No quiero nada de lo que genera tu IA

Artículo original ↗ Discusión en Hacker News ↗

La IA generativa está polarizando a la gente que trabaja en tecnología, con algunos argumentando que no quieren nada producido por modelos grandes porque es derivado, entrenado con trabajo no consentido, costoso para el medio ambiente y ya está inundando Internet y los lugares de trabajo con “ruido” de baja calidad. Otros responden que los humanos también son igual de derivados, que la IA es una herramienta práctica para la comunicación tediosa, la programación y las recomendaciones, y que puede democratizar la creatividad y la productividad para personas y pequeñas empresas que no tienen recursos. Debajo hay disputas más profundas sobre el consentimiento para los datos de entrenamiento, los beneficios reales frente a los exagerados para los usuarios finales, si la IA va a descalificar o ampliar el trabajo, y cuánto debería intentar la sociedad frenar o redirigir esta ola de automatización.

Percepción de una avalancha de contenido generado por IA

  • Muchos comentaristas dicen que, incluso si ellos personalmente evitan las herramientas de IA, no pueden evitar la producción de IA: sitios de arte, grupos de afición, resultados de búsqueda, redes sociales, spam SEO y bases de código están cada vez más saturados.
  • Esto se plantea como un colapso de la «señal frente al ruido» y un «generador infinito de ruido», lo que hace que los espacios en línea sean menos útiles salvo que estén fuertemente moderados.

Calidad, utilidad y “mediocridad”

  • Postura firme de que la salida de los LLM es una «regresión a la media»: genérica, verbosa, de mínimo común denominador, especialmente para escritura y código.
  • Otros sostienen que la «media mediocre» es a menudo בדיוק lo que se necesita: políticas estándar, guías turísticas, recetas, correos electrónicos de plantilla.
  • Algunos dicen que la IA ya es mejor que muchas personas para tareas mundanas (resúmenes, clasificación, enrutado de tickets, andamiaje de código).

Creatividad, originalidad y naturaleza derivada

  • Un bando: toda gran obra es una excepción; los modelos entrenados con el corpus de la producción humana empujan inherentemente hacia ideas insípidas y seguras, y no pueden sostener posiciones genuinamente contrarias o únicas.
  • Bando contrario: todo trabajo humano también es derivado; los modelos «aprenden» a partir de ejemplos de forma muy parecida a como lo hacen los humanos, y pueden ser herramientas poderosas para explorar el espacio de ideas o ampliar a los artistas.

Trabajo, empleos y efectos económicos

  • Temores de que desarrolladores front-end, centros de llamadas, entrada de datos, ilustradores y parte de la mandos intermedios sean desplazados; los críticos destacan ganancias desiguales y la falta de redes de seguridad.
  • Los partidarios subrayan nuevas capacidades para equipos pequeños, desarrolladores independientes y no expertos (por ejemplo, «marcas de dos personas» compitiendo con las grandes, juegos indie, creadores en solitario).

Búsqueda, recomendaciones y descubrimiento

  • Desacuerdo sobre si la IA mejora o empeora la búsqueda: algunos ven los LLM como un mal reemplazo y un motor del spam SEO; otros consideran que la búsqueda aumentada con IA y herramientas como los recomendadores de música son significativamente mejores que la búsqueda actual o la radio.

Comunicación, interacción social y uso en el trabajo

  • A muchos les desagrada la interacción social mediada por IA (chatbots, terapia con IA, IA en cada campo de texto) y prevén bucles en los que la IA genera prosa corporativa verbosa que luego otras IA resumen.
  • Otros приветjan descargar la comunicación “poco importante” pero socialmente obligatoria (correos educados, informes), viéndolo como un control de daños.

Datos, consentimiento y copyright

  • Debate polémico sobre entrenar con datos públicos sin licencia: algunos dicen que publicar en público implica aceptar el reutilización y el aprendizaje; otros insisten en que esto es explotación y quieren que los modelos se limiten a corpus debidamente licenciados.
  • Preocupación relacionada: trabajadores mal pagados etiquetando datos perturbadores para seguridad y filtros.

Impacto ambiental

  • Varias publicaciones sostienen que los grandes modelos tienen costos significativos de carbono y recursos, analogándolos con Bitcoin y advirtiendo sobre el uso proyectado de energía en centros de datos.
  • Otros replican que la inferencia es relativamente barata, que los centros de datos usan cada vez más energías renovables y que la automatización puede reducir las emisiones totales frente al trabajo humano.

Reacciones culturales / filosóficas

  • Algunos ven las críticas como rechazo tecnológico “ludita” o emocional; otros argumentan que una fuerte resistencia es necesaria para influir en cómo se despliega la IA.
  • Un tema recurrente: la distinción entre la IA como “pegamento” invisible en los sistemas y la IA como productor directo de contenido dirigido a humanos.