Trabajar con IA se siente más como liderazgo que como programar
Trabajar con modelos de lenguaje grandes como asistentes de programación está llevando a los ingenieros a comparar esa labor menos con la programación tradicional y más con la gestión: definir objetivos, delegar tareas y revisar la salida de una multitud de “contratistas junior” rápidos pero poco fiables. Algunos sostienen que esto recompensa a quienes tienen experiencia en gestión de proyectos o de personas, mientras que otros insisten en que el conocimiento técnico profundo y la disciplina de ingeniería convencional siguen importando tanto como siempre, y que la IA debe verse como una herramienta potente pero propensa a errores. Debajo del debate hay preocupaciones sobre el aumento de la deuda técnica, la tendencia a antropomorfizar en exceso los modelos y cómo la dependencia de la IA puede reconfigurar tanto la calidad del software como las trayectorias profesionales en ingeniería.
Cómo se “siente” programar con IA
- Muchos ven la programación asistida por IA más cerca de la gestión que de la programación práctica: asignar tareas, supervisar el progreso, corregir el rumbo.
- Otros sostienen que todavía se siente como programar: el mismo modelo mental, la misma arquitectura y las mismas preocupaciones de bajo nivel, solo que con menos tecleo.
- Algunos proponen metáforas alternativas: dirigir una película, orquestación, gestionar contratistas, supervisar becarios o lidiar con una burocracia.
Debate sobre liderazgo vs. gestión
- Varios comentaristas insisten en que el liderazgo trata fundamentalmente de personas (visión, motivación, influencia mutua), por lo que el trabajo con LLM no puede ser liderazgo.
- Otros usan “liderazgo” de forma laxa para significar dirección de nivel superior: fijar objetivos, descomponer tareas, coordinar múltiples agentes.
- Una postura de compromiso habitual: trabajar con LLM es como el trabajo de un líder de producto/tecnología, pero sin los componentes sociales/emocionales.
Habilidades que importan
- Dar instrucciones a la IA se compara repetidamente con:
- Recopilación de requisitos y criterios de aceptación.
- Delegación, puntos de control de calidad y gestión de excepciones.
- Diseñar “el cuenco” que restringe el “agua” (la salida del LLM).
- Algunos afirman que quienes tienen experiencia en gestión o diseño de procesos obtienen mejores resultados; otros reportan lo contrario.
- El uso eficaz requiere mantener un modelo mental sólido, revisar las salidas y tratar los LLM como herramientas para tareas acotadas, no como programadores totalmente autónomos.
Fiabilidad, basura y deuda técnica
- Hay fuertes preocupaciones sobre el “vibecoding”: aceptar ciegamente la salida de la IA, produciendo enormes volúmenes de código de baja calidad y bancarrota técnica.
- Las anécdotas describen a líderes sin experiencia en programación que confían en la IA sin cuestionarla, generan decenas de miles de líneas de código roto y descarrilan proyectos.
- Los contraejemplos muestran éxito cuando la IA se trata como un junior rápido pero propenso a errores: tareas pequeñas, revisión estricta, pruebas y salvaguardas.
Impacto en el trabajo y las carreras
- Algunos se sienten empoderados: iteración más rápida, menos trabajo tedioso, más foco en la arquitectura y la definición del problema.
- Otros lamentan la pérdida del placer de programar a mano, describiendo un cambio hacia un trabajo permanentemente parecido a la gestión que nunca quisieron.
- Varios señalan menor contratación o congelación de la expansión de los equipos de desarrollo porque los LLM cubren más producción.
- Hay desacuerdo sobre si los LLM “igualan” al elevar a los devs más débiles y neutralizar el talento superior, o si simplemente amplifican las diferencias de habilidad existentes.
Antropomorfización y límites
- Muchos advierten contra tratar a los LLM como personas: no tienen agencia, ni moral, ni apuestas profesionales.
- Gestionar LLM carece de las partes difíciles del liderazgo real: emociones, conflicto, retención y responsabilidad por resultados humanos.