La quinta encuesta anual de desarrolladores de Django, elaborada por la Django Software Foundation en colaboración con PyCharm, ofrece una imagen de las tendencias de la comunidad del framework en 2026. El informe se basó en las respuestas de unos 3500 desarrolladores de más de 40 países, desde estudiantes que están comenzando hasta profesionales con décadas de experiencia. La conclusión más destacada es que los desarrolladores cambian de herramientas y métodos de trabajo mucho más rápido de lo que cambian de framework.
PostgreSQL mantuvo su posición como la base de datos preferida por entre el 76% y el 79% de los participantes durante cinco años consecutivos, mientras que el motor de plantillas de Django siguió siendo utilizado por alrededor del 80% de ellos. Tras varios meses desde el lanzamiento de Django 6.0, el 43% afirmó que ya lo utiliza, mientras que aproximadamente la mitad de los desarrolladores actualiza con cada versión estable. Estas cifras no significan que Django no cambie, sino que indican que su arquitectura central proporciona una base estable para experimentar con nuevas herramientas a su alrededor.
La inteligencia artificial está presente, pero su patrón de uso aún no se ha definido
La inteligencia artificial se ha convertido en una parte habitual del desarrollo de aplicaciones Django. Solo el 10% de los participantes afirmó que no utiliza herramientas de inteligencia artificial para programar con regularidad, mientras que el 58% de los usuarios las emplea a diario y el 27%, varias veces por semana. Sin embargo, la encuesta no muestra una herramienta o interfaz dominante; los usos se distribuyen aproximadamente entre el navegador, el entorno de desarrollo y la línea de comandos.
Claude Code ocupó el primer lugar con un 35%, seguido de ChatGPT con un 33% y GitHub Copilot con un 23%. Aun así, el uso más común continúa siendo conversar y pedir consejo: el 56% de los usuarios de inteligencia artificial afirmó que la utiliza únicamente de esa manera. Además, el 59% pide a la herramienta que genere el código y luego aplica los cambios por su cuenta, y el 44% le permite modificar archivos o ejecutar comandos cuando se le solicita, frente a solo el 27% que la utiliza para completar de forma independiente tareas de varios pasos.
En la práctica, esto describe el traslado del agente al interior del entorno de desarrollo, en lugar de su sustitución. El entorno de desarrollo sigue siendo el lugar donde el desarrollador comprende la base de código, revisa los cambios y decide qué se incorpora al proyecto. Esta cautela también se refleja en el aprendizaje: la documentación oficial de Django encabeza las fuentes de aprendizaje con un 67%, pero las herramientas de inteligencia artificial ocupan el segundo lugar con un 51%, por delante de YouTube, la lectura del código fuente y Stack Overflow.
Las herramientas de Python avanzan hacia una mayor consolidación
En la gestión de entornos y la calidad del código destacan herramientas relativamente recientes. uv, publicado en febrero de 2024, es utilizado por el 43% de los participantes, por detrás de venv, con un 63%, y por delante de Docker, con un 31%. En el ámbito del análisis y el formateo, Ruff se convirtió en la herramienta más utilizada, con un 43%, por delante de las comprobaciones del entorno de desarrollo, con un 27%; Black, con un 25%; pre-commit, con un 20%; y Flake8, con un 17%.
Esto no indica que las herramientas más antiguas estén desapareciendo, sino que herramientas más recientes han empezado a cubrir funciones que antes requerían un conjunto separado de herramientas. Para los equipos, esto puede significar procesos de configuración menos fragmentados, pero la encuesta por sí sola no demuestra que la transición a estas herramientas haya reducido la complejidad o el coste de mantenimiento.
Tipos y pruebas: adopción acelerada y menor consenso
Las anotaciones de tipos se han convertido en una práctica común: el 57% de los desarrolladores las utiliza y otro 26% planea adoptarlas. En cambio, la herramienta de comprobación de tipos no alcanzó un consenso similar. El 40% de los usuarios de anotaciones de tipos depende del comprobador integrado en el entorno de desarrollo, seguido de mypy con un 32%, Ruff con un 29% y Pyright/Pylance con un 22%. ty, de Astral, apareció con un 12%, y Pyrefly, de Meta, con un 4%.
Este asunto adquiere mayor importancia a medida que se amplía el papel de los agentes en la escritura de código. pytest es utilizado por el 45% de los participantes, unittest por el 43% y pytest-django por el 34%. Además, el 51% utiliza GitHub Actions y el 26%, GitLab CI/CD. Estas herramientas proporcionan una base para un ciclo en el que el agente puede modificar el código, ejecutar las pruebas y responder a los errores antes de presentar el resultado al desarrollador. Sin embargo, el 19% de los participantes no escribe pruebas automatizadas en absoluto, lo que significa que delegar más trabajo en sistemas automatizados no va acompañado, para todos, de una barrera de verificación equivalente.
Dos caminos para construir aplicaciones
El 72% de los participantes utiliza plantillas de presentación procesadas en el servidor, mientras que el 53% utiliza Django para aplicaciones basadas únicamente en API y el 46% lo emplea detrás de una aplicación de página única o de una interfaz JavaScript independiente. Al determinar el enfoque principal, la mitad de los desarrolladores construye aplicaciones procesadas en el servidor, mientras que el 44% depende principalmente de Django para las API o las interfaces frontales independientes.
Las cifras de JavaScript reflejan esta división: la cuota de React se mantuvo prácticamente estable, del 37% en 2021 al 38% en la encuesta actual. En cambio, jQuery cayó del 37% al 23% y Vue del 28% al 17%, mientras que htmx aumentó de apenas un 5% al 34%. Según la interpretación del informe, htmx no está absorbiendo la cuota de React, sino que está renovando el segmento de las aplicaciones procesadas en el servidor, donde jQuery tenía una presencia importante.
¿Por qué importa esta tendencia?
Los resultados de la encuesta revelan que el valor actual de Django no está relacionado con ser el framework más reciente, sino con su capacidad para absorber grandes cambios en las herramientas y los flujos de trabajo sin imponer una reconstrucción completa de la aplicación. El equipo puede probar un nuevo agente, adoptar uv y Ruff, añadir htmx o incorporar un comprobador de tipos diferente, manteniendo los modelos, el panel de administración y la autenticación como una base conocida.
La tendencia conservadora también aparece en el despliegue: el 54% de los participantes entrega sus aplicaciones como monolitos y el 44% aloja su infraestructura por cuenta propia. Asimismo, el 33% utiliza funciones asíncronas de Django, mientras que el 40% planea adoptarlas, lo que apunta a una evolución gradual y opcional, no a una reescritura completa.
La conclusión editorial aquí no es que la inteligencia artificial vaya a sustituir al entorno de desarrollo ni que una sola herramienta vaya a decidir la carrera de las herramientas de Python. Los datos demuestran la difusión del uso y la experimentación, pero no demuestran una superioridad productiva ni una mejora de la calidad. La pregunta práctica más importante para los equipos es hasta qué punto las pruebas y las canalizaciones de CI/CD están preparadas para verificar los cambios producidos por los agentes, especialmente entre el porcentaje de desarrolladores que no utiliza pruebas automatizadas.