Data Science Web Development

El estado de Python 2025

Esta es una publicación como invitado de Michael Kennedy, fundador de Talk Python y miembro de la PSF.

Le damos la bienvenida a los puntos destacados, tendencias y principales acciones de la octava edición anual de la encuesta de desarrolladores de Python. Esta encuesta se realiza como una iniciativa colaborativa entre la Python Software Foundation y el equipo de PyCharm de JetBrains.

Me llamo Michael Kennedy y he analizado las más de 30 000 respuestas a la encuesta, he extraído las tendencias y predicciones más significativas y he identificado diversas acciones que puede adoptar para mejorar su carrera como desarrollador de Python.

Me encuentro en una posición única como presentador del podcast Talk Python to Me. Cada semana, durante los últimos 10 años, he entrevistado a las personas detrás de algunas de las tendencias más importantes en materia de bibliotecas y lenguaje en el ecosistema de Python. En este artículo, mi objetivo es utilizar esa gran experiencia de la comunidad para comprender los resultados de esta importante encuesta anual.

Si su trabajo o productos y servicios dependen de Python, o de desarrolladores en general, le interesará leer este artículo. Proporciona mucha información que es difícil de obtener desde otras fuentes.

Principales tendencias de Python en 2025

Analicemos con mayor detalle las tendencias más importantes basadas en los resultados de la encuesta de Python. 

A medida que explore esta información, contar con las herramientas adecuadas para sus proyectos puede marcar la diferencia. Pruebe PyCharm gratis y manténgase equipado con todo lo que necesita para la ciencia de datos, flujos de trabajo de aprendizaje automático/IA y desarrollo web en un potente IDE para Python.

La gente de Python utiliza Python

Comencemos hablando de lo central que es Python para las personas que lo utilizan. La gente de Python utiliza principalmente Python. Esto puede parecer algo obvio, pero los desarrolladores utilizan muchos lenguajes que no son su lenguaje principal. Por ejemplo, los desarrolladores web pueden usar Python, C# o Java como lenguaje principal, pero también usan CSS, HTML e incluso JavaScript.

Por otro lado, los desarrolladores que trabajan principalmente con Node.js o Deno también utilizan JavaScript, pero no como su lenguaje principal.

La encuesta muestra que el 86 % de las personas encuestadas utilizan Python como su lenguaje principal para escribir programas informáticos, desarrollar aplicaciones, crear API y más.

La mayoría somos programadores principiantes

Para aquellos de nosotros que llevamos programando mucho tiempo (me incluyo en esta categoría, porque he escrito código durante casi 30 años), es fácil imaginar que la mayoría de las personas en el sector tienen una cantidad razonable de experiencia. Es una suposición perfectamente razonable. Uno asiste a conferencias y conversa con personas que llevan programando 10 o 20 años. Al observar a sus colegas, muchos de ellos llevan mucho tiempo usando Python y programando.

Pero ese no es el panorama general del ecosistema de Python.

¡Exactamente el 50 % de las personas encuestadas tiene menos de dos años de experiencia profesional en programación! Y el 39 % tiene menos de dos años de experiencia con Python (incluso en contextos de afición o educativos).

Este resultado reafirma que Python es un gran lenguaje para quienes están comenzando su carrera. La sintaxis simple (pero no simplista) y su accesibilidad realmente atraen tanto a programadores nuevos como a los más experimentados. Muchos de nosotros amamos la programación y Python, y estamos felices de compartirlo con nuestros miembros más nuevos de la comunidad.

Sin embargo, esto sugiere que debemos tener en cuenta estos datos demográficos al crear contenido para la comunidad. Si crea un tutorial o una demostración en vídeo, no omita los pasos para ayudar a las personas a comenzar. Por ejemplo, no solo dígales que instalen el paquete. Dígales que necesitan crear un entorno virtual y muéstreles cómo hacerlo y cómo activarlo. Guíelos para instalar el paquete en ese entorno virtual.

Si es un proveedor de herramientas, como JetBrains, sin duda querrá tener en cuenta que muchos de sus usuarios serán bastante nuevos en la programación y en Python mismo. Eso no significa que deba ignorar las funcionalidades avanzadas o simplificar sus productos, pero tampoco haga que su adopción sea difícil para los principiantes.

