El ingeniero de 500.000 dólares que vive en su coche

El 29 de octubre de 2026, Eric Elliott —autor técnico, veterano de JavaScript y, según su propio currículo, responsable de la plataforma cliente de Adobe Firefly— publicó en Medium un artículo titulado «AI Made Me Homeless». La tesis era incómoda: un ingeniero que ganaba 500.000 dólares al año vive ahora en su coche, y no por falta de cualificación, sino porque el mercado que le daba de comer se ha evaporado. La pieza se compartió miles de veces, generó donaciones suficientes para pagar un alquiler en 24 horas y desató un debate que dice tanto sobre la IA como sobre la dificultad de hablar de dinero, mérito y mala suerte en Estados Unidos.

Este artículo reconstruye lo que sabemos, separa lo verificable de lo autodeclarado y contrasta las afirmaciones macroeconómicas con los datos disponibles. La conclusión breve: la historia personal es plausible y coherente, las cifras generales que cita son razonablemente correctas, pero la frase «la IA me hizo homeless» simplifica una caída causada por varias sacudidas a la vez. Y el dato más incómodo no es que un ingeniero senior haya caído: es que, según los estudios disponibles, el desplazamiento por IA se está cebando sobre todo con los que aún no habían empezado.

Quién es Eric Elliott

No es un desconocido que contó una historia en internet. Elliott lleva casi tres décadas en el sector y tiene una huella pública verificable: es autor de Programming JavaScript Applications (O'Reilly) y Composing Software, su biografía de Amazon lo describe como «Webby-nominated», creó herramientas de código abierto como Cuid2, Riteway y el lenguaje SudoLang, y participó en BandPage, una plataforma para músicos que Google adquirió en 2016 e integró en YouTube. Su web profesional añade que dirigió la plataforma cliente de Adobe Firefly «desde el prototipo hasta la escala, dando soporte a más de 5.000 millones de dólares de ARR», que formó a ingenieros de JPMorgan Chase y que su código abierto se usa «unos 20 millones de veces por semana».

Conviene subrayar lo obvio: esos méritos son autodeclarados, aunque encajan con su rastro público y con los testimonios de terceros que aparecen en su página. También es relevante que Elliott no sea un crítico de la IA: ha escrito sobre desarrollo dirigido por IA, la usa a diario y la defiende. Eso hace que su artículo no sea el lamento de un tecnófobo, sino el de alguien que participó entusiastamente en la transformación que, según él, lo dejó atrás.

La caída, paso a paso

El relato de la primera parte se puede resumir en una secuencia de retroalimentación negativa. Durante años, Elliott regentó una consultora de mentoring y formación para desarrolladores. Su canal de adquisición de clientes era su blog: la gente leía sus artículos, aprendía y una parte acababa contratando sus servicios. Era un embudo artesanal, pero funcionaba.

Después llegó ChatGPT, en noviembre de 2022. El tráfico se desplomó —de 700.000 a 70.000 y luego a 7.000 lecturas mensuales— y, con él, la entrada de clientes nuevos. Los que ya tenía fueron graduándose y marchándose, que es lo natural en un negocio de formación. La diferencia es que antes había reemplazo y después no. Probó vídeo y otros formatos; nada funcionó de forma sostenible.

Vino entonces una búsqueda de empleo de aproximadamente un año, financiada con ahorros, que terminó en un puesto de gestión de ingeniería en Adobe, trabajando en Firefly. Eso implicó mudarse de Los Ángeles a la bahía de San Francisco, con hoteles y gastos de mudanza que se comieron lo que quedaba. En octubre de 2025, tras un cambio de jefatura, Adobe lo despidió. Volvió a la consultoría, consiguió un cliente importante y, al empezar el segundo trimestre de 2026, ese cliente se fue: aproximadamente el 90% de los ingresos desapareció de golpe. Sin capacidad para pagar el alquiler, en el verano de 2026 llegó el desahucio. Desde entonces vive en su coche, con su pareja y dos gatos, y se ducha en un gimnasio.

