No todo el mundo está usando IA para todo

Artículo original ↗ Discusión en Hacker News ↗

Las afirmaciones de que “todo el mundo usa IA para todo” chocan con las experiencias de los desarrolladores, para quienes los modelos de lenguaje a menudo hacen que los productos sean más lentos, menos fiables y más difíciles de mantener que los sistemas deterministas. Los comentaristas describen la presión impulsada por la dirección y los inversores para añadir IA a los flujos de trabajo, ganancias desiguales de productividad (especialmente al programar) y una dependencia creciente de herramientas cuyos resultados aún requieren revisión cuidadosa. Las estadísticas sobre el uso real sugieren una adopción fuerte pero lejos de ser universal, mientras muchos temen efectos a largo plazo sobre la calidad del software, los empleos y el ecosistema de la información en general a medida que el contenido generado por IA se extiende a la búsqueda, el soporte y las aplicaciones cotidianas.

Uso excesivo y desajuste de los LLM

  • Muchos informan que las empresas están reemplazando flujos de trabajo simples y deterministas (flujos de soporte, CI, herramientas, revisión de código) con sistemas basados en LLM más lentos y menos fiables, a menudo solo para poder decir que “usan IA”.
  • Algunos contratistas dicen que implementan regularmente IA innecesaria porque los ejecutivos lo exigen, incluso cuando las PoC muestran que los diseños deterministas serían más baratos, más rápidos y más estables.
  • Una crítica recurrente: la IA se está usando para reemplazar herramientas que, en cambio, debería usarse para construir (p. ej., generar reglas de lint o scripts en lugar de actuar como el lint/CI en sí).

Sistemas deterministas vs agentes

  • Un sector fuerte argumenta que la lógica empresarial central y los flujos de trabajo orientados al cliente deben ser deterministas y testeables; los LLM deberían ser envoltorios o asistentes alrededor de CLIs/APIs robustos.
  • Otros promueven patrones híbridos: los agentes razonan en lenguaje natural, pero deben ejecutar mediante herramientas cuidadosamente diseñadas y restringidas.

LLMs para programar

  • Muchos desarrolladores usan LLMs intensamente como asistentes de programación: plantillas, scripts puntuales, refactors, explicaciones y depuración.
  • Los defensores afirman que aceleran muchísimo; los críticos dicen que el código generado por LLM es frágil, inseguro, sobrediseñado y más difícil de entender, y que a menudo cuesta más tiempo revisarlo y depurarlo.
  • Varios advierten sobre la erosión de habilidades fundamentales y futuras bases de código que sean, en la práctica, proyectos de “arqueología de software”.

Presión en el trabajo y FOMO de la dirección

  • Hay informes de hackatones de IA, mandatos de uso diario y estructuras de bonus vinculadas al consumo de tokens, incluso cuando una tasa de fallo del 1–2% es inaceptable.
  • Los ingenieros suelen ver a la dirección persiguiendo narrativas de inversores y métricas de “adopción de IA” en lugar de valor de producto medible.

¿Quién está usando realmente la IA?

  • El hilo cita estudios: ~20–30% de la población estadounidense en edad laboral usa herramientas de IA con regularidad; muy por debajo de “todo el mundo”, pero alto para una tecnología nueva.
  • Debate sobre las definiciones: uso explícito de chatbots frente a uso pasivo integrado en la búsqueda de Google, los feeds de recomendaciones, las cámaras del teléfono, etc.
  • Algunos sostienen que “todo el mundo usa IA” si se cuentan esos sistemas de fondo; otros ven eso como forzado o incidental, no como una adopción significativa.

Casos de uso individuales y no uso

  • Los usuarios intensivos describen beneficios reales sustanciales (disputas con seguros, decisiones de reparaciones del hogar, diseño de jardines, compras, marketing).
  • Otros limitan su uso a la programación o a sustituir la búsqueda; algunos evitan los LLM por completo y se sienten presionados o marginados.

Contratación y ansiedad profesional

  • Quienes buscan empleo ven “¿Cómo usas los LLM?” como una pregunta estándar de entrevista y tienen dificultades para responder tanto a empleadores entusiastas de la IA como a empleadores escépticos.
  • Algunos responsables de contratación ahora consideran la falta de experiencia con agentes/LLM como una señal de alarma; otros valoran un uso matizado y crítico por encima del hype.

Calidad, seguridad y preocupaciones sociales

  • Temas recurrentes: alucinaciones, agujeros de seguridad, software más chapucero, atención al cliente degradada y “slopificación” del contenido web.
  • Preocupación de que el bajo nivel de alfabetización y el pensamiento crítico débil amplifiquen el mal uso, mientras los incentivos corporativos favorecen un soporte más barato en lugar de un mejor servicio.

Perspectiva a largo plazo

  • Los optimistas comparan esta fase con los inicios de Internet o de los compiladores: crecimiento rápido, ubicuidad eventual y grandes ganancias de productividad.
  • Los escépticos prevén nichos permanentes donde la IA no encaja y advierten contra asumir que las mejoras futuras del modelo arreglarán automáticamente los problemas estructurales actuales.