La ciencia de datos es ahora más de la mitad de todo Python

Este año, el 51 % de los desarrolladores de Python encuestados participan en la exploración y procesamiento de datos, siendo pandas y NumPy las herramientas más comúnmente utilizadas para esto.

Muchos de nosotros en el ámbito de Python hemos hablado sobre la división de Python en tres partes: un tercio de desarrollo web, un tercio de ciencia de datos y ciencia pura y un tercio que incluye todo lo demás.

Debemos replantearnos esa posición ahora que uno de esos tercios es, con diferencia, la parte más significativa de Python.

Esto también se da en el contexto de no solo un auge masivo en el interés por los datos y la IA en este momento, sino también una explosión correspondiente en el desarrollo de herramientas para trabajar en este espacio. Existen herramientas de procesamiento de datos como Polars, nuevas formas de trabajar con notebooks como Marimo y una enorme cantidad de paquetes fáciles de usar para trabajar con los LLM, modelos de visión y agentes (por ejemplo, Transformers, Diffusers, smolagents, LangChain/LangGraph, LlamaIndex).

El centro de gravedad de Python se ha inclinado definitivamente hacia los datos y la IA.

La mayoría sigue usando versiones antiguas de Python a pesar de los beneficios de las nuevas versiones 

La encuesta muestra una distribución entre las últimas versiones y las versiones más antiguas de Python. Muchos de nosotros (el 15 %) estamos usando la versión más reciente de Python, pero lo más probable es que estemos utilizando una versión con un año o más de antigüedad (el 83 %).

La encuesta también indica que muchos de nosotros estamos usando Docker y contenedores para ejecutar nuestro código, lo que hace que este 83 % o más sea aún más sorprendente. Con los contenedores, solo tiene que elegir la versión más reciente de Python dentro del contenedor. Dado que todo está aislado, no necesita preocuparse por su interacción con el resto del sistema, como el Python del sistema de Linux. Deberíamos esperar que la contenerización proporcione más flexibilidad y facilite nuestra transición a la última versión de Python.

Entonces, ¿por qué la gente no ha actualizado a la versión más reciente de Python? Los resultados de la encuesta ofrecen dos razones principales.

1. La versión que estoy utilizando satisface todas mis necesidades (53 %)
2. No he tenido tiempo de actualizar (25 %)

El 83 % de los desarrolladores que usan versiones antiguas de Python podrían estar perdiéndose mucho más de lo que se dan cuenta. No solo están perdiendo algunas funcionalidades del lenguaje, como la palabra clave except, o una mejora menor en la biblioteca estándar, como tomllib. Python 3.11, 3.12 y 3.13 incluyen grandes beneficios en cuanto a rendimiento, y la próxima versión 3.14 incluirá aún más mejoras.

Lo increíble es que obtiene estos beneficios sin cambiar su código. Simplemente elija un entorno de ejecución más reciente y su código se ejecutará más rápido. CPython ha sido extremadamente bueno en cuanto a compatibilidad con versiones anteriores. La actualización casi nunca requiere un esfuerzo significativo. Veamos algunos números.

El 48 % de las personas utiliza actualmente Python 3.11. Actualizar a la versión 3.13 hará que su código se ejecute aproximadamente un 11 % más rápido de principio a fin, utilizando entre un 10 % y un 15 % menos de memoria.

Si están entre el 27 % que aún usa la versión 3.10 o versiones anteriores, su código experimentará un gran aumento de velocidad cercano al 42 % (sin cambios en el código), ¡y el uso de memoria puede reducirse entre un 20 % y un 30 %!

Así que tal vez dirán «Bueno, ya es lo suficientemente rápido para nosotros. No tenemos tanto tráfico, etc.». Pero si son como la mayoría de las medianas y grandes empresas, esto representa un desperdicio increíble de gastos en computación en la nube (lo que también tiene un impacto ambiental por el consumo de energía).

Las investigaciones muestran algunas estimaciones para la computación en la nube (específicamente las de base computacional):

• Mercado medio / empresas «medianas»
  • Factura anual total de AWS (mediana): alrededor de 2,3 millones de USD al año (vendr.com)
  • Parte correspondiente a EC2 (instancia de computación) (entre un 50 % y un 70 % de esa factura): 1,15–1,6 millones de USD al año (cloudlaya.com)
• Grandes empresas
  • Factura anual total de AWS: alrededor de 24–36 millones de USD al año (es decir, 2–3 millones de USD al mes) (reddit.com)
  • Parte correspondiente a EC2 (entre un 50 % y un 70 %): 12–25 millones de USD al año (cloudlaya.com)

Si partimos de la base de que están utilizando Python 3.10, eso potencialmente representa 420 000 USD y 5,6 M de USD de ahorro respectivamente (calculado como el 30 % del coste de EC2).