• Nov. 2022Lanzamiento de ChatGPT. Su audiencia y su negocio de mentoring empiezan a caer.
• 2023El negocio ya no capta clientes suficientes. Empieza a vivir de ahorros.
• 2023–2024Búsqueda de empleo de un año. Entra en Adobe (Firefly).
• Oct. 2025Despido en Adobe, según su versión.
• Principios de 2026Un cliente de consultoría concentra sus ingresos; se pierde y se lleva ~90% de la facturación.
• Verano de 2026Desahucio. Vive en el coche.
• 29 oct. 2026Publica «AI Made Me Homeless».
• 30 oct. 2026Publica la Parte 2: las donaciones cubren el primer mes de alquiler.

«Deberías haber ahorrado»: la Parte 2

La reacción más repetida fue la más previsible: quien gana 500.000 dólares al año no debería acabar así. Elliott respondió al día siguiente con una segunda entrega en la que desglosa por qué su colchón no resistió. Su lista, siempre según su propio testimonio:

• 250.000 dólares de su bolsillo en su propia startup musical, Greenruhm, que nunca llegó a lanzarse porque no encontró inversor líder.
• Dos búsquedas de empleo de un año financiadas con ahorros.
• La mitad de los ingresos eran opciones sobre acciones que estaban vestando, no efectivo disponible.
• La mitad del ingreso neto se iba en pensión alimenticia.
• Alquiler en la bahía de San Francisco, donde cifra el alquiler medio de tres habitaciones en 4.503 dólares al mes.
• Una enfermedad genética que requiere visitas hospitalarias frecuentes y costes de bolsillo de miles de dólares, incluso con seguro.

La explicación es coherente y responde a la objeción, pero no la elimina del todo: sigue siendo un relato sin documentación pública. Lo que sí hace es desplazar el foco desde el consumo conspicuo hacia algo más interesante: la diferencia entre ingresos altos y patrimonio. Un profesional que gana mucho durante pocos años, con equity ilíquido, obligaciones familiares y mala suerte médica, puede tener un colchón mucho menor de lo que sugiere su nómina. Y en Estados Unidos, donde un tercio de los adultos no podría cubrir una emergencia de 400 dólares en efectivo, ese margen se agota rápido.

«No me quedé sin casa porque nunca ahorrara. Me quedé sin casa porque mis ahorros no pudieron resistir dos periodos prolongados de disrupción económica.»

Cómo se recibió: apoyo, escepticismo y un debate sobre el mérito

En Medium, el artículo tuvo una acogida moderada pero real: alrededor de 500 palmadas y 15 comentarios en sus primeros días, con 115.000 seguidores de autor detrás. El pico de difusión llegó por Threads y X, donde el propio Elliott documentó que, en menos de 24 horas, desconocidos habían donado lo suficiente para pagar el primer mes de alquiler. La Parte 2 se abre con esa noticia y cierra con una nueva petición: 2.000 dólares para ponerse al día con el préstamo del coche y la matrícula.

En Hacker News, el artículo se envió dos veces y no arrasó: 23 puntos y 10 comentarios en la primera tanda; 13 y 11 en la segunda. Pero los comentarios condensan bien las dos objeciones de fondo.

La primera es financiera: «¿Cómo puedes ganar 500.000 al año y no poder vivir de un fondo indexado tras unos años? ¿Dónde se fue el dinero?». Es una pregunta justa, y la Parte 2 intenta responderla. La segunda es de encuadre: varios lectores señalaron que Elliott se presenta como víctima de la IA pero concluye que la solución es que el Estado y la filantropía le cubran las consecuencias, sin cuestionar el modelo que lo enriqueció. También hubo burlas por un detalle menor y revelador: la imagen de cabecera del artículo parece generada con IA, lo que a algunos les pareció incoherente en un texto sobre el coste humano de la IA.

Hubo además una crítica práctica: que estaba buscando solo puestos de dirección y no roles individuales, y que alguien con coche podría hacer reparto o conducir para plataformas mientras tanto. Es el tipo de consejo que suena razonable desde fuera y que ignora lo difícil que es recolocarse a los 50 y tantos, con un currículo de gestión y un mercado que premia perfiles más jóvenes y más baratos. Pero apunta a algo cierto: su situación no es solo un problema de demanda agregada; también es un problema de encaje entre su perfil, su geografía y sus expectativas salariales.

Qué es verificable y qué no

Esta es la parte que casi nadie hizo en la discusión pública. Separemos las afirmaciones por grado de comprobabilidad.

Método: se contrastaron las afirmaciones con prensa financiera, organismos oficiales (EDD de California, BLS, NY Fed), informes académicos (Stanford Digital Economy Lab, Stanford HAI) y los propios perfiles públicos del autor. Las afirmaciones personales no documentadas se marcan como tales; no se ha contactado al autor.

