueva Fatiga que Asombra a los Desarrolladores
Los desarrolladores sufren cada vez más un nuevo tipo de fatiga causada por las herramientas de codificación con IA que generan mucho código rápidamente, lo que requiere una validación constante. Este 'agotamiento mental por IA' está vinculado a un aumento en la fatiga de decisión, más errores y un mayor deseo de renunciar, como muestran encuestas y estudios. Los desarrolladores experimentados están desarrollando estrategias para mitigar estos efectos, como crear borradores, recuperar el trabajo y rechazar ciertas tareas.
Un desarrollador en un foro describió su fatiga después de dos meses de programar siete horas diarias con herramientas de inteligencia artificial (IA), comparándolo con poner una vela de productividad en un lanzallamas: más rápido pero quemando más energía. Este fenómeno, descrito por primera vez por el exingeniero de Google Jorge Raad en agosto de 2025 como 'fatiga de vibecoding', resulta de una delegación cognitiva excesiva a la IA. Un estudio de marzo de 2026 lo denominó 'cerebro frito por IA', y encontró que entre 1,488 personas, hubo un tercio más de fatiga de decisión, un 39% más de errores graves y un mayor deseo de renunciar (del 25% al 34%). El Instituto de Investigación Upwork descubrió que el 77% de los usuarios de IA afirmó que esta aumentaba su carga de trabajo, y el 88% de los usuarios de IA más productivos reportaron agotamiento. El problema está vinculado a las 'ironías de la automatización' descritas por la ergónoma Lisanne Bainbridge en 1983: cuando las tareas fáciles se automatizan, a los humanos les quedan las tareas más difíciles más la supervisión. Los desarrolladores usan IA porque el código es verificable, y el punto de referencia SWE-bench sigue el progreso. Para hacer frente, los desarrolladores utilizan tres estrategias principales: hacer un borrador antes de usar la IA, reapropiarse del trabajo comprendiendo cada línea generada y rechazar ciertas tareas como las decisiones de arquitectura, las áreas de riesgo y el trabajo significativo. Estas estrategias reinstalan los frenos que la máquina quitó. Observar dónde los profesionales experimentados se niegan a usar IA puede guiar a los principiantes. Morgan Blangeois, estudiante de doctorado en la Universidad Clermont Auvergne, escribió este artículo, republicado de The Conversation.
Fuente: Numerama —
original