Si su empresa se da cuenta de que está desperdiciando entre 0,4 y 5 millones de USD adicionales al año porque no ha podido tomarse el día que se necesita para realizar la actualización, será una conversación difícil.

Al margen de las consideraciones financieras y medioambientales, realmente es genial poder adoptar las últimas funcionalidades del lenguaje y estar al día con el trabajo significativo de los desarrolladores principales. La actualización debe ser una prioridad, amigos.

Resurgimiento de los desarrolladores web en Python

En los últimos años, hemos escuchado que la importancia del desarrollo web dentro del espacio de Python está disminuyendo. Dos fuerzas poderosas podrían estar influyendo en esto: 1) a medida que más personas centradas en la ciencia de datos y en la inteligencia artificial se incorporan a Python, la cantidad relativamente estática de desarrolladores web representa un porcentaje menor; y 2) la web sigue estando centrada en el frontend, y hasta que Python en el navegador se convierta en una realidad funcional, es probable que los desarrolladores web prefieran JavaScript.

Al observar las cifras de 2021 a 2023, la tendencia es claramente descendente: 45 % → 43 % → 42 %. ¡Pero este año, la web ha vuelto! El 46 % de las personas encuestadas afirma que utiliza Python para el desarrollo web en 2024. Para respaldar aún más esta hipótesis, vimos que los lenguajes «secundarios» en la Web aumentaron correspondientemente, con un incremento del 15 % en el uso de HTML/CSS, un 14 % en el uso de JavaScript y un 16 % en el uso de SQL.

El mayor ganador de los marcos de trabajo web de Python fue FastAPI, que saltó del 29 % al 38 % (un aumento del 30 %). Aunque todos los principales marcos de trabajo crecieron de un año a otro, el aumento de casi un 30 % de FastAPI es impresionante. Solo puedo especular sobre por qué sucede esto. En mi opinión, este aumento de Python en la Web probablemente se deba parcialmente a una gran cantidad de recién llegados al espacio de Python. Muchos de ellos pertenecen al ámbito del aprendizaje automático, la IA y la ciencia de datos, y estas personas a menudo no tienen años de experiencia ni una trayectoria de uso de Flask o Django. Probablemente estén eligiendo el marco de trabajo web de Python más popular, que hoy en día parece ser FastAPI. Existen muchos ejemplos de personas que alojan sus modelos de aprendizaje automático detrás de API de FastAPI.

La tendencia hacia los marcos de trabajo web de Python compatibles con la programación asincrónica también ha continuado. En Talk Python, reescribí nuestra aplicación web de Python en Flask asincrónico (aproximadamente 10 000 líneas de Python). Django ha estado agregando funcionalidades asíncronas de manera constante, y la compatibilidad con ellas está casi completa. Aunque hoy, en la versión 5.2, su capa de base de datos necesita un poco más de trabajo, como dice el equipo: «Todavía estamos trabajando en la compatibilidad con la programación asincrónica para el ORM y otras partes de Django».

Cambio en los servidores web de Python hacia herramientas asincrónicas y basadas en Rust

Cabe mencionar brevemente que los servidores de aplicaciones de producción que hospedan aplicaciones web y API de Python también están cambiando. Como anécdota, veo dos fuerzas en juego aquí: 1) El cambio hacia marcos de trabajo asincrónicos requiere servidores de aplicaciones que admitan ASGI, no solo WSGI, y 2) Rust se está volviendo cada vez más importante para la ejecución rápida de código Python (profundizaremos en ese tema en breve).

La mayor pérdida en este espacio el año pasado fue la desaparición total de uWSGI. Incluso realizamos un podcast de Python Bytes titulado We Must Replace uWSGI With Something Else (Debemos reemplazar uWSGI por otra cosa), en el que analizamos esta situación en detalle. 

También vimos que Gunicorn gestionaba menos de la carga de trabajo asincrónico con servidores nativos asincrónicos, como uvicorn y Hypercorn, que son capaces de operar de manera independiente. Servidores nuevos, basados en Rust, como Granian, también han ganado una sólida base de seguidores.

