La última década ha transformado fundamentalmente la forma en que se diseña, escribe y distribuye el software. Para marcar la décima edición de su estudio anual, JetBrains ha publicado el informe State of Developer Ecosystem 2026, que recopila datos de 28 945 desarrolladores en 198 países y regiones, recogidos entre mayo y julio de 2026.
En lugar de limitarse a celebrar la rápida adopción de la inteligencia artificial, las conclusiones de este año revelan una realidad mucho más matizada en el mundo de la programación y las aplicaciones. Por un lado, los agentes de IA se han convertido en herramientas de trabajo estándar en los entornos de producción; por otro, ha surgido una marcada brecha de perspectiva entre los desarrolladores séniores y júniores, una paradoja en la medición del Retorno de la Inversión (ROI) y un renovado interés por la infraestructura de CI/CD gestionada de forma independiente (self-hosted).
1. La IA ya no es una ventaja competitiva, sino un estándar diario
En los últimos años, el uso de asistentes de IA se ha considerado a menudo como un factor diferenciador de productividad tanto entre individuos como entre empresas. Sin embargo, según el portal oficial de la encuesta State of Developer Ecosystem 2026 de JetBrains, esa fase de experimentación inicial ha terminado y se ha convertido en un hábito operativo generalizado.
a. Cargas de trabajo diarias dominadas por agentes de IA
Los datos más recientes muestran que más de la mitad de los desarrolladores que trabajan profesionalmente confían ahora en agentes de IA para gestionar más del 60% de sus tareas rutinarias. Actividades como escribir código repetitivo (boilerplate), generar pruebas unitarias iniciales, explorar la documentación de API y realizar depuraciones (debugging) ligeras ya no se realizan completamente de forma manual.
Curiosamente, el nivel de saturación con las nuevas herramientas sigue siendo muy bajo. En la misma encuesta se registró que solo el 23% de los encuestados afirmó no tener planes de probar nuevas herramientas de IA en el próximo año. Esto significa que la mayoría de los programadores y equipos de ingeniería siguen buscando activamente aplicaciones de desarrollo que sean más eficientes y estén estrechamente integradas con sus flujos de trabajo.
b. La brecha de escepticismo entre séniores y júniores
Uno de los hallazgos psicológicos y técnicos más interesantes de este informe es la diferencia en cómo los desarrolladores experimentados y los principiantes tratan las salidas de la IA:
- Enfoque de procesos frente a peticiones (prompts) ad-hoc: En lugar de limitarse a lanzar comandos cortos, los desarrolladores séniores prefieren dotar al agente de IA de directrices estructuradas, especificaciones técnicas estrictas y mecanismos de verificación automática para que el agente pueda probar por sí mismo la validez de su código.
- Diferencia de confianza: El nivel de escepticismo aumenta con la experiencia. Se registró que el 60% de los desarrolladores con 1 o 2 años de experiencia consideran que las soluciones creadas por IA son mejores que su propio código, mientras que solo el 47% de los desarrolladores con 16 años o más de experiencia opinan lo mismo.
Desde un punto de vista analítico, esta diferencia tiene sentido. Un ingeniero sénior no solo evalúa si una función puede ejecutarse en un entorno local, sino que también considera el impacto a largo plazo en la deuda técnica, las limitaciones de seguridad y la facilidad de mantenimiento entre módulos.
2. La paradoja del ROI de la IA: ¿por qué las métricas de tokens confunden a los gestores técnicos?
A medida que la adopción de aplicaciones de IA se extiende a nivel corporativo, el mayor desafío se desplaza del escritorio del programador al de quienes toman decisiones: ¿cómo demostrar que las licencias de IA y las inversiones en computación benefician realmente al negocio?
a. Desajuste entre las métricas supervisadas y las útiles
El informe de JetBrains revela una gran disparidad en la forma en que las organizaciones miden la eficacia de esta tecnología:
- La trampa de contar tokens: Aunque el volumen de uso de tokens es la métrica más supervisada por el 51% de las organizaciones, solo el 30% de los gestores técnicos consideran que estas cifras aportan información realmente significativa. Un alto volumen de tokens podría indicar simplemente que el agente está atrapado en un bucle ineficiente de corrección de errores, y no una productividad real.
- Ahorro de tiempo neto ignorado: Por el contrario, la métrica de ahorro de tiempo neto (net time gain) muestra un patrón inverso, donde el 39% de los gestores técnicos la consideran muy informativa, pero solo el 28% de las organizaciones la rastrean activamente.
b. Las organizaciones pequeñas están más satisfechas que las grandes
La diferencia en la escala de la organización también determina en gran medida el éxito de la implementación de la IA. La encuesta señala que más de la mitad de los gestores tecnológicos de empresas pequeñas están satisfechos con su gasto en IA, en contraste con las grandes empresas, donde el nivel de satisfacción alcanza solo el 34%.
El factor explicativo radica en la complejidad burocrática y el código heredado (legacy codebase). Los equipos pequeños y ágiles pueden acortar directamente los ciclos de lanzamiento de aplicaciones en cuestión de días, mientras que las grandes empresas deben lidiar con normativas de cumplimiento de datos, la integración de sistemas antiguos y la fragmentación entre departamentos que a menudo erosionan las ganancias de eficiencia a nivel individual.
