¿Está la IA arruinando nuestras habilidades? Los primeros resultados ya están aquí, y no son buenos

Artículo original ↗ Discusión en Hacker News ↗

La investigación temprana y las anécdotas de desarrolladores sugieren que depender en gran medida de los asistentes de IA puede erosionar habilidades fundamentales, desde la lectura de imágenes médicas hasta la ingeniería de software cotidiana e incluso el razonamiento y la comunicación básicos. Los comentaristas debaten si esto es simplemente la última ola de “atrofia de habilidades” impulsada por herramientas (como calculadoras o GPS) o algo cualitativamente distinto, porque los LLM afectan a casi todo el trabajo cognitivo, debilitando potencialmente la experiencia necesaria para la innovación y el juicio. Muchos ven surgir una compensación: mayor acceso y productividad para principiantes y directivos, a un posible coste de la maestría técnica profunda, el pensamiento crítico y la resiliencia profesional a largo plazo.

Atrofia percibida de habilidades

  • Muchos participantes informan de primera mano un deterioro de habilidades (programación, planificación, resolución de problemas, incluso mecanografía) tras un uso sostenido de la IA, y a menudo describen una fase de “reaprender a caminar” cuando dejan de usarla.
  • Preocupación principal: no solo la pérdida de habilidades concretas (como aritmética o comandos de CLI), sino la erosión del razonamiento general, el juicio y la resolución de problemas “en blanco”.
  • Varios señalan que el uso de la IA puede minar la capacidad de los usuarios para evaluar la salida de la IA, creando un bucle de retroalimentación de dependencia.

Uso de herramientas, compensaciones y analogías históricas

  • Algunos comparan los LLM con calculadoras, compiladores, coches o Ghost disk imaging: herramientas que vuelven innecesarias viejas habilidades y permiten que surjan nuevas capas de abstracción.
  • Otros sostienen que la diferencia está en el alcance: los LLM afectan a “prácticamente todas las habilidades de conocimiento y comunicación”, no a un dominio estrecho.
  • Hay un acuerdo general en que las habilidades no usadas se atrofian; la disputa es si eso es aceptable o existencialmente peligroso.

Impacto en la práctica de la ingeniería de software

  • Múltiples anécdotas de ingenieros senior “vibe-coding”, entregando más, pero con peor código y un juicio más débil.
  • Preocupación de que la experiencia de alto nivel, de tipo práctico y técnico (sistemas, lenguajes, compiladores, arquitectura) se reduzca, arriesgando una desaceleración de la innovación genuina incluso mientras se dispara la producción CRUD.
  • A los revisores les cuesta mentorear a los juniors porque el código escrito por IA ya no refleja el propio pensamiento del junior.
  • Otros informan de lo contrario: el diseño de sistemas y el pensamiento arquitectónico mejoran porque la IA se encarga del boilerplate y permite explorar y refactorizar más rápido.

Aprendizaje, educación y efectos cognitivos

  • Opiniones divididas:
    • Algunos usan la IA como tutor para abordar materias difíciles (física, mecánica cuántica), nuevos lenguajes y habilidades físicas, enfatizando los ejercicios y la verificación.
    • Otros dicen que esto suele derivar en un “edutainment” superficial, una comprensión amplia pero poco profunda, y niños haciendo los deberes pegando prompts sin ninguna reflexión.
  • Amplitud frente a profundidad es un tema recurrente: curiosidad fácil de rascar frente a dominio duro y generativo.

Código abierto, acceso y concentración de poder

  • Debate sobre si los modelos abiertos están “lo suficientemente cerca” de los sistemas frontier y si eso basta una vez que un modelo es “suficientemente bueno” para una tarea.
  • Temor de que, si solo unos pocos grandes proveedores controlan los modelos superiores, la sociedad se vuelva cognitivamente dependiente de un “oráculo” centralizado, político o corporativo.

Incentivos laborales y dinámica profesional

  • Muchos señalan que los incentivos corporativos (velocidad, recorte de costes) favorecen un uso agresivo de la IA, impulsando la deskilling mientras exigen más producción.
  • Algunos prevén que se abran antes vías de gestión para desarrolladores mediocres pero amplificados por IA; otros predicen una prima para quienes conserven habilidades profundas.
  • Hay tensión entre las ganancias de productividad a corto plazo y la resiliencia profesional y social a largo plazo.