Después de que la IA se lo lleve todo

Artículo original ↗ Discusión en Hacker News ↗

Calidad del código generado por IA y “slop”

  • Muchos comentaristas informan que el código escrito por LLM suele estar sutilmente mal o ser estructuralmente deficiente, incluso en tareas simples (p. ej., una LRU basada en bytes implementada como si se basara en el número de entradas).
  • El coste de revisión a menudo supera la velocidad de generación; los expertos dicen que a menudo es más rápido y seguro escribir el código ellos mismos.
  • Otros responden que el código humano también tiene errores y está duplicado; sostienen que la salida de los LLM solo necesita ser “suficientemente buena”, no elegante.
  • Preocupación de que los directivos no puedan reconocer el slop, pero aun así impulsen su adopción, acelerando la “enshittification” del software.

Gusto, artesanía y responsabilidad

  • Varias personas plantean la diferencia como “tener gusto” o “dar una mierda”: modelos mentales claros, estructura coherente y voluntad de limpiar.
  • Los LLM en manos inexpertas magnifican el mal gusto; algunos ven esto como una crisis existencial merecida para los practicantes superficiales.
  • Otros contraargumentan que la elegancia siempre ha quedado en segundo plano frente a sacar el producto; la IA solo hace esto más visible.

Cronogramas y escepticismo ante el hype

  • Fuerte rechazo a las afirmaciones de que la IA se lo va a “llevar todo” en 18–24 meses; las predicciones se ven como hype infalsable.
  • Algunos argumentan que las mejoras de los modelos ahora son incrementales, no cambios de paradigma.

Empleo, habilidades e impacto económico

  • Debate sobre si la mayor parte del trabajo desaparece o se desplaza hacia nuevos roles (oficios cualificados, sanidad, ingeniería de mayor profundidad de stack).
  • Preocupación de que incluso los trabajos “a prueba de IA” se vean inundados por trabajadores de oficina desplazados, deprimendo los salarios.
  • Ansiedad central: no solo perder un empleo, sino perder el valor percibido y la capacidad de mantener una familia.

Quién se beneficia y cómo responder

  • Pregunta recurrente: si la IA genera una riqueza masiva, ¿quién la captura: unas pocas élites o la sociedad en general?
  • Algunos ven paralelismos con revoluciones tecnológicas pasadas; el mejor escenario es una competencia intensa que reduzca los costes de la IA y beneficie a los consumidores.
  • Otros enfatizan la organización y la política (reforma de copyright, licencias obligatorias, redistribución) por encima de narrativas individuales de “hustle”.

Datos, propiedad y pagar a humanos

  • Idea de que la IA es parasitaria de datos creados por humanos; se sugiere que los modelos deberían pagar a las personas por el uso de contenido o financiar grandes fondos de creadores.
  • Contraargumento: intentar asignar valor por persona acaba siendo equivalente a problemas de fiscalidad/redistribución.

Meta: ensayos escritos por IA y fatiga discursiva

  • Varios creen que el ensayo enlazado (o su versión en inglés) muestra rasgos de LLM: longitud inflada, eslóganes repetitivos, exceso de estilización.
  • Frustración con los textos largos y filosóficos sobre “cómo adaptarse” que parecen saltarse preguntas concretas y materiales.