¿Cómo hago para que mis compañeros de trabajo dejen de darme sugerencias generadas por ChatGPT?
Cada vez más trabajadores están frustrados por compañeros que pegan en flujos técnicos salidas de ChatGPT sin revisar, lo que crea trabajo extra de revisión y socava la confianza en los expertos del dominio. Los comentaristas sostienen que el problema central no es la herramienta en sí, sino tratar a la IA como una autoridad infalible, pese a su tendencia a generar respuestas plausibles pero incorrectas. Las respuestas sugeridas van desde educar a los equipos sobre los límites de la IA y establecer pautas claras de proceso hasta escalar problemas persistentes a la dirección cuando empiezan a afectar la productividad.
Naturaleza del problema
- Los compañeros no técnicos (artistas) usan ChatGPT para generar sugerencias técnicas que no entienden.
- El desarrollador debe dedicar tiempo a validar y luego explicar por qué muchas de estas ideas están mal, a personas que no tienen la base para seguir la explicación.
- Esto se parece a patrones antiguos como “leí en internet que...” o respuestas copiadas y pegadas de StackOverflow/Google.
Usar ChatGPT contra sí mismo
- Varios sugieren pegar la mala sugerencia de vuelta en ChatGPT y preguntarle por qué la solución no funciona, para luego reenviar esa explicación.
- Los ejemplos muestran a ChatGPT dando con seguridad código incorrecto y luego disculpándose y dando marcha atrás inmediatamente cuando se le pregunta “¿Eso funciona?”.
- Algunos ven esto como una forma eficiente de desacreditarlo; otros lo consideran una dependencia sectaria de la herramienta.
Calidad, responsabilidad y pensamiento crítico
- Un bando: lo que importa es si las sugerencias son buenas, no si fueron generadas por IA.
- Contraargumento: la fuente sí importa en trabajos matizados; ChatGPT a menudo inventa soluciones plausibles pero falsas.
- La gente recalca que cualquiera que reenvíe salida de IA debería poder explicarla y defenderla, y que usar ChatGPT sin verificación es descargar de manera irrespetuosa el control de calidad sobre otros.
- Analogías: herramientas eléctricas que requieren operadores expertos, “Gish gallop” no malicioso, la ley de Brandolini y desarrolladores junior fusionando código no probado.
Papel de la dirección y la dinámica del equipo
- Hay desacuerdo sobre si hay que “chivar al jefe”:
- Algunos dicen que los gerentes están explícitamente pagados para resolver fricciones entre equipos y proteger el tiempo de los IC.
- Otros sostienen que los adultos primero deberían poner límites directamente (“por favor, dejen de enviar sugerencias de ChatGPT”).
- El problema de fondo se ve como una falta de confianza en la experiencia del desarrollador y como procesos de planificación y retroalimentación disfuncionales.
Comparaciones con otras herramientas y con las IA de arte
- Se trazan paralelos con cambios tecnológicos pasados: Photoshop, cámaras, búsqueda web, StackOverflow.
- Algunos argumentan que la IA sobre todo eleva el nivel mínimo de los practicantes más débiles; otros dicen que eso es cierto de cualquier herramienta.
- Se invoca a los artistas que usan Stable Diffusion tanto como analogía como una posible forma de poner de relieve su propia sustituibilidad si sobrevaloran la IA.
Comunicación y fatiga por la IA
- Preocupa que los correos y documentos escritos por IA (por ejemplo, mediante Copilot) inflen la comunicación y reduzcan las ganas de leer, especialmente cuando la gente convierte mensajes breves en muros de texto estilo PR.
- Algunos señalan que también se pueden usar LLM para comprimir ese relleno, pero los usuarios promedio y los jefes a menudo equiparan longitud con calidad.
Actitudes más amplias hacia los LLM
- Fuerte escepticismo: se afirma que el bombo de la IA está impulsado por el marketing; los expertos a menudo consideran que las salidas son poco fiables o sin sentido.
- Otros reconocen fallos serios pero aun así ven a los LLM como asistentes útiles cuando se usan de forma crítica y con la validación adecuada.