Programación avanzada en lenguajes de programación con pocos recursos
Los avances en los modelos de lenguaje de gran tamaño están permitiendo que sistemas de IA escriban y migren código en lenguajes de programación antiguos o de nicho como COBOL, Fortran e incluso sintaxis personalizadas o esotéricas, lo que plantea la posibilidad de que la elección del lenguaje sea mucho menos restrictiva para los proyectos de software. Los comentaristas destacan tanto logros impresionantes —como LLMs que reimplementan SQLite o ayudan a invertir en ingeniería plataformas heredadas de juegos— como serias preocupaciones sobre depender de salida de IA “codificada por vibes” para infraestructura financiera o de misión crítica, donde el mantenimiento, la verificación y la cobertura de pruebas siguen siendo fundamentales. Muchos ven potencial en usar la IA para entender y modernizar sistemas heredados en lugar de reemplazarlos por completo, especialmente a medida que los mantenedores humanos expertos se jubilan de la fuerza laboral.
Sistemas de misión crítica y “vibe coding”
- Fuerte rechazo al uso de “vibe code” generado por LLM para sistemas bancarios, nucleares y de aviónica.
- Algunos bromean con que esos sistemas podrían llegar a ser “demasiado importantes” como para dejarlos en manos humanas falibles, y se señalan contraejemplos de humanos que evitaron desastres.
- Los comentaristas observan que estos sistemas dependen de métodos formales, pruebas y código probado durante años; los LLM podrían ayudar a entender código heredado, pero no deberían redactar la lógica central de seguridad.
- El mantenimiento se ve como el verdadero cuello de botella; muchos escribirían con entusiasmo Rust desde cero, pero muchos menos quieren mantenerlo a largo plazo.
La elección del lenguaje se vuelve más fungible
- Varios ven como “ciencia ficción” que la elección del lenguaje pueda volverse tan temporal como el nombre de una variable, gracias a los LLM y a los agentes.
- Otros sostienen que las reescrituras frecuentes indican mala planificación y aumentan el riesgo; prefieren código que evolucione y esté bien probado.
- Punto de vista contrario: con buenas especificaciones y pruebas, el lenguaje de implementación es un detalle de implementación; migrar entre lenguajes más fácilmente puede reducir la deuda técnica.
- Motivaciones de ejemplo: prototipar en Python y luego reescribir en Rust, o pasar de Smalltalk a Go por razones de despliegue.
LLMs y lenguajes de bajo recurso / nicho
- Varios informes señalan que los modelos punteros ya manejan bien lenguajes personalizados u oscuros cuando se les dan reglas o habilidades en contexto.
- Comunidades de nicho (por ejemplo, en torno a tecnología multimedia heredada) están usando LLMs para acelerar esfuerzos de ingeniería inversa y preservación.
- A algunos les sorprende que el rendimiento en COBOL vaya por detrás mientras que Lisp y otros lenguajes lo hacen relativamente bien; no está claro si se debe a escasez de datos o a limitaciones más profundas.
- Hay interés en cómo se generalizan los modelos a lenguajes esotéricos o recién inventados.
SQLite desde cero y benchmarks
- La tarea interna de OpenAI de reimplementar SQLite, incluso en lenguajes como PowerShell o PHP, se considera impresionante pero también algo teatral.
- Algunos subrayan que hacer una implementación compatible con SQLite y con suites de pruebas sólidas es un benchmark de capacidad duro pero plausible, no un reemplazo de producción.
- Se hacen comparaciones con intentos fallidos de compiladores C generados por LLM; hay debate sobre si SQLite o un compilador C es en realidad más difícil.
Assembly y nuevas sintaxis de bajo nivel
- Se discuten nuevas sintaxis de assembly más de alto nivel (por ejemplo, con tipos al estilo C y bloques estructurados) como potencialmente más amigables para los LLM.
- La opinión es que los LLM ya son buenos con mnemónicos brutos, así que los beneficios quizá tengan más que ver con la legibilidad humana que con necesidades de la IA.
- Se citan ejemplos de esfuerzos similares previos y escepticismo sobre una adopción generalizada, aunque algunos ven una posible reaparición si los flujos de trabajo con LLM favorecen esos objetivos.
Reflexiones más amplias sobre lenguajes heredados y de nicho
- Nostalgia por los lenguajes de la era de los mainframes y por las restricciones de recursos; la sensación de que la IA cambiará a los programadores de “tecleadores” a diseñadores de soluciones.
- Ligera decepción porque algunos lenguajes de nicho muy queridos (Haskell, Clojure, Forth) no aparezcan en el foco del artículo, aunque muchos esperan que los LLM los manejen razonablemente bien.
- Consenso general: la elección del lenguaje importa menos para los LLM que para los humanos, pero la seguridad, las pruebas y el mantenimiento a largo plazo siguen importando muchísimo.