Ya no me interesa trabajar en ningún gem de Ruby, así que he archivado todos mis repositorios
Un veterano desarrollador de Ruby ha archivado todos sus gemas de código abierto, argumentando que los modelos de lenguaje están exprimiendo código escrito por humanos y convirtiendo la programación en “slop” de baja calidad generado por IA. Los comentaristas están profundamente divididos: algunos comparten una sensación de duelo y desmotivación porque la codificación artesanal y el trabajo comunitario de código abierto se sienten devaluados, mientras que otros ven los LLM como herramientas potentes que democratizan la creación de software y liberan a los ingenieros de tareas repetitivas. Debajo del drama lingüístico y específico de Ruby hay preocupaciones más amplias sobre la seguridad laboral, la calidad del código, la captura regulatoria y si el software del futuro seguirá siendo comprensible y hecho de manera significativamente humana.
Respuesta emocional y pérdida de la alegría
- Muchos programadores de larga trayectoria, especialmente quienes valoraban el código como un oficio, describen duelo, desmotivación y una sensación de que “la diversión se ha ido”.
- Ruby se ve como emblemático de la “codificación alegre”, así que la mensajería centrada en LLM sobre Ruby/Rails se siente como una traición a esa cultura.
- Varios comparan el cambio con pasar de la carpintería artesanal o la sastrería a vigilar robots de fábrica; aún puedes practicar el oficio, pero sobre todo como un pasatiempo no económico.
IA como herramienta vs reemplazo
- Algunos se sienten liberados: los LLM eliminan el trabajo tedioso (CRUD, boilerplate, depuración de pegamento), permiten a individuos construir proyectos ambiciosos y posibilitan que personas sin experiencia creen software.
- Otros ven esto como vaciar las partes interesantes del trabajo, convirtiendo a los ingenieros en “gestores de agentes” o gerentes de producto, algo que nunca quisieron ser.
- Hay desacuerdo sobre si usar agentes es en sí mismo un oficio legítimo y agradable o inherentemente una degradación de la programación.
Open source, licencias y “strip-mining”
- Hay un fuerte sentimiento de que el open source ha sido “strip-mined” para el entrenamiento de LLM: trabajo no remunerado raspado, mezclado con código propietario y vendido de vuelta como acceso por API.
- Algunos argumentan que esto siempre fue cierto en el uso corporativo de OSS; otros ven el entrenamiento de LLM como cualitativamente peor.
- Se plantean ideas: copyleft más fuerte, nuevas versiones de la GPL “a prueba de IA” y software público financiado por el gobierno; hay escepticismo sobre que algo de esto vaya a restringir a los grandes proveedores.
Calidad, mantenibilidad y “vibe coding”
- Preocupa ampliamente que la IA fomente sistemas superficiales y no deterministas de “vibe coded”: código que funciona hoy pero es frágil, incoherente y difícil de razonar.
- Preocupación de que los mantenedores se ahoguen en PRs y reportes de errores de bajo esfuerzo hechos con IA, empujando a más de ellos a archivar o abandonar proyectos.
- Contrapunto: con buena disciplina, los LLM pueden mejorar la refactorización, las pruebas y la integración; algunos afirman tener mejor cobertura y mejores herramientas en sus proyectos personales que en el trabajo.
Economía y mercado laboral
- Analogías: robots baratos vs carpinteros maestros; factorificación del software; reemplazo de trabajadores de fábrica y mineros por máquinas.
- Algunos afirman reducciones de costes de un orden de magnitud para muchas tareas; otros dicen que los costes reales (I+D, infra, externalidades) se desconocen y probablemente sean altos.
- Temor a que los salarios de SWE y el número de empleados caigan a medida que maduren los flujos de trabajo con agentes; llamados a sindicalización, pero escepticismo sobre que cambie mucho.
Regulación, poder y modelos abiertos
- Discusión sobre escenarios de captura regulatoria: prohibiciones nacionales de modelos específicos, presión sobre la cadena de suministro de hardware y uso de temores de seguridad para justificar la centralización.
- Esperanza de que los modelos de pesos abiertos y autoalojados limiten los “rug pulls”; contrarrestado por preocupaciones sobre regulación y cuellos de botella de cómputo.
Impacto en software y ecosistemas (hasta ahora)
- Algunos ven poco renacimiento real: las herramientas principales (SO, aplicaciones grandes, CAD, suites creativas) no se transforman de forma evidente, y muchas nuevas apps creadas con IA parecen de baja calidad.
- Otros señalan cambios más discretos: ingeniería inversa rápida, herramientas internas a medida, ports, automatización personal y pequeños proyectos de nicho que no habrían existido antes.
- La expectativa es que, a medida que los mantenedores humanos se vayan, los ecosistemas pueden sufrir en estabilidad e innovación, incluso mientras la IA produce más código que nunca.