Lo que la IA le ha hecho a Stack Overflow, en un solo gráfico

Un contribuidor extrajo las estadísticas públicas de Stack Overflow y creó un gráfico. El resultado habla por sí mismo: ChatGPT ha vaciado el espacio.

El caso concreto

Un usuario publicó en data.stackexchange.com (la interfaz pública de consultas SQL sobre los datos de Stack Overflow) una consulta que rastrea el número de preguntas realizadas por mes en el sitio desde su creación hasta mediados de 2026. El gráfico está enlazado en Hacker News como una historia destacada el 18 de julio de 2026, y logra lo que pocos artículos de opinión consiguen: mostrar, sin rodeos, lo que la IA ha cambiado.

La curva sube suavemente de 2008 a 2013, se estabiliza entre 2013-2020 con un ligero declive ya iniciado, cae bruscamente a partir de finales de 2022 —exactamente cuando se lanzó ChatGPT (30 de noviembre de 2022)— y continúa su descenso sin recuperación. En 2026, el volumen mensual de preguntas ha caído a un nivel que no se veía desde los primeros años del sitio.

El código detrás del gráfico

Para los curiosos, la consulta publicada es de este tipo:

SELECT
 DATEFROMPARTS(YEAR(CreationDate), MONTH(CreationDate), 1) AS Month,
 COUNT(*) AS Questions
FROM Posts
WHERE PostTypeId = 1
GROUP BY YEAR(CreationDate), MONTH(CreationDate)
ORDER BY Month;

PostTypeId = 1 filtra las preguntas (las respuestas tienen PostTypeId = 2). La herramienta data.stackexchange.com permite a cualquiera verificar el resultado en treinta segundos, sin instalar nada —un modelo de apertura de datos que pocas plataformas ofrecen aún.

El porqué

Para un desarrollador senior, la pregunta «¿por qué una caída así?» tiene una respuesta obvia: cuando te quedas atascado con un error o una sintaxis, ya no buscas «python typeerror int str» en Google ni abres la primera respuesta de Stack Overflow de un hilo de 2014 marcado como duplicado. Abres Claude, ChatGPT o Copilot y planteas la pregunta directamente, con tu contexto, tu fragmento de código, tu traza de pila. La respuesta llega personalizada, en español si lo deseas, sin las guerras de moderadores por cierre por duplicado.

Es más rápido, es más amable (nadie te acusa de RTFM), y suele funcionar —excepto cuando el modelo alucina. Incluso en ese caso, el desarrollador senior lo sabe y vuelve a verificar; el junior, a menudo, no lo hace. Este es uno de los debates actuales en los equipos.

Lo que perdemos en el camino

El verdadero costo de este cambio no es inmediatamente visible. Stack Overflow no era solo un motor de respuestas: era un corpus que Google indexaba, que los reclutadores consultaban (para evaluar un perfil), que los recién llegados leían para aprender a formular una pregunta técnica correctamente. Este corpus se está reduciendo ahora, mientras que los modelos de IA que se entrenaron con él siguen beneficiándose sin contribuir a cambio. Posible bucle retroactivo problemático: ¿sobre qué se entrenarán los modelos de 2028?

También está el aspecto de la trazabilidad. Una respuesta de Stack Overflow te permite saber quién la escribió, cuándo y con qué puntuación de la comunidad. Una respuesta de un LLM es una agregación opaca. Para código de producción, esta trazabilidad vale mucho.

Para recordar

El gráfico es solo un dato más entre otros: Stack Overflow ha anunciado varias oleadas de despidos desde 2023, motivadas en parte por la caída del tráfico (véase, por ejemplo, la entrada del blog de su CEO Prashanth Chandrasekar en octubre de 2023 anunciando la primera oleada). Pero la imagen, en sí, condensa tres años de evolución en los hábitos de los desarrolladores. La pregunta que debemos hacernos en 2026, en equipo, ya no es «¿debemos usar los LLM?». Es: ¿cómo evitar que mueran los bienes comunes (documentación, Q&A públicas, tutoriales) que hicieron posible nuestro oficio?