Un año después del mandato del 100% de IA, nadie entiende nuestro código
Una publicación de Reddit que afirma que una empresa impuso código generado 100% por IA desencadena un debate sobre si la adopción agresiva de LLM está destruyendo la mantenibilidad, erosionando las habilidades de los desarrolladores y convirtiendo las bases de código en “AI slop” opaco. Los comentaristas sopesan el intercambio entre velocidad a corto plazo y deuda técnica a largo plazo, discutiendo cuándo —o si— conviene ir “a por todas” con agentes, y si la gestión está más impulsada por el FOMO y las métricas que por la calidad del producto o el crecimiento de los empleados. Algunos también cuestionan la autenticidad de estas historias virales de terror, señalando la aparición de contenido anti-IA generado por IA y herramientas de detección poco fiables, mientras que otros insisten en que los problemas de fondo —pérdida de comprensión, mal diseño e incentivos desalineados— son muy reales.
Momento y estrategia de adopción de la IA
- Muchos sostienen que “ir con todo” con la IA hace un año era arriesgado dado el rápido abaratamiento de los modelos: el mismo gasto compra mucha más capacidad más adelante.
- Otros responden que esperar para siempre también es irracional: el time-to-market, la presión competitiva y aprender haciendo también importan.
- Algunos proponen dejar que otros hagan primero el “Leeroy Jenkins” y luego copiar las mejores prácticas; otros replican que no puedes saber cuándo ha llegado la madurez y que los adoptantes tardíos seguirán repitiendo los errores de siempre.
- Se hacen comparaciones con la ley de Moore: para la mayoría de los usos de software hoy, es mejor empezar ahora que esperar a que los tokens sean más baratos.
Calidad del código, comprensión y deuda técnica
- Tema dominante: la IA acelera la producción y la deuda técnica. Las organizaciones acumulan bases de código enormes e incoherentes en las que nadie entiende la arquitectura.
- Varios describen sistemas generados por IA y “vibe-coded”: PR grandes y desordenados, reescrituras de funciones, duplicación y fragilidad donde solo un LLM puede depurar o modificar el código de forma viable.
- Otros señalan que “nadie entiende toda la base de código” ya era algo común en sistemas grandes antes de la IA; la IA sobre todo amplifica un problema existente.
Experiencia del desarrollador, habilidades e incentivos
- Varios comentarios describen que los mandatos de IA vuelven la programación algo sin alegría: días largos dedicados a promptar, esperar y revisar en lugar de aprender o diseñar.
- Preocupa que depender de la IA erosione la habilidad individual, el compromiso cognitivo y la diferenciación profesional. Se ve a los ingenieros como utilizados para optimizar métricas de la empresa (número de PR, velocidad de entrega) a costa de la artesanía.
- Algunos dicen que las personas aún pueden usar el tiempo liberado para profundizar en la comprensión y dejar que la IA se encargue de las partes “aburridas”; otros responden que las métricas de gestión y los mandatos hacen eso poco realista.
Cómo debería usarse la IA
- Varios abogan por usar los LLM como asistentes para análisis, refactorización, documentación y tareas pequeñas, no como agentes autónomos que posean bases de código enteras.
- Entre las sugerencias están la programación literaria y usar agentes para generar documentación de alta calidad, y luego refactorizar iterativamente.
Autenticidad y discurso “generado por IA”
- Un subhilo importante debate si la publicación original de Reddit fue generada por IA, citando una herramienta de detección de IA y “señales” estilísticas.
- Otros cuestionan la fiabilidad de los detectores y temen que etiquetar como “IA” el contenido que disgusta se convierta en una táctica perezosa para desestimarlo.
- Surge una inquietud más amplia sobre el engagement bait escrito por IA, la sensación de “internet muerto” y los humanos adoptando estilos de escritura parecidos a los de los LLM.