Rust es la forma de acelerar Python ahora

En los últimos años, Rust se ha convertido en el copiloto de rendimiento de Python. La edición 2025 de Python Language Summit reveló que «Entre una cuarta parte y un tercio de todo el código nativo que se sube a PyPI para nuevos proyectos utiliza Rust», lo que indica que «las personas están eligiendo empezar nuevos proyectos utilizando Rust».

Al revisar los resultados de la encuesta, vemos que el uso de Rust creció del 27 % al 33 % para las extensiones binarias de paquetes de Python.  

Vemos esto en el ecosistema con el éxito de Polars para la ciencia de datos y Pydantic para prácticamente todas las disciplinas. Incluso estamos viendo eso para servidores de aplicaciones Python, como el más reciente Granian.

Python tipado está mejorando las herramientas

Otra de las principales tendencias de este año es el uso de Python tipado. Probablemente haya visto información sobre los tipos en Python en las definiciones de funciones, como por ejemplo: 

def add(x: int, y: int) -> int: ... 

Estas llevan un tiempo presentes en Python. Sin embargo, hay una iniciativa renovada para hacer que el uso de tipos en Python sea más común y más permisivo. Hemos tenido herramientas como mypy desde los primeros días del tipado, pero el objetivo allí era más bien la coherencia del programa completo. En los últimos meses, hemos visto el lanzamiento de dos nuevas herramientas de tipado de alto rendimiento:

• ty de Astral: un verificador de tipos de Python y servidor de lenguaje extremadamente rápido, escrito en Rust.
• Pyrefly de Meta: un verificador de tipos de Python más rápido, también escrito en Rust.

Ambas están luchando por ser las herramientas de próxima generación para la verificación de tipos. Además, las dos ofrecen protocolos de servidor de lenguaje (LSP) extremadamente rápidos.

¿Nota algo similar? Ambas están escritas en Rust, respaldando la afirmación previa de que «Rust se ha convertido en el copiloto de rendimiento de Python».

Por cierto, entrevisté al equipo detrás de ty cuando fue anunciado hace unas semanas si desea profundizar en ese proyecto.

El código y la documentación constituyen la mayor parte de las contribuciones de código abierto

Existen muchas formas diferentes y únicas de contribuir al código abierto. Probablemente, lo primero que se le venga a la cabeza a la mayoría de las personas cuando piensan en un contribuidor es alguien que escribe código y añade una nueva funcionalidad a ese proyecto. Sin embargo, existen formas menos visibles pero igualmente importantes de contribuir, como la clasificación de incidencias o la revisión de solicitudes de incorporación de cambios.

Entonces, ¿qué proporción de la comunidad ha contribuido al código abierto y de qué manera lo ha hecho?

La encuesta nos dice que un tercio de los desarrolladores contribuyó al código abierto. Esto se manifiesta principalmente en adiciones de código y de documentación/tutoriales.

La documentación es el recurso principal

¿Dónde suele formarse como desarrollador o científico de datos? Las personas encuestadas indicaron que la documentación era su recurso principal. Existen muchas formas de aprender sobre lenguajes y bibliotecas, pero a las personas les gusta más la documentación. Esto es una buena noticia para los encargados del mantenimiento de código abierto. Significa que el esfuerzo invertido en la documentación (y los tutoriales integrados) está bien aprovechado. Es una forma clara y directa de mejorar la experiencia de los usuarios con su proyecto.

Además, esto se alinea con las Developer Trends in 2025 (Tendencias de desarrolladores en 2025), un episodio del podcast en el que participé con desarrolladores experimentados de Python, entre ellos Paul Everitt, de JetBrains. Los panelistas están de acuerdo en que la documentación es el recurso principal, aunque la encuesta situó a YouTube en una posición mucho más alta que los panelistas, con un porcentaje del 51 %. Recuerde que nuestra comunidad tiene un promedio de 1 a 2 años de experiencia, y el 45 % de los miembros son menores de 30 años.

Una potente novedad es el conjunto de herramientas de IA del que todos hemos oído hablar (y que muchos de nosotros utilizamos). ¡El uso de herramientas de IA como fuente de aprendizaje aumentó del 19 % al 27 % (un aumento del 42 % interanual)!

