Aplicaciones antiguas y nuevas, a través de agentes de codificación modernos
Percepción del software codificado con LLM y “vibecoding”
- Muchos describen las aplicaciones “vibe-coded” como prototipos rápidos y divertidos: pequeñas utilidades, juegos, paneles de control, rastreadores personales.
- Varios señalan que estos proyectos antes habrían llevado días, y ahora se hacen en horas con agentes.
- Otros argumentan que la mayoría de estas apps son triviales, defectuosas y no representativas del software serio, comparándolas con la fotografía amateur con teléfono frente a fotógrafos profesionales de bodas.
Impacto en el trabajo de software, la economía y el SaaS
- Algunos predicen un enorme aumento en la oferta de software, lo que podría deprimir los salarios salvo que la demanda se dispare; se cita la paradoja de Jevons.
- Otros creen que solo el trabajo de gama baja o de tipo consultoría está en riesgo porque los sistemas de producción siguen necesitando ingeniería y mantenimiento robustos.
- Unos pocos prevén que la programación tradicional se convierta en una trayectoria profesional en contracción y enfatizan la necesidad de “retooling” hacia flujos de trabajo agénticos, especialmente para los desarrolladores más jóvenes.
- Hay un hilo fuerte sobre herramientas personales, internas, desplazando al SaaS en muchos flujos de trabajo, con un eventual ciclo capitalista de “externalización → internalización → externalización”.
Uso en educación, visualización y herramientas personales
- Varios educadores describen el uso de LLMs para construir rápidamente simulaciones, visualizaciones y ordenadores de enseñanza que querían desde hacía años pero nunca tuvieron tiempo de implementar.
- Las ayudas visuales se ven como algo “agradable de tener”, no crítico para la misión, así que los errores generados por IA resultan más aceptables.
- Algunas personas informan de herramientas altamente personalizadas para pequeños negocios o aficiones (p. ej., rastreadores de nicho, planificadores de equipamiento, ports de applets Java), a menudo mucho más útiles para ellas que el software comercial estándar.
Confianza, fiabilidad y casos de uso apropiados
- Hay un consenso fuerte en que los resultados de la IA deben revisarse; “generalmente no se puede confiar en ellos” es una frase recurrente, especialmente para código de producción o crítico para la seguridad.
- Algunos sostienen que la confianza debe plantearse como elegir la herramienta adecuada para el trabajo adecuado, no como autonomía total.
- Otros dicen que el código de LLM suele ser “atroz” y difícil de mantener, aceptable solo para juguetes y experimentos de bajo riesgo.
IA en matemáticas e investigación
- El uso por parte del autor del blog de agentes de codificación para suplementos interactivos de matemáticas se considera una elección pragmática y que ahorra tiempo, especialmente para materiales didácticos.
- Los comentaristas señalan un uso más amplio de la IA en la verificación formal y en la sugerencia de ideas en matemáticas puras y física teórica.
- Según se informa, algunos matemáticos temen el desplazamiento profesional; otros ven la IA principalmente como un multiplicador de fuerza.
Trayectoria general de la IA y debate sobre AGI
- Un bando insiste en que los modelos actuales son solo “loros estocásticos/vomitadores de tokens”, no autónomos ni genuinamente avanzados.
- Otro responde que esos mismos sistemas ya están contribuyendo a la investigación matemática y pueden escalar mucho más allá de la capacidad humana, sin ninguna “magia” en el cerebro.
- Surge un debate sobre si los teoremas de aproximación universal implican AGI práctica, con réplicas sobre los límites de energía, datos y arquitectura.
Código heredado y modernización
- Los agentes de codificación son elogiados por revivir o modernizar antiguos applets y juegos de Java a JavaScript/HTML, a veces con flujos de trabajo sorprendentemente fluidos.
- Queda la duda de si los agentes realmente manejan bien bases de código heredadas grandes y desordenadas, dada su necesidad de contexto; esto queda sin aclarar.