Qué le hizo la IA a Stack Overflow en un gráfico
El volumen de preguntas de Stack Overflow se ha desplomado desde un pico en 2014 hasta una fracción mínima de su actividad anterior, lo que ha desatado el debate sobre si la IA generativa o problemas estructurales de larga data tienen más culpa. Muchos sostienen que la moderación hostil, el cierre agresivo de duplicados, la gamificación y las respuestas obsoletas ya habían alejado a los usuarios años antes de ChatGPT, mientras que otros ven la IA como el acelerador निर्णivo que volvió obsoleto esperar respuestas humanas. El hilo también plantea preocupaciones sobre de dónde obtendrán datos de entrenamiento frescos los futuros sistemas de IA, ahora que los sitios de Q&A impulsados por humanos, los canales internos de ayuda y los blogs técnicos también ven caer el interés.
Forma de la caída (según el gráfico)
- La actividad alcanza su pico alrededor de 2014 y luego sigue una tendencia descendente desde aproximadamente 2016.
- La COVID produce un aumento temporal en 2020.
- Alrededor de finales de 2022–2023 (la era de ChatGPT), las preguntas caen bruscamente, aproximadamente a la mitad en un año y bajando cerca de un 99% desde el pico para 2026.
- Algunos sostienen que la curva parece una “campana” y que ya estaba bien explicada por dinámicas a largo plazo; otros dicen que múltiples fuerzas distintas moldean diferentes partes de ella.
IA frente a problemas preexistentes
- Un bando: la IA es la causa principal; los LLM ofrecen respuestas instantáneas y conversacionales, así que los usuarios dejan de preguntar en SO y en canales internos “tipo SO” (Slack, etc.).
- Otro bando: SO ya estaba en serio declive por su cultura y diseño; la IA simplemente dio el “golpe de gracia” o aceleró un desenlace inevitable.
- Algunos subrayan que la caída de las contrataciones, los tipos de interés más altos y otros factores macro también redujeron la demanda de Q&A de programación.
Moderación, cultura y gamificación
- Muchos describen SO como hostil: cierres agresivos (especialmente como “duplicate”), comentarios sarcásticos o despectivos, y una cultura de Meta vista como santurrona.
- Los umbrales de reputación, las eliminaciones de “esto debería ser un comentario” y las ediciones minuciosas hicieron que los recién llegados se sintieran no bienvenidos; incluso usuarios con mucha reputación reportan frustración.
- Otros defienden la moderación estricta como esencial para la calidad y argumentan que los críticos malinterpretaron el objetivo del sitio (una referencia curada, no un foro de chat).
- La gamificación incentivó trabajo inútil, el gatekeeping y el dominio de los primeros participantes en lugar de la custodia del conocimiento a largo plazo.
Fallos de diseño y contenido envejecido
- El modelo de “pregunta y respuesta canónicas” choca con un campo que cambia rápido: las respuestas aceptadas viejas permanecen, mientras que las nuevas preguntas se cierran como duplicadas.
- Era común cerrar por duplicado hacia hilos sin respuesta o solo vagamente relacionados, desperdiciando el esfuerzo de quienes preguntaban.
- La falta de conversación y de enfoque en la comunidad significó poco motivo para quedarse una vez que apareció un mejor canal de respuestas (LLMs, Discord, GitHub).
Cambio hacia alternativas y reutilización de datos
- Muchos ahora prefieren:
- LLMs (por la inmediatez, la cortesía y la depuración tipo “rubber-duck”).
- Issues/discussions de GitHub, Discords de proyectos y Reddit.
- Se cree ampliamente que el contenido de SO es una de las principales fuentes de entrenamiento para los LLM de código; algunos se preocupan por los datos de entrenamiento futuros a medida que los sitios de Q&A y los blogs también declinan.
Comparaciones y problemas de gobernanza
- Los usuarios vinculan la caída con la propiedad de capital privado y episodios controvertidos (p. ej., conflictos con moderadores) como señales de mala gestión.
- Se trazan paralelos con Reddit y Wikipedia: tensiones similares en torno a una moderación de mano dura, el agotamiento de la comunidad y la IA canibalizando el tráfico.