No seas un proxy de carne
La IA generativa se usa cada vez más como muleta en el trabajo, con gente pegando salida bruta de LLMs en chats, documentos y revisiones de código en lugar de pensar, validar y comunicarse con sus propias palabras. Los comentaristas describen esto como convertir a los humanos en “proxies de carne” que solo relatan respuestas de la IA, descargando el trabajo difícil de verificación y comprensión sobre los colegas y degradando la calidad del código, la documentación y la confianza. Muchos sostienen que las organizaciones necesitan normas o políticas explícitas —como “si pides atención humana, demuestra esfuerzo humano”— para asegurar que la IA siga siendo una herramienta de apoyo y no una forma de esquivar responsabilidades.
Queja central: “proxies de carne” y granadas de slop
- Muchos describen a compañeros pegando salida bruta de LLMs (a menudo precedida por “Claude dijo…”) en chats, PRs, docs o tickets.
- Eso traslada a otros la parte difícil: entender, verificar y resumir.
- La gente lo compara con lanzar “granadas de slop”, “BI slop” o ser un “teclado muy caro”.
- Se cita la ley de Brandolini: generar tonterías es barato; refutarlas es caro. Los LLMs amplifican radicalmente esta asimetría.
Impacto en la calidad del trabajo y los roles
- Ingenieros sénior informan que quedan reducidos a niñeros de IA o a poner el sello de aprobación a PRs de IA sin leer.
- Algunos ven los bucles de “ingeniería agéntica” (error → pegar a la IA → reintentar) como superficiales, con muy poca comprensión real.
- Otros dicen que los LLMs permiten a los buenos ingenieros centrarse en el diseño y en el trabajo de integración, y pueden elevar a los más flojos hasta un mínimo aceptable.
- Hay preocupación por los “vibe coders” y por organizaciones enteras que pierden habilidades fundamentales, creando futuras crisis de mantenimiento.
Propuestas de etiqueta y política
- Normas sugeridas:
- “Si estás pidiendo atención humana, demuestra esfuerzo humano.”
- Nunca envíes salida bruta de un LLM; proporciona un TL;DR escrito por una persona y tu propio juicio.
- Hacer que el comportamiento de “proxy de carne” tenga un coste social (ignorar esos mensajes, preguntar “¿Lo leíste?”).
- Algunas organizaciones añaden reglas al manual interno, exigen “solicitudes de atención” con preguntas sobre la documentación, o proponen Códigos de Conducta de IA.
- Debate sobre las consecuencias: algunos abogan por que las reincidencias sean motivo de despido; otros dicen que la cultura y los incentivos de la gestión son el verdadero problema.
Cuándo es aceptable relatar LLMs
- Una minoría sostiene que reenviar respuestas de IA puede estar bien cuando:
- La pregunta es trivial y el que pregunta claramente no lo intentó; similar a “déjame buscar eso en Google por ti”.
- Un experto hace un prompt una vez, revisa cuidadosamente un documento grande y luego lo comparte en lugar de que todos consulten por separado.
- Incluso así, muchos insisten en que quien lo envía debe haber leído y entendido la salida.
Estilo de los LLMs, jerga y carga cognitiva
- Quejas de que los modelos más nuevos son más lacónicos, tensos y cargados de jerga, lo que hace que el texto sea más difícil de interpretar.
- Algunos lo mitigan con instrucciones personalizadas (ELI5, Simplified Technical English, “suena un poco tonto pero sé correcto”).
- Otros señalan que las alucinaciones son menos frecuentes pero siguen siendo reales; la verificación y el conocimiento del dominio siguen siendo esenciales.
Preocupaciones más amplias: pereza, inteligencia y cultura
- Largos subhilos debaten si la tecnología (LLMs, internet, contenido de formato corto) está impulsando una disminución de la atención, del CI y del “efecto Flynn inverso”.
- Algunos prevén una “casta de la inteligencia”: quienes descargan el pensamiento en la IA frente a quienes siguen ejercitando el cerebro.
- Otros argumentan que lo que importa es la capacidad humano+máquina; tecnologías históricas (la escritura, las calculadoras, los compiladores) también cambiaron qué habilidades se practican.