OpenAI Codex y Claude Code reportaron que la mayoría de sus propias bases de código son hoy producto de sus modelos; Rust gana terreno como lenguaje de seguridad crítica y Next.js sigue dominando el frontend.
Anthropic confirmó que Claude Code escribe la mayor parte del código activo del propio Claude; OpenAI reportó el mismo fenómeno con GPT-5.3-Codex en su base de código.
El ciclo de automejora recursiva de la IA alcanzó un punto de referencia simbólico en mayo de 2026: tanto Anthropic como OpenAI confirmaron que sus propios sistemas de IA generan más del 40% del código activo de sus productos. Anthropic declaró que Claude Code es responsable de la mayor parte del código que hoy corre en los servidores del mismo Claude; OpenAI señaló que GPT-5.3-Codex fue fundamental en el proceso de desarrollo del modelo que lo sucede. El fenómeno se extiende a empresas tech grandes: Google, Meta y Stripe han reportado proporciones similares en sus bases de código internas, según el informe anual de uso de herramientas de desarrollo de JetBrains. El ángulo contrario: el aumento en la proporción de código generado por IA no implica una reducción proporcional en la cantidad de ingenieros. Las empresas que reportan más código de IA también reportan más ingenieros —el código generado crea más código que revisar, más bugs que encontrar y más sistemas que integrar—. El cambio real está en el perfil: el ingeniero que no entiende cómo supervisa, evalúa y corrige la IA tiene menos oportunidades que el que sí entiende. Para Costa Rica, donde Intel, HP y decenas de empresas de software tienen equipos de ingeniería, la presión de upskilling en herramientas de IA para desarrollo es inmediata.
Con el lanzamiento de Linux 7.0 en abril, el soporte para Rust dentro del kernel dejó de ser experimental y se convirtió en un componente estable del proyecto. El hecho tiene peso simbólico y práctico: Torvalds ha sido históricamente escéptico de agregar lenguajes al kernel, y su decisión de estabilizar Rust señala que la comunidad confía en que el lenguaje puede mantenerse y evolucionar a largo plazo. La ventaja central de Rust en sistemas como el kernel es su sistema de ownership, que elimina en tiempo de compilación las clases de errores de memoria (buffer overflow, use-after-free) que históricamente fueron la fuente del 60-70% de las vulnerabilidades críticas del kernel. Fuera del kernel, Rust gana terreno en proyectos de infraestructura: Meta lo usa en partes de su stack de almacenamiento, Amazon lo usa en componentes de Firecracker (el motor de virtualización de AWS Lambda), y Google lo incluyó como lenguaje soportado en Android desde 2021. Para los equipos de desarrollo en Costa Rica, el reskilling en Rust es una inversión de más de seis meses para un programador con experiencia en C++, pero el mercado laboral global la retribuye con salarios notoriamente más altos que lenguajes equivalentes.
Next.js, el framework de Vercel basado en React, encabeza los rankings de adopción de frameworks frontend en 2026 según múltiples encuestas de desarrolladores. Sus ventajas clave: renderizado híbrido (SSR/SSG/ISR) nativo, integración con la API de Vercel para IA generativa, y un ecosistema de componentes —incluyendo v0.dev, que genera interfaces completas desde descripciones en texto— que reduce el tiempo de prototipado. La competencia directa viene de Astro, que gana terreno en proyectos de contenido estático, y de Remix, que mantiene su base de usuarios en aplicaciones con lógica de servidor compleja. Para los desarrolladores en Costa Rica, Next.js es el framework más solicitado en ofertas de trabajo de empresas de software exportador. La comunidad de JavaScript en el país tiene grupos activos en San José y Heredia con reuniones mensuales que se retomaron de forma presencial en 2025. El acceso a documentación actualizada en español sigue siendo limitado: la documentación oficial de Next.js está en inglés, y los recursos en español provienen principalmente de la comunidad mexicana y argentina.
— React sigue siendo la biblioteca base más usada, pero Next.js se consolida como el framework preferido para proyectos con requisitos de SEO y escalabilidad.
El término 'Green Software Engineering' —la práctica de diseñar código que minimice el consumo energético de los sistemas que lo ejecutan— fue la búsqueda técnica de mayor crecimiento en Google Trends entre desarrolladores durante mayo de 2026, según datos de la plataforma. El cambio no es solo filosófico: la Unión Europea incluyó la eficiencia energética del software en sus requisitos para contratos públicos bajo el Green Deal, y varias multinacionales que operan en Costa Rica —incluyendo empresas de servicios financieros con centros de operaciones en el país— adoptaron métricas de eficiencia energética de software en sus procesos de revisión de código. La Green Software Foundation, que incluye a Microsoft, Google e Intel entre sus miembros, publicó en mayo la versión 1.2 de sus especificaciones técnicas para medir la intensidad de carbono del software (Software Carbon Intensity, SCI). Intel tiene un equipo en Costa Rica que trabaja en optimizaciones de bajo nivel para sus procesadores, y la medición de la eficiencia energética es parte de su proceso de desarrollo desde 2024. El efecto directo en el consumo de electricidad en Costa Rica es marginal —el impacto principal está en los centros de datos de EE.UU. y Europa—, pero la demanda de desarrolladores con conocimiento de Green Software abre una oportunidad de diferenciación para el talento costarricense.
WebAssembly (Wasm) completó en mayo su transición de tecnología experimental a estándar de producción: la especificación WASI 2.0 (WebAssembly System Interface), que define cómo los módulos Wasm interactúan con el sistema operativo, recibió su estatus de recomendación oficial del W3C. La implicación práctica: una aplicación compilada a Wasm puede correr sin cambios en un navegador, un servidor Linux, un dispositivo embebido o una función serverless, con el mismo nivel de seguridad de sandbox y con rendimiento cercano al nativo. Las áreas donde Wasm ya es el estándar de facto en producción: plugins de navegador sin instalación, procesamiento de vídeo y audio en el cliente, motores de cálculo de alto rendimiento en aplicaciones web, y runtimes de plugins en editores como Figma y VS Code. Para los equipos de desarrollo en Costa Rica que trabajan en exportación de servicios de software, la adopción de Wasm reduce la brecha de rendimiento entre aplicaciones web y nativas, abriendo mercados que anteriormente requerían apps nativas.
Las encuestas de empleo muestran que los roles más demandados combinan habilidades de ingeniería clásica con supervisión de agentes de IA y evaluación de calidad de salidas.
Las encuestas de empleo técnico publicadas en mayo por plataformas como LinkedIn y Stack Overflow muestran que los roles más demandados ya no buscan a quien más líneas de código produce, sino a quien mejor supervisa, evalúa y corrige los sistemas de IA que generan ese código. Los títulos de trabajo más frecuentes en las ofertas publicadas: 'AI Systems Engineer', 'ML Platform Engineer', 'LLM Reliability Engineer' y 'Prompt Engineer' —aunque este último ya está en declive porque se absorbió en el perfil general de desarrollo. Para el mercado laboral costarricense, el cambio tiene implicaciones directas en la oferta educativa: los programas de ingeniería en informática de las universidades públicas todavía tienen muy poca cobertura de MLOps, evaluación de modelos y herramientas de observabilidad de sistemas de IA. La brecha entre lo que forman las universidades y lo que pide el mercado es la mayor en diez años, según el criterio de reclutadores de empresas tecnológicas con operaciones en el país. La buena noticia: el tiempo de entrenamiento para cerrar esa brecha es más corto que en ciclos anteriores —seis meses de práctica dirigida frente a los dos o tres años que tomaba dominar un nuevo stack tecnológico en los ciclos previos.