Si estás pidiendo la atención humana, demuestra esfuerzo humano
A medida que los modelos de lenguaje grande inundan los lugares de trabajo con correos, especificaciones y código generados sin esfuerzo, muchos ingenieros están reaccionando contra lo que ven como “AI slop” que hace perder más tiempo de revisión humana del que ahorra. Quienes comentan sostienen que, si estás pidiendo la atención o la responsabilidad de alguien —especialmente en revisiones de código o decisiones técnicas—, primero deberías invertir esfuerzo real tú mismo: acotar el trabajo, revisar la salida de la IA y asumir la responsabilidad por los errores. Otros señalan que la IA puede ser valiosa para resumir, editar o realizar tareas pequeñas y bien delimitadas, pero se va imponiendo una norma: no descargues el pensamiento difícil en un modelo y luego hagas que tus colegas paguen el costo cognitivo.
Problema percibido: “AI slop” y asimetría del esfuerzo
- Muchos describen sentirse inundados por textos largos, prolijos y obviamente generados por LLM (correos, especificaciones, PR, documentación).
- La queja principal: un esfuerzo trivial por parte del remitente crea un gran esfuerzo para el lector/revisor.
- A la gente le molesta verse forzada al papel de “humano en el bucle” para depurar o verificar el trabajo de IA de otros.
- Esto se presenta como antisocial e irrespetuoso: “Si no te molestaste en escribirlo, ¿por qué debería molestarme yo en leerlo?”
Esfuerzo, respeto y atención
- El esfuerzo humano se ve como una señal de cuidado, responsabilidad y rendición de cuentas.
- Varios defienden la reciprocidad: iguala tu esfuerzo al esfuerzo mostrado por la otra parte.
- Otros discrepan: lo que importa es la utilidad y la calidad, no lo difícil que fue producirlo.
- Tensión: la teoría laboral del valor (“esfuerzo = valor”) frente a “valor = resultado” se debate repetidamente.
Impacto en los lugares de trabajo y la revisión de código
- Patrón común: compañeros que pegan grandes PR o especificaciones de IA, apenas revisados, y luego esperan una revisión humana seria.
- Los revisores informan que pasan más tiempo que el “autor”, que a veces no puede explicar el código (“Claude añadió eso”).
- Esto erosiona la confianza, ralentiza a los equipos y empuja a los revisores a ignorar el trabajo o aprobarlo sin mirar.
- Contraargumento: la revisión manual de PR “no escala” en un mundo agentivo; algunos sugieren más automatización y pruebas en su lugar.
Normas propuestas y estrategias para sobrellevarlo
- Exigir que los autores revisen por sí mismos la salida de la IA y asuman la responsabilidad (“tú lo confirmas, tú lo posees”).
- Mantener los PR pequeños y bien explicados; invertir más esfuerzo en hacer que el trabajo sea fácil de consumir.
- Algunos abogan por:
- Etiquetar el contenido generado por IA y permitir filtrarlo, con sanciones estrictas por engaño.
- Un “no” por defecto ante envíos de poco esfuerzo y alto volumen.
- Usar IA para revisar PR generados por IA como primer paso.
- Rechazar leer basura obvia o escalar el asunto a la dirección.
Actitudes hacia la IA en sí
- Entusiastas: la IA es excelente para resumir, editar, generar texto auxiliar, ayudar en investigación e incluso en activismo cívico; la herramienta no importa si el resultado es bueno y está verificado.
- Escépticos: muchas salidas siguen siendo frágiles, vacías o incorrectas; algunos encuentran el contenido y el arte de IA visceralmente desagradables o “sin alma”.
- Preocupación generalizada por una carrera armamentística IA-contra-IA (spam, filtros de contratación, soporte, gobernanza) que traslada costos a los humanos atrapados en medio.