El contexto que hace plausible la historia

Nada de esto ocurre en el vacío. 2026 ha sido un año brutal para el empleo tecnológico, y no solo por la IA. Las cifras bailan según quién cuente, pero el consenso es que el sector ha destruido entre 135.000 y 175.000 puestos en Estados Unidos en lo que va de año, por encima de los ~122.000 de todo 2025. Microsoft ha ofrecido bajas voluntarias a una cuarta parte de su plantilla. Adobe, la empresa donde Elliott dice que trabajó, ha vivido un 2026 tumultuoso: su consejero delegado, Shantanu Narayen, anunció su salida en marzo tras 18 años, las acciones cayeron y la compañía afronta la presión de los inversores por la IA generativa. No hace falta un despido masivo para que un directivo de plataforma quede fuera en una reorganización.

El otro contexto es el de su negocio original. La consultoría de formación para desarrolladores dependía de un embudo de contenido, y ese embudo se rompió en toda la industria. Stack Overflow es el caso extremo: de un pico de ~200.000 preguntas mensuales en 2014 pasó a unas 3.862 en diciembre de 2025, y su tráfico se ha desplomado alrededor del 90% desde la irrupción de ChatGPT. Si a un blog técnico le quitas las búsquedas y las preguntas que antes resolvían los humanos, el negocio que vivía de ese tráfico desaparece. Que a Elliott le pasara no demuestra que la IA cause desempleo masivo, pero sí demuestra que puede destruir un modelo de negocio entero sin destruir la profesión.

Lo que dice la evidencia sobre IA y empleo

Aquí es donde el artículo se separa de los datos. La mejor evidencia disponible no respalda la tesis de que la IA esté dejando sin trabajo a los ingenieros senior en masa.

El estudio más citado es el de Erik Brynjolfsson, Bharat Chandar y Ruyu Chen para el Stanford Digital Economy Lab, actualizado en agosto de 2026 con datos de nóminas de ADP. Sus conclusiones:

• No hay desplazamiento generalizado en la economía.
• Pero los trabajadores de 22 a 25 años en ocupaciones muy expuestas están un 19% por debajo de donde estarían si hubieran seguido el ritmo de sus pares en ocupaciones menos expuestas. La brecha era del 15% en julio de 2025 y se ha ido ampliando.
• El ajuste se produce sobre todo por menos contratación, no por más despidos.
• Los trabajadores experimentados no muestran una brecha comparable.
• El declive se concentra en ocupaciones donde la IA automatiza tareas, no en las que la complementa.

Los propios autores insisten en que esto es descriptivo, no causal: no pueden demostrar que la IA sea la causa, aunque descartan explicaciones alternativas como los tipos de interés, el trabajo remoto o la educación. El Stanford AI Index 2026 añade el dato más citado del año: el empleo de desarrolladores de 22 a 25 años ha caído cerca de un 20% desde 2024, mientras los roles de más edad se expanden.

El resto del cuadro es más matizado de lo que sugiere el titular. Las vacantes de desarrollo de software en Estados Unidos han subido cerca de un 15% desde febrero de 2025 —el mes en que Anthropic lanzó Claude Code—, aunque siguen un 27,5% por debajo de su nivel prepandémico. Ese aumento se concentra en perfiles senior: el 71% del incremento entre mayo de 2025 y mayo de 2026 corresponde a roles experimentados, y el 37% a puestos con «IA» en el título. La Oficina de Estadísticas Laborales proyecta un crecimiento del 10% entre 2025 y 2035, hasta 1,89 millones de empleos. Y los recién graduados en informática tienen un 6,1% de paro, por encima de la media de graduados recientes, con un 42% de subempleo.

Es decir: el mercado no se está cerrando para los senior; se está cerrando para los que entran, y se está estrechando para quien compite por un puesto directivo escaso, caro y geográficamente concentrado. Elliott no encaja en la categoría de «senior beneficiado» porque no estaba compitiendo por un rol de ingeniero senior: estaba compitiendo por dirección, en la bahía de San Francisco, con un currículo de consultor y una trayectoria de fundador. Eso es un mercado distinto, mucho más pequeño y mucho más discrecional.

«Si alguien con mi experiencia está pasando por esto, ¿qué les pasará a los demás?»