Postgres se erige como el rey de las bases de datos para los Pythonistas

Cuando se preguntó qué base de datos (si es que usaban alguna) elegían las personas encuestadas, la respuesta abrumadora fue PostgreSQL. PostgreSQL es el rey de las bases de datos en Python, y no deja de crecer, pasando del 43 % al 49 %. Eso es un +14 % interanual, lo cual es notable para un proyecto de código abierto de 28 años.

Un detalle interesante aquí, más allá del uso generalizado de Postgres, es que todas las seis bases de datos principales aumentaron su uso año tras año. Esto es probablemente otro indicador de que el desarrollo web en sí mismo está creciendo de nuevo, como hemos comentado anteriormente.

Tendencias de cara al futuro

La IA agéntica será revolucionaria

Mi primera tendencia hacia el futuro es que la IA agéntica cambiará las reglas del juego para la programación. La IA agéntica se cita a menudo como una herramienta de lo que se conoce como vibe coding. Sin embargo, la técnica de vibe coding oculta el hecho de que las herramientas de IA agéntica son notablemente productivas cuando se utilizan junto a un ingeniero o científico de datos con talento.

Las encuestas fuera de la encuesta de la PSF indican que aproximadamente el 70 % de los desarrolladores estaban utilizando o tenían previsto utilizar herramientas de codificación con IA en 2023, y para 2024, alrededor del 44 % de los desarrolladores profesionales las utilizan a diario.

El informe sobre el Estado del ecosistema de los desarrolladores 2023 de JetBrains señaló que, en un par de años, «las herramientas de generación de código basadas en IA pasaron de ser una investigación interesante a una parte importante de las herramientas de muchos desarrolladores». Avancemos hasta el año 2025, según la encuesta sobre el Estado del ecosistema de los desarrolladores 2025, casi la mitad de las personas encuestadas (49 %) tienen previsto probar agentes de codificación con IA en el próximo año.

Los gerentes de programas de las principales empresas tecnológicas han afirmado que casi no pueden contratar desarrolladores que no adopten la IA agéntica. La diferencia de productividad entre aquellos que la usan y los que la evitan es simplemente demasiado grande (se estima que es un 30 % mayor la productividad con IA).

Async, await y la programación con hilos se están convirtiendo en elementos fundamentales en Python

El futuro estará lleno de simultaneidad y Python. Ya hemos hablado de cómo los marcos de trabajo web de Python y los servidores de aplicaciones se están moviendo hacia la ejecución asíncrona, pero esto solo representa una parte de una tendencia poderosa.

Python 3.14 será la primera versión de Python completamente compatible con Python de hilos libres. Python de hilos libres, que es una versión del entorno de ejecución de Python que no utiliza el GIL, fue añadido por primera vez como un experimento a CPython 3.13.

La semana pasada, el consejo de dirección y los desarrolladores principales aceptaron oficialmente esto como una parte permanente del lenguaje y el entorno de ejecución. Esto tendrá efectos de gran alcance. Los desarrolladores y científicos de datos deberán pensar con más cuidado sobre el código con hilos, bloqueos, condiciones de carrera y los beneficios de rendimiento que conlleva. Los encargados del mantenimiento de paquetes, especialmente aquellos con extensiones de código nativo, pueden tener que reescribir parte de su código para admitir Python de hilos libres y evitar entrar en condiciones de carrera y bloqueos.

Esto también supone una gran ventaja. Actualmente estoy escribiendo esto en el Mac Mini M4 más barato de Apple. Este ordenador viene con 10 núcleos de CPU. Eso significa que hasta que este cambio se manifieste en Python, el rendimiento máximo que puedo obtener de un solo proceso de Python es solo el 10 % de lo que mi máquina realmente es capaz de hacer. Una vez que Python de hilos libres sea completamente parte del ecosistema, debería acercarme mucho más a la capacidad máxima con un programa estándar de Python usando la programación con hilos y las palabras clave async y await.

Las palabras clave async y await no son solo herramientas para los desarrolladores web que quieren escribir código más concurrente.  Están apareciendo en cada vez más lugares. Una de las herramientas con las que recientemente me encontré es Temporal. Este programa aprovecha el ciclo de eventos asyncio, pero reemplaza los trucos estándar de programación con hilos por una ejecución duradera a través de varias máquinas. Simplemente puede esperar alguna acción y, tras bambalinas, obtiene una ejecución duradera que sobrevive a los reinicios de la máquina. Por lo tanto, comprender async y await se volverá cada vez más importante a medida que más herramientas hagan un uso interesante de estas, como lo hizo Temporal.

