Cómo uso la IA (oct 2026)

Las afirmaciones de que la “codificación está resuelta” gracias a los agentes modernos de IA provocan una fuerte discrepancia: algunos ingenieros informan enormes ganancias de productividad con herramientas como Claude y Copilot, y otros señalan arquitecturas frágiles, errores sutiles y una sensación general de que la calidad del software para el usuario final está empeorando. Muchos ven los LLM como excelentes tutores y aceleradores para la codificación rutinaria y el diseño de sistemas, pero insisten en que el juicio humano, la arquitectura y una revisión cuidadosa siguen siendo esenciales, especialmente a medida que aumentan los costos de tokens y los flujos de trabajo multia agente resultan mentalmente agotadores. El hilo también profundiza en la música y el video generados por IA, donde las opiniones se dividen entre verlos como nuevas herramientas creativas legítimas y condenarlos como slop vacío que erosiona la expresión humana y la calidad de los datos de entrenamiento.

Estado de la codificación con IA (“la codificación está resuelta”)

  • Algunos sostienen que, para muchas tareas de software típicas, los LLM ahora pueden tomar un ticket de Jira y producir un PR que se pueda fusionar, haciendo que la codificación manual sea en gran medida innecesaria.
  • Otros discrepan con fuerza de que esté “resuelta”: el modelado de dominio, la arquitectura, el rendimiento y la mantenibilidad a largo plazo siguen siendo difíciles; los LLM ayudan con la sintaxis y el código repetitivo, no con el diseño profundo.
  • Varias personas señalan que los modelos rinden mejor cuando un proyecto está bien estructurado y tiene patrones claros; se comportan peor en bases de código desordenadas, libres o complejas.

Agentes, flujos de trabajo y fatiga

  • Algunas personas ven los “enjambres” multia agente como potenciadores mágicos de productividad; otras los consideran caros, inestables y mentalmente agotadores.
  • Hacer malabares con muchos hilos de agentes concurrentes se describe como más estimulante de lo normal en comparación con la programación tradicional.
  • Una visión contraria: los practicantes de nivel frontier dependen cada vez más de menos agentes, mejor alineados, junto con procesos sólidos, no de enjambres.

Calidad del código, revisión y fiabilidad

  • Los reportes de errores “insidiosos” e implementaciones extrañas (p. ej., copiar bases de datos completas para actualizar una sola fila) subrayan la necesidad de revisión humana, pruebas sólidas y especificaciones claras.
  • Algunos afirman que casi ya no leen código, confiando en agentes + revisores automáticos + QA y rollbacks; otros consideran esto temerario e insisten en que revisar el código generado sigue siendo esencial.
  • Hay desacuerdo sobre si el código escrito por IA ya es mejor que el de la mayoría de los desarrolladores humanos o simplemente más rápido produciendo “slop” de baja calidad.

Economía: tokens, hardware y empleos

  • El alto gasto en tokens (miles por mes) se ve por algunos como justificado para investigación o trabajo rápido de producto, y por otros como derrochador en comparación con comprar equipos locales de GPU.
  • Muchos ven la IA como un fuerte multiplicador más que como un destructor de empleos: todavía se necesitan ingenieros para especificar, validar e iterar.
  • Preocupaciones sobre la “descalificación” de los programadores frente al optimismo de que los desarrolladores más débiles serán empujados hacia una base más alta.

Datos de entrenamiento y calidad a largo plazo

  • Un lado teme que el entrenamiento de modelos se degrade a medida que más contenido generado por IA inunde la web.
  • Otros responden que el aprendizaje por refuerzo, los datos sintéticos y mejores procesos pueden seguir mejorando el rendimiento.

IA para arte, música y video

  • Debate acalorado: algunos consideran que la música y las imágenes generadas por IA son sin alma e inherentemente no artísticas; otros dicen que el arte se define por la intención y la respuesta humanas, y que la IA es solo otra herramienta.
  • Muchos trazan un contraste marcado entre el entusiasmo por el código generado por IA y la incomodidad u hostilidad hacia el arte y la música con IA.
  • Se citan ejemplos de cortometrajes y música asistidos por IA como obras creativas “reales”, aunque algunos espectadores siguen percibiendo una cualidad inquietante, no del todo humana.

La IA como profesora y ayuda para la investigación

  • Hay un fuerte acuerdo en que los LLM son excelentes para aprender y profundizar en temas complejos (p. ej., política energética), especialmente cuando muestran buenas fuentes primarias.
  • Aun así, la confianza es limitada: la gente insiste en verificar las afirmaciones y tratar las explicaciones de la IA como puntos de partida, no como autoridades.

Calidad del software y la “burbuja”

  • Varios comentaristas señalan que el software moderno se siente más frágil y con más errores a pesar de las afirmaciones de que la IA ha “resuelto” la codificación.
  • Hay debate sobre si la IA es una verdadera revolución de productividad o solo otra burbuja tecnológica; algunos ven mejoras constantes e innegables, otros ven sobre todo hype y una degradación suave del producto.