La pregunta de Elliott es retórica, pero la evidencia sugiere una respuesta incómoda: a los demás les está yendo peor, sobre todo a los más jóvenes.

El contraargumento: el «AI-washing»

Hay una tercera pieza que complica tanto la historia personal como el relato macro: las empresas tienen incentivos para atribuir a la IA despidos que responden a otras causas. El propio Sam Altman admitió en 2026 que algunas compañías están haciendo «AI-washing» con sus recortes para agradar a los inversores. Consultoras y analistas han señalado que una parte de los despidos anunciados como «impulsados por IA» son en realidad correcciones tras el sobredimensionamiento de la pandemia, ajustes de márgenes o reestructuraciones ordinarias.

En el caso de Elliott, sin embargo, el «AI-washing» no aplica de la misma forma: no fue una empresa la que lo despidió por IA, sino un mercado de servicios el que dejó de demandar mentoring y contenido técnico. Eso es más difícil de medir y más fácil de sentir. Su caída no es un despido con nota de prensa; es la erosión silenciosa de un modelo de negocio.

¿Entonces la IA lo dejó sin casa?

La respuesta honesta es: la IA fue una condición necesaria, no suficiente. Sin el colapso de su audiencia y de la demanda de mentoring, su negocio probablemente habría sobrevivido. Pero hicieron falta además dos búsquedas de empleo prolongadas, una startup fallida, un despido, la pérdida de un cliente que concentraba el 90% de sus ingresos, una mudanza cara, problemas médicos y un mercado laboral que no absorbe directivos de su perfil. Cualquiera de esos golpes, por separado, se habría gestionado. Juntos, agotaron el colchón.

Eso no invalida su tesis; la afina. La IA no está creando —todavía— un ejército de ingenieros senior sin trabajo. Está comprimiendo la entrada al sector, destruyendo negocios de intermediación de conocimiento y concentrando las ganancias en menos personas. Y en un país sin red de seguridad, la pérdida de ingresos se convierte en pérdida de vivienda con una velocidad que sorprende incluso a quien tenía ventajas.

Su propuesta —renta básica universal financiada con contribuciones sobre los beneficios de la automatización, prestaciones que cubran el coste de vida real y programas pensados para transiciones de años, no de semanas— es una respuesta política a un problema que él describe mejor como experiencia que como dato. Es discutible en el diseño y en la viabilidad, pero el diagnóstico de fondo —que la productividad puede crecer mientras la capacidad de compra de los desplazados se hunde— no es una fantasía: es una posibilidad que los economistas llevan décadas discutiendo.

Qué queda de esta historia

Primero, una lección sobre la verificación: un relato personal puede ser cierto en lo esencial y estar lleno de detalles no comprobables. Eso no lo convierte en falso, pero obliga a leerlo como testimonio, no como estudio de caso. Los datos macro que cita son, en su mayoría, correctos dentro del margen de las fuentes; las afirmaciones sobre su vida, no verificables.

Segundo, una lección sobre el mercado: la IA no está sustituyendo a los mejores ingenieros. Está cambiando qué se contrata, a quién se contrata y cuánto se paga por ello. Los que entran lo tienen más difícil; los que ya estaban, también, si su valor dependía de intermediar conocimiento que ahora es gratis.

Tercero, una lección sobre la red de seguridad: 450 dólares semanales no cubren un alquiler en California, y un subsidio diseñado para desempleos de semanas no sirve para transiciones de años. Eso es verificable, y es probablemente lo más importante que Elliott dice.

Y cuarto, una paradoja: el hombre que escribió que la IA lo dejó sin casa financió su primer mes de alquiler con la historia de que la IA lo dejó sin casa. La economía de la atención que lo había abandonado volvió a rescatarlo, esta vez a través de la compasión de desconocidos. Es una ironía amarga, y también la prueba de que su problema no era la falta de una audiencia, sino la falta de un modelo que convirtiera esa audiencia en ingresos sostenibles.

Elliott sigue buscando trabajo. Su web sigue vendiendo revisiones de seguridad y arquitectura a 1.500 dólares, sprints de ingeniería a 6.000 y mentoría mensual a 1.200. No es alguien sin ninguna vía de ingresos; es alguien cuya vía principal se estrechó hasta casi desaparecer. La diferencia entre esas dos cosas es toda la historia.

Fuentes