Sigo siendo escéptico
El escepticismo sobre los modelos de lenguaje grandes choca con informes entusiastas de ganancias personales de productividad, mientras los desarrolladores discuten si las herramientas de IA realmente mejoran la calidad del software o solo crean la ilusión de trabajar más rápido. Muchos comentaristas advierten que las ganancias actuales parecen modestas y desiguales, plantean preocupaciones sobre la atrofia de habilidades, las alucinaciones, el code slop y el uso de la IA para homogeneizar y abaratar el trabajo intelectual, mientras que otros citan victorias concretas en depuración, refactorización y la posibilidad de emprender solos proyectos ambiciosos. Sobre el debate se cierne la inversión de 1,5 billones de dólares vertida en infraestructura de IA, con algunos prediciendo “empleados de IA” transformadores y otros temiendo una burbuja que podría estallar antes de que aparezcan beneficios amplios y duraderos.
Productividad percibida y cambios en el flujo de trabajo
- Muchos desarrolladores informan que se sienten significativamente más rápidos: más código, depuración más veloz y disposición a abordar proyectos más ambiciosos (p. ej., reescrituras completas de aplicaciones, lanzar varias apps en semanas).
- Otros enfatizan ganancias modestas: quizá 1,5–2x en tareas adecuadas, muy lejos de las afirmaciones de “10x” o “1000x”.
- Algunos argumentan que existe una gran brecha entre la productividad subjetiva y las mejoras organizacionales o macroeconómicas observables.
Medición, evidencia e impacto económico
- Varios comentaristas señalan estudios empíricos que sugieren pequeñas ganancias de productividad (~10%), no órdenes de magnitud.
- Otros contraargumentan que la productividad de los programadores es difícil de medir y que todavía es pronto; los efectos pueden estar retrasados.
- Algunos dicen que la industria tiene “casi nada que mostrar” a gran escala; otros apuntan a grandes conjuntos de bugs encontrados/corregidos con IA.
Calidad del software y seguridad
- Se elogia a los LLM por la depuración y la auditoría de seguridad: encontrar bugs y vulnerabilidades de larga data, generar reproducciones y pruebas detalladas.
- Los escépticos cuestionan el beneficio neto: riesgo de nuevos bugs, comprensión superficial y basura “programada por vibes” difícil de mantener.
- Algunos destacan que encontrar bugs mejora la seguridad teórica, aunque los problemas aún no se hayan explotado.
Trabajo, habilidades e industrialización
- Existe una fuerte preocupación de que los LLM homogeneicen el trabajo intelectual, haciendo a los desarrolladores más intercambiables y debilitando el poder de negociación.
- Otros argumentan que el software se industrializó hace mucho; los LLM son solo otra herramienta.
- A muchos les preocupa la atrofia de habilidades, la dependencia excesiva y un futuro en el que la mayoría de los programadores no pueda trabajar sin un LLM.
Patrones de uso y mejores prácticas
- Los usuarios productivos tratan a los LLM como empleados junior: delegan el trabajo pesado, revisan cuidadosamente los diffs, mantienen los cambios pequeños y se aseguran de comprender personalmente.
- Malos patrones: aceptar ciegamente grandes PR, usar IA para eludir la comprensión real y inundar bases de código/documentación con ruido verboso.
Ética, riesgo y burbuja de inversión
- Algunos subrayan las alucinaciones como una limitación permanente, inaceptable en contextos de vida o muerte.
- Otros se centran en daños aguas arriba: costos energéticos/ecológicos, “robo” de datos y efectos embrutecedores en los usuarios.
- Hay debate sobre la inversión de 1,5 billones de dólares en IA: algunos ven un retorno transformador inevitable; otros predicen un ciclo de auge y caída con centros de datos varados y un serio impacto financiero.
Nuevas posibilidades y “vibecoding”
- Varios señalan un cambio cualitativo: gente que lanza apps o juegos que nunca habría terminado antes, o que sigue siendo productiva pese a lesiones o deterioro cognitivo.
- Algunos sostienen que este “vibecoding” en sí mismo es un pasatiempo valioso y un beneficio para el consumidor, incluso si el impacto empresarial es menos claro.