Sí, y

Futuro de los trabajos de programación con IA

• Muchos esperan que los LLM reduzcan el número de puestos tradicionales de desarrollo, especialmente los de nivel junior; algunos informan que ya han desaparecido.
• Otros sostienen que la programación más barata aumenta la demanda de software, así que los programadores (o los roles adyacentes a la programación) siguen siendo valiosos, aunque las proporciones y las tareas cambiarán.
• Una visión: los devs se convierten en redactores de especificaciones, responsables de decisiones de arquitectura y supervisores de IA; una visión más extrema dice que la IA acabará asumiendo también esas tareas, como cualquier trabajo basado en pantalla.

Aprender a programar vs roles de “traductor”

• Algunos dicen que programar en profundidad es una mala inversión; mejor convertirse en un experto de dominio (construcción, minería, sanidad, etc.) que usa IA para crear herramientas.
• Réplica: no puedes usar la IA de forma fiable para generar y evaluar código si no entiendes el código; dominio + programación se presenta como un “superpoder”.
• Hay un amplio apoyo a “X + CS”: contables, analistas y gerentes que saben programar se consideran 10x en sus funciones.

Leer vs escribir código, fundamentos

• Hay desacuerdo sobre si leer y escribir código son la misma habilidad; varios dicen que leer bases de código grandes y desordenadas es algo distinto y mucho más difícil.
• Algunos temen que los LLM atrofien la lectura de código y las habilidades de pensamiento profundo; otros señalan que los LLM ya pueden encontrar errores sutiles mejor que ellos.
• Muchos siguen valorando los fundamentos (estructuras de datos, conceptos de bajo nivel, control de la complejidad) como la parte duradera de la educación en CS.

Vibe coding, complejidad y arquitectura

• El “vibe coding” mediante LLM se elogia por su velocidad, pero se critica por generar “slop”: sistemas redundantes, excesivamente complejos o inconsistentes.
• Preocupaciones: salida rápida de funciones sin comprensión, acumulación de código más rápido de lo que los humanos pueden entender, y agentes que tienen dificultades con sistemas brownfield/heredados.
• Varios argumentan que la arquitectura, el refactorizado y la gestión de la complejidad ganan importancia a medida que la IA abarata el volumen de código.

LLMs vs compiladores y determinismo

• Un hilo importante sostiene que prompt→código no es como alto nivel→ensamblador: puedes razonar sobre la salida del compilador; el comportamiento de los LLM debe explorarse experimentalmente.
• Algunos califican a los LLM de “caóticos”: pequeños cambios en el prompt pueden producir diferencias grandes e impredecibles, incluso con temperatura 0.
• Otros replican que los compiladores y sistemas del mundo real ya son lo bastante impredecibles como para que la mayoría de los devs simplemente “toquen hasta que funcione” de todos modos.

Educación, esfuerzo y mercado laboral

• Debate sobre obligar a los estudiantes a programar a mano: algunos lo ven como una lucha necesaria para “forjar el carácter”; otros dicen que nadie renunciará a un botón de IA de “hazlo”.
• La IA como “gran TA” es un tema recurrente cuando se usa para explicaciones, no para soluciones llave en mano.
• Varios comentarios describen el mercado laboral junior actual como excepcionalmente malo, y sugieren como estrategias de supervivencia el networking (ampliamente definido) y caminos que no sean de programador puro.