No todo el mundo está usando IA para todo

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.