El código fuente consiguió un mejor publicista
El regreso de las métricas de líneas de código
- Los comentaristas señalan un resurgimiento de LoC como métrica de éxito en la era de la IA, a pesar de críticas de larga data.
- La publicación del blog de OpenAI sobre “un millón de líneas de código por agentes” se cita como emblemática: fuerte énfasis en LoC con poca claridad sobre el valor del producto.
- Las comparaciones con Linux, Chrome y grandes monorepos destacan que los enormes conteos de LoC no son inherentemente impresionantes ni deseables.
AI slop, deuda técnica y mantenibilidad
- “AI slop” se contrapone a la tradicional “deuda técnica” y se ve como algo más concreto: grandes volúmenes de código que pocas personas entienden, a menudo mucho mayores de lo necesario para el propósito.
- Algunos sostienen que cada línea de código es un pasivo; las LoC deberían hablarse como un “coste” más que como un activo.
- Preocupan las bases de código escritas por LLM con patrones reconocibles: código plausible, pruebas superficiales o falsas, abstracciones poco claras.
Productividad y cuellos de botella
- Muchos dicen que “escribir código ya no es el cuello de botella”; las verdaderas restricciones son decidir qué construir, la revisión de código, las pruebas y el proceso organizativo.
- Los desarrolladores individuales a menudo se sienten más rápidos, especialmente con pruebas, boilerplate y comprensión de código heredado, pero las ganancias a nivel de equipo o empresa son modestas por los cuellos de botella posteriores que no cambian.
- Hay debate sobre afirmaciones como “1M de LoC por ingeniero por mes”; algunos lo ven como algo relacionado con el portado automatizado, otros como irreal y fácilmente manipulable.
Métricas, manipulación y la ley de Goodhart
- Ejemplos: evaluaciones de desempeño basadas en líneas de código, evaluaciones impulsadas por el conteo de PR, cuotas de cobertura de código manipuladas con basura generada.
- Los comentaristas invocan repetidamente la ley de Goodhart: cuando LoC, PR o “% de código escrito por IA” se convierten en objetivos, dejan de medir la productividad real.
Presión de adopción y división cultural
- Algunos insisten en que todo ingeniero debe usar IA a diario para seguir siendo empleable y competitivo; otros rechazan esto como hype o adopción “con una pistola en la cabeza”.
- Informes de campo mixtos: usuarios no técnicos o junior inicialmente impresionados, pero a menudo decepcionados al usar IA para tareas que conocen bien.
- HN en sí es percibido por distintos participantes tanto como territorio de “fanboy de la IA” como de “odio a la IA”, reflejando una comunidad polarizada.
Sectores críticos para la seguridad y productos “reales”
- Los sectores críticos para la seguridad y embebidos se describen como en gran medida no adoptantes de la generación de código con LLM; un estudio citado encuentra un importante incumplimiento de las directrices.
- Se traza un contraste más amplio entre sectores que deben lanzar productos que funcionen y sean rentables y aquellos vistos como centrados en “falsa productividad”.