No Soy un Centauro Inverso

Impacto de los LLM en el software de código abierto y la calidad de los PR

• Muchos mantenedores informan de una avalancha de pull requests de bajo esfuerzo, generados por IA, que desperdician tiempo de revisión.
• La IA facilita generar código “plausible” pero superficial y escribir descripciones de PR verbosas y genéricas, rompiendo la antigua norma de que los autores invierten más esfuerzo que los revisores.
• Algunos ven las bibliotecas y parches generados por LLM como ruido adicional, lo que dificulta encontrar y confiar en proyectos de alta calidad.
• Otros señalan que la IA aún puede producir correcciones útiles, especialmente cuando se combina con buenas pruebas, pero subrayan que el código de IA sin revisar no es un reemplazo directo de bibliotecas bien mantenidas.

Respuestas de los mantenedores y cambios de proceso

• Fuerte apoyo a añadir fricción: exigir issues (o incluso discusiones) antes de los PR, rechazar automáticamente los PR sin issues vinculados y priorizar explicaciones humanas claras de los problemas.
• Algunos argumentan que esta fricción filtra contribuciones “de paso” y el bike shedding; otros la encuentran desmotivadora o burocrática.
• Existe tensión entre curar un conjunto pequeño y respetuoso de colaboradores y mantener la sensación de “apertura” del código abierto.

Empoderar a no programadores vs preocupaciones de “centauro inverso”

• Varios comentaristas celebran que ahora los no programadores puedan crear herramientas personalizadas y “apps caseras”, especialmente para necesidades de nicho o accesibilidad.
• Los críticos comparan el uso masivo de LLM con personas sin habilidad construyendo casas con herramientas eléctricas: empoderador, pero arriesgado para software compartido y de larga duración.
• “Centauro inverso” se enmarca como humanos ejecutando mecánicamente planes de la IA; algunos ven el trabajo corporativo impulsado por tickets como un precursor de esto.

Orgullo, oficio y uso de herramientas

• Un bando insiste en que el orgullo debería correlacionarse con el esfuerzo, la habilidad y la comprensión; simplemente dar instrucciones o encargar trabajo no es un “logro” significativo.
• Otro bando sostiene que es válido sentirse orgulloso de hacer que exista algo útil, incluso si las herramientas (compiladores, bibliotecas, LLM) hacen la mayor parte del trabajo mecánico.

¿Sigue importando el código abierto?

• Algunos temen que el OSS esté siendo despojado para entrenar modelos y que el licenciamiento abierto beneficie principalmente a los laboratorios de IA.
• Otros responden que el software moderno (incluidas las pilas de IA) sigue dependiendo críticamente del código abierto, así que sigue siendo esencial, aunque bajo presión.
• Unos pocos sugieren que los ideales del “software libre” (copyleft, anti-relicenciamiento, libertades del usuario) quizá ahora importen más que el código abierto como marca o modelo de negocio.

Detección y uso de la IA en el flujo de trabajo

• Detectar código generado por IA es mayormente “por vibra” (estilo, plantillas, tono) y se considera poco fiable para automatizar.
• Algunos proponen usar los propios LLM para preclasificar o resumir PR, pero existe incomodidad al apoyarse aún más en la misma tecnología que causa el problema.