3. Mapa de lenguajes de programación en 2026: Python adelanta posiciones; TypeScript y Rust lideran las proyecciones
Aparte de la dinámica de la inteligencia artificial, la décima edición de este informe también muestra un cambio importante en el mapa de los lenguajes de programación que sirven de base para las aplicaciones modernas.
a. Python supera oficialmente a JavaScript
Se ha alcanzado un hito histórico en el ranking general de popularidad de los lenguajes. Según el resumen de los resultados de la encuesta, Python ha superado a JavaScript como el lenguaje de programación más utilizado por el 65% de los desarrolladores. El dominio de Python ya no se limita a la investigación en ciencia de datos o a los scripts de automatización, sino que se consolida cada vez más como la columna vertebral de los servicios de backend y la integración de modelos de inteligencia artificial.
b. TypeScript y Rust a la cabeza del Language Promise Index
En cuanto al crecimiento del ecosistema y el interés de adopción futura:
- TypeScript: Ocupando la primera posición en el índice de perspectivas de lenguajes de este año, TypeScript encabeza el Language Promise Index 2026 con una tasa de adopción que se ha multiplicado por más de tres desde la encuesta inicial de 2017. Los desarrolladores web siguen migrando de JavaScript puro a TypeScript debido a la seguridad de tipos (type safety), que es crucial al trabajar junto con código generado por IA.
- Rust: Siguiendo de cerca en los primeros puestos del mismo índice, Rust se ha convertido en uno de los lenguajes más codiciados para aprender y, junto con Go, ofrece la mayor compensación salarial. La seguridad de la memoria sin recolector de basura (garbage collector) hace que Rust gane cada vez más confianza para infraestructuras críticas y componentes de alto rendimiento.
c. Ecosistema Go: colaboración full-stack y usuarios activos de terminales de IA
Específicamente, el ecosistema Go (Golang) muestra una madurez notable. Según el informe especial State of Go 2026 de JetBrains, el 66% de los desarrolladores de Go cuentan con más de seis años de experiencia profesional, y el 80% de ellos sigue dependiendo de los servicios web de backend. Sin embargo, la tendencia full-stack entre los usuarios de Go aumentó del 30% al 40% en 2026, impulsada principalmente por la combinación arquitectónica de un backend en Go con un frontend en TypeScript, así como por la alta adopción de herramientas de IA dentro de los entornos de terminal CLI por parte de esta comunidad.
4. El auge del CI/CD autohospedado y la cautela en la ruta de compilación
En el ámbito de las aplicaciones DevOps y la infraestructura de entrega de software, las conclusiones de JetBrains muestran una tendencia interesante hacia un control más estricto de la infraestructura.
a. CI/CD está ahora más extendido que la contenerización
Según datos independientes del informe State of CI/CD 2026 de JetBrains, el 83,4% de los desarrolladores ejecutan actualmente pipelines de CI/CD, una cifra que supera con creces la adopción de la contenerización (50%) y de la infraestructura como código (39%). La automatización de pruebas y la integración de código se han convertido en un requisito absoluto antes de que una aplicación llegue a los usuarios.
b. ¿Por qué las soluciones autohospedadas alcanzan un máximo de 5 años?
Curiosamente, la dependencia total de los servicios de CI basados en la nube (cloud) gestionada ha comenzado a corregirse. El mismo informe señala que las soluciones de CI/CD locales (on-premises) y autohospedadas han alcanzado su punto más alto en los últimos cinco años con un 31%, y casi el 73% de los desarrolladores gestionan por sí mismos sus herramientas principales de CI/CD hasta cierto punto. El aumento de los costos de computación en la nube, la necesidad de cumplir con normativas de seguridad del código fuente y el control total sobre los ejecutores (runners) de hardware son los principales motivos por los que los equipos de ingeniería vuelven a mirar hacia la arquitectura autohospedada.
Además, la cautela de los equipos técnicos también se hace evidente cuando se trata de la automatización de lanzamientos: aunque alrededor del 50% de las organizaciones utilizan herramientas de IA en torno al proceso de CI/CD, solo el 8% ejecuta realmente pasos de IA de forma directa dentro de la tubería de compilación (build pipeline). La mayoría de los equipos sigue rechazando la introducción de elementos probabilísticos de IA en rutas de compilación y lanzamiento deterministas que exigen una fiabilidad del 100%.
Conclusión
El informe JetBrains State of Developer Ecosystem 2026 ofrece un reflejo objetivo de la fase de madurez actual de la industria del software. La IA se ha integrado en la rutina diaria de los programadores, Python y TypeScript han consolidado sus posiciones como lenguajes de referencia en la era de la ingeniería moderna, y la arquitectura de aplicaciones DevOps avanza hacia un control autohospedado más medible. Para los líderes tecnológicos y los desarrolladores, el principal desafío en el futuro ya no es simplemente adoptar tantas herramientas de IA como sea posible, sino diseñar métricas de productividad basadas en tiempo real y mantener una disciplina de verificación en cada capa del sistema.