Veo paralelismos con la forma en que Pydantic hizo que muchas personas se interesaran más por las anotaciones de tipo en Python de lo que lo habrían hecho de otro modo.

Los dispositivos móviles y las GUI de Python están en auge

Mi última tendencia hacia el futuro es que las interfaces gráficas de usuario (GUI) de Python y el uso de Python en dispositivos móviles están en auge. Cuando pensamos en aplicaciones nativas en iOS y Android, solo podemos soñar con utilizar Python para crearlas algún día.

En la edición 2025 de Python Language Summit, Russell Keith-Magee presentó su trabajo sobre cómo convertir iOS y Android en plataformas con compatibilidad de Nivel 3 para CPython. Esto se ha planteado en PEP 730 y PEP 738. Esto es una condición necesaria, pero no suficiente, para permitirnos escribir aplicaciones nativas reales que se distribuyan en las tiendas de aplicaciones utilizando Python.

En términos más generales, han surgido algunas ideas interesantes y enfoques nuevos para las interfaces de usuario en Python. Jeremy Howard, de fast.ai, nos presentó FastHTML, que nos permite escribir aplicaciones web modernas en Python puro. NiceGUI se ha consolidado como una excelente herramienta para desarrollar aplicaciones web y PWA en Python puro.

Espero que estos cambios, especialmente los relacionados con los dispositivos móviles, den lugar a potentes casos de uso de los que hablaremos durante muchos años.

Ideas prácticas

Ha visto los resultados, mis interpretaciones y predicciones. Entonces, ¿qué debería hacer al respecto? Por supuesto, no se le exige nada, pero termino este artículo con algunas ideas prácticas para ayudarle a aprovechar estas olas tecnológicas y de código abierto.

A continuación, encontrará seis ideas prácticas que puede implementar tras leer este artículo. Elija su favorita que aún no esté aprovechando y vea si puede ayudarle a prosperar aún más en el espacio de Python.

Acción 1: Aprender uv

uv, el increíble paquete y herramienta de gestión de Python, dio un salto increíble del 0 % al 11 % el año en que se introdujo (y ese crecimiento ha continuado aumentando de manera demostrable en 2025). Esta herramienta basada en Rust unifica capacidades de muchas de las más importantes que puede haber oído previamente y lo hace con un rendimiento y funcionalidades increíbles.

¿Necesita Python en la máquina? Simplemente ejecute uv venv venv, y habrá instalado la última versión estable y creado un entorno virtual. Eso es solo el comienzo. Si desea conocer toda la historia, hice una entrevista con Charlie Marsh sobre la segunda generación de uv en Talk Python.

Si decide instalar uv, asegúrese de usar sus instaladores independientes. Esto permite que uv se gestione a sí mismo y mejore con el tiempo.

Acción 2: Utilizar la última versión de Python

Observamos que el 83 % de las personas encuestadas no están utilizando la última versión de Python. No sea una de ellas. Utilice un entorno virtual o un contenedor e instale la última versión de Python. La manera más rápida y fácil en estos días es utilizar uv, dado que no afectará Python en el sistema ni otras configuraciones (¡consulte la acción 1!).

Si implementa o desarrolla en contenedores Docker, lo único que necesita hacer es configurar la última versión de Python 3.13 y ejecutar estas dos líneas:

RUN curl -LsSf https://astral.sh/uv/install.sh | sh
RUN uv venv --python 3.13 /venv

Si desarrolla de forma local en entornos virtuales (como yo), simplemente elimine la palabra clave RUN y utilice uv para crear ese entorno. Por supuesto, actualice el número de versión cuando se publiquen nuevas versiones principales de Python.

Al implementar esta acción, podrá aprovechar todo el potencial de Python moderno, desde los beneficios de rendimiento hasta las funcionalidades del lenguaje.

Acción 3: Aprender sobre la IA agéntica

Si es una de las personas que aún no ha probado la IA agéntica, no dude en echarle un vistazo. Entiendo por qué algunas personas evitan usar la IA y los LLM. Por un lado, hay una legalidad dudosa en torno a los derechos de autor. Los impactos en el entorno pueden ser reales, y la amenaza a los trabajos y autonomía de los desarrolladores no debe pasarse por alto. Pero el uso de modelos de primer nivel para la IA agéntica, no solo chatbots, permite ser tremendamente productivo.

