Programadors al límit amb la IA: pressió, pèrdua de sentit i dades reals

El vídeo de Marko, «Devs are Snapping Because of AI», parteix d’històries personals: diu que ha sentit parlar de desenvolupadors que es plantegen deixar la feina perquè la IA està fent que les expectatives semblin irreals i que la feina perdi sentit. També deixa oberta una pregunta important: és inevitable que la IA tingui aquest efecte, o depèn de com s’introdueix i de la perspectiva de cada persona?

Aquestes històries mereixen ser escoltades, però no són una estadística ni demostren per si soles que hi hagi un èxode de programadors causat per la IA. L’enquesta de Stack Overflow de 2026 ajuda a posar-hi context: mostra insatisfacció i cautela alhora que un ús extens de les eines, sense establir que la primera sigui conseqüència de la segona.

1. La pressió no és només escriure més codi

Quan una empresa adopta assistents o agents de programació, pot semblar que la feina hauria d’anar automàticament més de pressa. Però el desenvolupament inclou entendre requisits, mantenir sistemes existents, revisar canvis, provar-los, parlar amb altres equips i assumir la responsabilitat del que s’acaba publicant. Si només es premia el volum de codi o l’ús d’IA, una eina pensada per ajudar pot convertir-se en una nova quota de productivitat.

La mateixa enquesta recull un contrast útil: el 80% de les persones enquestades afirma que utilitza IA almenys una hora al dia, però només el 62% diu que té una actitud favorable envers aquestes eines. A més, el 48% confia en els resultats només quan són fàcils de verificar, i només el 7% els confiaria decisions importants. La familiaritat amb la tecnologia, per tant, no equival a confiança cega.

2. Més velocitat de generació, més feina de verificació

Una resposta de l’agent no és un lliurament acabat. Algú ha d’entendre el canvi, comprovar si encaixa amb el sistema, executar proves i detectar errors que el model no veu. Segons l’enquesta, el 76,5% diu que habitualment prova localment la resposta de la IA, el 63,9% la compara amb el codi del projecte i el 53% revisa proves o implicacions de seguretat.

Aquesta feina és necessària, però pot quedar invisible quan la direcció només mira quant de codi es genera o quantes tasques es tanquen. Si les propostes automàtiques creixen més ràpid que la capacitat de revisar-les, el resultat pot ser menys temps per pensar i més pressa per donar-les per bones. No és que l’assistent sigui necessàriament inútil: és que la verificació també forma part del cost real.

3. La feina continua tenint sentit quan hi ha criteri i autonomia

Una part de la frustració que apunta Marko no és purament tècnica. Si el paper del desenvolupador sembla reduir-se a supervisar sortides del model, resoldre errors i complir objectius imposats, es pot perdre la sensació de construir, aprendre i prendre decisions. Per contra, algunes persones poden trobar més espai per explorar idees, eliminar tasques repetitives o treballar en projectes que abans quedaven aparcats.

Les dades no dibuixen una reacció uniforme. A la pregunta sobre satisfacció laboral, el 32,6% de les respostes es van classificar com a «no contents», el 22,2% com a «contents» i el 45,1% com a «complacents» (complacent at work). La pregunta no atribueix aquests estats a la IA. Són un indicador general del moment laboral, no una prova que les eines n’hagin provocat el malestar.

4. Hi ha inquietud per les habilitats i el futur professional

La por de perdre el lloc de feina no és l’únic motiu de preocupació. Algunes persones temen deixar d’aprendre si deleguen massa, o no tenir espai per desenvolupar el criteri que els permet revisar i mantenir sistemes complexos. En les dades de 2026, un 17,1% va assenyalar la pèrdua d’habilitats o el risc que la IA el substitueixi com a motiu per evitar-ne l’ús en algunes situacions.

Això no vol dir que l’automatització faci desaparèixer el valor de l’experiència. Pot canviar on es fa servir: menys temps en tasques mecàniques pot ser positiu si s’allibera per comprendre el producte, millorar l’arquitectura i aprendre. Però aquest resultat no apareix sol; depèn de la formació, l’autonomia i les expectatives que defineixi cada equip.

5. Què poden fer les empreses

El repte és tractar l’adopció de la IA com un canvi de flux de treball, no com una ordre de fer més amb menys. Ajuda acordar en quines tasques l’eina és útil, mantenir revisió humana proporcional al risc, reservar temps per aprendre i mesurar qualitat, estabilitat i resultats per a l’usuari, no només velocitat de generació.

També hi ha marge per millorar les normes internes: només el 24% de les respostes de l’enquesta indica que l’organització publica eines aprovades o orientacions oficials; el 10,2% diu que el seu ús d’IA es mesura com a part del rendiment individual o de l’equip. Sense criteris clars, poden conviure pressió per adoptar-la i incertesa sobre què se’n pot fer.

Conclusions principals

El vídeo posa veu a una inquietud real, però les històries de persones que es plantegen plegar no permeten parlar d’un èxode ni atribuir-lo només a la IA. Les dades mostren un ús molt estès, confiança condicionada i un nivell de satisfacció laboral que també mereix atenció; no demostren una relació causal directa entre aquests fenòmens.

La pregunta pràctica no és només si la IA escriu codi més de pressa, sinó si l’equip conserva autonomia, temps per verificar i oportunitats per aprendre. Quan la tecnologia es converteix en una exigència de ritme sense suport, pot augmentar la pressió. Quan resol friccions concretes i deixa clar qui decideix i respon, pot continuar sent una eina que amplia —i no buida— la feina tècnica.