Cómo combato el cerebro frito por la IA

La creciente dependencia de agentes de programación con IA está dejando a muchos desarrolladores con sensación de sobrecarga cognitiva, mientras hacen malabares con múltiples sesiones de larga duración, cambios constantes de contexto y grandes cambios de código generados por IA que revisar. Los comentaristas proponen varias estrategias de afrontamiento —desde colas al estilo kanban, una delimitación más estricta de tareas y limitar el trabajo en paralelo hasta usar la IA principalmente para explicación o revisión en lugar de generación—, mientras que otros argumentan que simplemente hay que aceptar más tiempo ocioso y descansos. Un fuerte trasfondo de escepticismo apunta a la prosa escrita por IA y al contenido “slop”, reflejando preocupaciones más amplias sobre la atrofia de la comprensión profunda, estilos de escritura homogeneizados y una cultura que prioriza la velocidad y la automatización por encima del trabajo reflexivo.

Realidad del “cerebro frito por la IA”

  • Muchos comentaristas dicen que el agotamiento cognitivo por flujos de trabajo intensivos en IA es real, especialmente para programadores con experiencia que ahora se sienten poco preparados para entrevistas tradicionales o para el trabajo profundo.
  • Otros argumentan que el pánico está sobredimensionado: las capacidades de resolución de problemas pueden ejercitarse de muchas maneras, y lo que sobre todo se atrofia es la fluidez al programar, no el intelecto general.
  • Varios distinguen entre la cognición en bruto y los hábitos de pensamiento y comprensión de más alto nivel, que consideran más en riesgo cuando se externaliza demasiado a los agentes.

Multitarea, cambio de contexto y productividad

  • Tensión central: ejecutar muchas sesiones de agentes en paralelo frente a centrarse en una sola tarea.
  • Algunos ejecutan de 10 a 30 agentes concurrentes, comparándolo con gestionar un equipo, o incluso jugar muchas partidas de ajedrez a la vez; dicen que la atención pasa a tratarse de decisiones rápidas y locales, no de retener todo el contexto.
  • Otros se limitan a 1–3 tareas activas, y reportan mejor concentración, menos fatiga y, a menudo, un rendimiento efectivo igual o mayor.
  • Varias personas señalan que el cambio de contexto parece productivo, pero a menudo ralentiza la entrega neta, especialmente por los PR grandes y la carga de revisión.

Flujos de trabajo, herramientas y “Kanban para agentes”

  • Patrón común: tratar a los agentes como miembros del equipo gestionados mediante tickets, tableros kanban o archivos de incidencias residiendo en git.
  • La gente construye herramientas a medida (tableros TUI/GUI, rastreadores de incidencias locales, colas de “tu turno / turno de la IA”) o adapta GitHub/Jira/markdown/org-mode para seguir sesiones, decisiones y estado.
  • Varios enfatizan tareas pequeñas y bien acotadas, especificaciones explícitas y un “interrogatorio” inicial (preguntas y respuestas) para reducir interrupciones a mitad de tarea.

Estilo de escritura de la IA y reacción en contra

  • Fuerte reacción negativa a la prosa parcialmente generada por IA del blog; muchos dicen que pueden “oler” el estilo del modelo y lo encuentran verboso, lleno de clichés y deshumanizador.
  • Algunos argumentan que las entradas de blog escritas por IA señalan poco esfuerzo y erosionan la confianza; unos pocos dicen que ahora dejan de leer en cuanto detectan “slop de IA”.
  • A otros les resulta indiferente: si el texto comunica la idea, no les importa si un modelo redactó el borrador, especialmente en escritos no literarios.

Calidad del código, velocidad y comprensión humana

  • Los LLM aceleran enormemente la redacción de código, pruebas y refactorizaciones, pero los revisores informan de abstracciones frágiles y costuras de deuda técnica que aún requieren una poda humana considerable.
  • Una preocupación recurrente: no interiorizas el código escrito por IA como el tuyo propio, debilitando la comprensión a largo plazo.
  • Los modelos rápidos reducen el impulso de paralelizar, pero los cuellos de botella externos (compilaciones, pruebas, CI, herramientas) mantienen significativo el “tiempo de espera del agente”.

Límites humanos y cuestiones culturales

  • Varios comentarios sugieren usar el “tiempo de pensamiento del agente” como un descanso: leer, caminar, música, reflexión, en vez de poner en marcha más trabajo.
  • Algunos piden resistirse a la cultura del sector de la velocidad a cualquier costo, haciendo hincapié en el enfoque profundo, leer libros y hacer menos pero mejor.