Godot ya no aceptará contribuciones de código autoradas por IA

Fundamento de la política sin IA

• Muchos ven la política como una respuesta a la “AI slop”: PR enormes y de poco esfuerzo que saturan a los mantenedores.
• Los objetivos citados son: preservar el tiempo de revisión, mantener el código comprensible para humanos, evitar ser aguas abajo de trabajo de IA no verificado y asegurar que quienes contribuyen puedan mantener lo que agregan.
• Aparecen preocupaciones legales y de procedencia: es probable que los modelos hayan sido entrenados con código GPL o propietario; los mantenedores no quieren responsabilidad “lavada por IA” en bases de código complejas.

Preocupaciones sobre la calidad del código y la carga de revisión

• Los revisores informan que los PR de IA son verbosos, poco enfocados y a menudo sutilmente incorrectos aunque parezcan plausibles, lo que hace que la revisión sea mucho más costosa.
• Se invoca la ley de Brandolini: generar es mucho más barato que refutar; la IA multiplica esta asimetría.
• Algunas personas comparan la avalancha de PR de IA con un ataque de denegación de servicio contra el tiempo libre limitado de los mantenedores.

Autoría, mentoría y objetivos de comunidad

• Los PR se describen como artefactos sociales: una forma de enseñar a quienes contribuyen, identificar futuros mantenedores y construir comprensión compartida.
• Si la retroalimentación es absorbida por un LLM en lugar de por una persona en crecimiento, los revisores sienten que su esfuerzo de mentoría se desperdicia.
• Algunos sostienen que, por lo tanto, la autoría importa incluso cuando el código “funciona”.

Aplicación y practicidad

• Se espera que la detección sea heurística y social, no técnica: cambios grandes y poco enfocados, prosa con estilo de IA, contribuyentes desconocidos, etc.
• La política principalmente da a los mantenedores una base explícita para cerrar rápidamente los PR sospechosos de IA y desviar debates sobre la equidad.
• Los críticos señalan que esto puede clasificar mal trabajo humano genuino y no detendrá a usuarios cuidadosos de IA que revisen y “humanicen” la salida.

Alternativas propuestas y cambios de proceso

• Las sugerencias incluyen:
  • Límites estrictos al tamaño de los PR, al número de PR abiertos y a la longitud de la descripción.
  • Exigir issues/discusión antes de PR grandes.
  • Mejores pruebas, análisis estático y herramientas; posiblemente triaje y revisión asistidos por IA.
  • Separar forks/sandboxes “amigables con IA” de los que los mantenedores puedan seleccionar a mano los buenos cambios.

Visiones más amplias sobre la programación con IA

• Quienes apoyan la IA describen ganancias reales de productividad para tareas bien acotadas (refactors, ports, documentación), especialmente cuando cada línea se revisa.
• Otros relatan resacas de “vibecoding”: avance rápido seguido del descubrimiento de código desordenado, inconsistente y difícil de mantener.
• Hay desacuerdo sobre si los modelos actuales están a punto de superar a los humanos en sistemas complejos, o si están sobrevalorados y son estructuralmente poco confiables.

Implicaciones para el código abierto y Godot

• Algunos prevén que competidores que adopten IA dejarán atrás a proyectos conservadores; otros piensan que los proyectos muy dependientes de IA se degradarán mientras la postura de calidad de Godot se vuelve una ventaja.
• Varios señalan que las contribuciones de código abierto están cada vez más impulsadas por mejorar el CV, recompensas y tareas universitarias, con la IA amplificando la participación de baja inversión y, por tanto, la necesidad de un filtro más estricto.