Fa uns dies, Jensen Huang, CEO i president de Nvidia, va concedir una entrevista al pòdcast No Priors AI en què va parlar sobre el futur de la programació i de la feina dels enginyers de programari. Alguns fragments del pòdcast, extrets de context i amplificats a les xarxes socials, es van convertir ràpidament en mems i van circular resumits en una frase contundent: “I want engineers to stop coding”. No era exactament això el que va dir, però tampoc anava gaire desencaminat.

El debat és rellevant més enllà de la programació. De fet, la programació s’ha convertit en el canari a la mina de l’impacte de la intel·ligència artificial sobre les feines i sobre les competències que valorem com a societat.

En el desenvolupament de programari hem assistit a una irrupció d’agents d’IA com mai no hauríem imaginat. No només models com Claude d’Anthropic, Opus 4.5 o Codex d’OpenAI han assolit la capacitat de treballar a molt alt nivell de manera gairebé independent amb bases de codi de milers de línies —detectant errors o fins i tot creant prototips, i no tan prototips, des de zero en tasques que poden durar hores—, sinó que el canvi més profund ha vingut de la mà dels agents de programació.

Eines com Cursor —que ja genera prop de 1.000 milions de dòlars anuals—, Codex o Windsurf han transformat el món de la programació fins al punt que el seu ús s’ha convertit en un requisit gairebé imprescindible per ser contractat en empreses i entorns d’alta intensitat competitiva. Alhora, han frenat de manera molt significativa l’entrada de perfils júniors.

Avui, els copilots i els models programen molt bé. Avaluar correctament el que produeixen no és trivial: requereix enginyers sèniors o molt sèniors

Programar avui ja no és “picar codi”, sinó sobretot revisar-lo, modificar-lo i dirigir les eines cap a les solucions adequades, cap a la integració correcta i cap al tipus de resultat que es busca. La feina s’ha desplaçat cap a la supervisió i cap a saber amb precisió què es vol aconseguir i com orientar els copilots en aquesta direcció, més que no pas a construir manualment el codi en JavaScript, Python, Julia, Mojo, C++, Rust o Java.

Òbviament, això genera tota una sèrie de problemes. Avui, els copilots i els models —incloent-hi els d’open source provinents de la Xina— programen molt bé. Avaluar correctament el que produeixen no és trivial: requereix enginyers sèniors o molt sèniors, i encara no hem arribat al punt en què aquesta avaluació sigui prescindible. La pregunta de què passa amb els júniors continua, de moment, sense una resposta clara.

El que sí que observem és un fort increment de la productivitat, però repartit de manera desigual. D’una banda, com amb qualsevol nova tecnologia, cal experiència per treure profit dels copilots, i sovint el primer impacte és una pèrdua de productivitat més que no pas un guany. De l’altra, són els enginyers més sèniors els que n’obtenen els majors beneficis, especialment aquells que els integren realment en el seu flux de treball —cosa que no tothom fa.

Aquesta tecnologia ha redefinit què vol dir programar, i encara ho farà més, perquè tot just som al començament. Quin serà el final? Els llenguatges de programació quedaran relegats a ser eines utilitzades només per les IA, com va passar amb el llenguatge màquina? Molts, entre ells el mateix Jensen Huang, apunten cap a aquest escenari. Probablement arribarà, però ningú no sap quan.

Les capacitats no són ni han estat mai fixes: neixen, es transformen i desapareixen quan són substituïdes

Tornem, però, al pòdcast. Què faran aleshores els enginyers de programari? Huang ho resumeix amb claredat: “The purpose of a software engineer is to solve known problems and to find new problems to solve. Coding is one of the tasks.”

La tasca principal no és programar, sinó construir una eina que encaixi amb el mercat o amb el client, que faci millor allò que ja existeix o que faci coses diferents i superi l’estat de l’art. Programar ha estat, fins ara, un pas intermedi inevitable perquè no disposàvem d’una tecnologia que ens el pogués estalviar.

La clau, doncs, és entendre bé els problemes, trobar una manera viable de solucionar-los amb la tecnologia disponible i fer-ho d’una manera que encaixi amb el que volen el mercat i els clients. Avui, les eines actuals ens permeten fer-ho molt més de pressa i molt millor. Diguem-ho clar: Cursor, Codex o Claude programen millor que pràcticament tothom al planeta.

Ara bé, això vol dir que podem despreocupar-nos i deixar de saber programar? De moment, no. Cal entendre com treballen aquestes eines per guiar-ne el desenvolupament cap als estàndards i objectius que volem. I això és problemàtic, perquè per entendre bé tot el que fan cal ser molt millor que abans: programen millor que nosaltres. Arribarà un dia en què això no calgui? Potser, però encara no hi som.

El coneixement s’està automatitzant. Saber coses està sent substituït per la capacitat d’implementar, de resoldre problemes i de crear noves realitats

La programació, com deia, és el canari a la mina: un bon exemple de com les capacitats professionals evolucionen i canvien. Les capacitats no són ni han estat mai fixes: neixen, es transformen i desapareixen quan són substituïdes.

No hi ha programadors abans que hi hagi ordinadors, ni controladors aeris abans que hi hagi avions, ni electricistes abans que existeixi l’electricitat. Cada tecnologia crea i redefineix les capacitats necessàries en el seu context. Fins i tot capacitats tan universals com comunicar-se es redefineixen constantment. Avui ho fem a través de pòdcasts, X, Instagram, YouTube o vídeos. Algú que intentés comunicar-se avui com fa cent anys, simplement fracassaria.

Ens trobem, però, en un moment singular. Ja no es tracta de tasques o àmbits puntuals, sinó de capacitats generals. Al llarg de la història, saber coses ha estat central. Avui, el coneixement s’està automatitzant. Saber està sent substituït per la capacitat d’implementar, de resoldre problemes i de crear noves realitats. Probablement, aquesta serà la competència clau dels anys vinents, però, no ens enganyem, per a això cal saber i molt!