No recomiendo la técnica de vibe coding. Pero ¿alguna vez ha deseado que existiera una biblioteca o paquete, o tal vez una herramienta de CLI, para automatizar alguna parte simple de su trabajo? Si le asigna esa tarea a una IA agéntica, no tendrá que asumir una deuda técnica en su aplicación principal ni dedicarle parte de su jornada. Su productividad acaba de mejorar notablemente.

El otro error que la gente comete aquí es probarlo utilizando los modelos más baratos y gratuitos. Cuando no funcionan tan bien, la gente lo señala como evidencia y dice: «Ven, no es tan útil. Solo inventa cosas y se equivoca». Asegúrese de elegir el mejor modelo posible y, si quiere hacer una prueba genuina, invierta 10 o 20 USD por un mes para ver lo que realmente es posible.

JetBrains lanzó recientemente Junie, un asistente de codificación con IA agéntica para sus IDE. Si está utilizando uno de ellos, no dude en echarle un vistazo.

Acción 4: Aprender a leer Rust básico

Los desarrolladores de Python deberían plantearse aprender los conceptos básicos de Rust, no para reemplazar Python, sino para complementarlo. Como mencioné en nuestro análisis, Rust está cobrando cada vez más importancia en las partes más significativas del ecosistema de Python. Desde luego, no recomiendo que se convierta en desarrollador de Rust en lugar de ser Pythonista, pero saber leer Rust básico para comprender lo que hacen las bibliotecas que utiliza puede ser una habilidad muy útil.

Acción 5: Invertir en comprender la programación con hilos

Los desarrolladores de Python han trabajado principalmente fuera del ámbito de la programación con hilos y la programación paralela. En Python 3.6, se añadieron al lenguaje las increíbles palabras clave async y await. Sin embargo, solo se aplicaban a la simultaneidad ligada a la E/S. Por ejemplo, si llamo a un servicio web, podría utilizar la biblioteca HTTPX y esperar esa llamada. Este tipo de simultaneidad evita mayormente condiciones de carrera y ese tipo de problemas.

Ahora, Python va a incorporar la verdadera programación con hilos en paralelo. Con PEP 703 aceptado de forma total y oficial como parte de Python en 3.14, necesitaremos comprender cómo funciona la programación con hilos real. Esto implicará entender los bloqueos, semáforos y exclusiones mutuas.

Será un desafío, pero también una gran oportunidad para aumentar dramáticamente el rendimiento de Python.

En la edición 2025 de Python Language Summit, casi un tercio de las charlas abordaron los temas de simultaneidad y programación con hilos de una forma u otra. Esto es sin duda un indicador adelantado de lo que está por venir.

No todos los programas que escriba incluirán simultaneidad o programación con hilos, pero serán lo suficientemente omnipresentes como para que sea importante tener un conocimiento práctico de ellos. Tengo un curso que escribí sobre async en Python si le interesa obtener más información acerca de este tema. Además, Cheuk Ting Ho de JetBrains escribió un excelente artículo titulado Faster Python: Concurrency in async/await and threading (Python más rápido: simultaneidad en async/await y subprocesos), que recomiendo leer.

Acción 6: Acordarse de los principiantes

Mi última recomendación es que mantenga las cosas accesibles para los principiantes, cada vez que compile o comparta algo. La mitad de la base de desarrolladores de Python lleva menos de dos años utilizando Python, y la mayoría de ellos ha estado programando en cualquier formato durante menos de dos años. Eso sigue resultándome extraordinario.

Por lo tanto, cuando se disponga a hablar, escribir o crear paquetes, bibliotecas y herramientas, recuerde que no debería asumir que todos tienen años de conocimiento común sobre trabajar con varios archivos de Python, entornos virtuales, anclaje de dependencias y mucho más.

¿Quiere obtener más información? Consulte los resultados completos de la Encuesta de desarrolladores Python aquí.

Empiece a desarrollar con PyCharm

PyCharm proporciona todo lo que necesita para la ciencia de datos, flujos de trabajo de aprendizaje automático/IA y desarrollo web directamente sin configuraciones adicionales: todo en un IDE potente.

Sobre el autor