- En la industria del software, el burnout de los ingenieros se está agravando, y en particular los ingenieros junior están causando problemas de calidad de código y colaboración por el abuso de herramientas de IA
- La retroalimentación de los ingenieros senior, en vez de usarse como oportunidad de aprendizaje, se convierte en un nuevo prompt para la IA, y el "código escrito por IA" termina consumiendo la revisión de todo el equipo
- En algunas organizaciones, el código incompleto generado por IA se presenta como si fuera un “logro”, creando un ambiente que fomenta la dependencia de la IA
- El autor, a partir de su experiencia directa, sintió malestar y extrañeza al recibir respuestas de código generadas por IA, y critica que la IA más bien está dañando la cultura de aprendizaje y mentoría
- También enfatiza que el ecosistema de startups de IA terminará siendo insostenible por su falta de viabilidad económica, consumo eléctrico y problemas ambientales, y que la situación actual no es muy distinta del fraude de “el emperador está desnudo”
Introducción: un entorno de ingeniería inquietante
- Últimamente, el burnout entre los ingenieros se ha intensificado
- En las organizaciones, se espera que los ingenieros senior revisen y contribuyan a "funciones basadas en vibra (meme)" que en la práctica ni siquiera funcionan
- Según mi experiencia, los mejores ingenieros siempre tienen entusiasmo por ayudar a que los nuevos miembros del equipo crezcan
- Pero, en lugar de que esa retroalimentación se use como una oportunidad de crecimiento, los desarrolladores junior simplemente la usan como el siguiente prompt para una IA generativa
- De hecho, he visto directamente muchos casos de ingenieros junior usando herramientas de LLM (modelos de lenguaje de gran tamaño) hasta un nivel que ya roza el abuso
Casos reales dentro de la organización: los daños del abuso de la IA
- Recientemente, en un town hall de la empresa, vi a ingenieros junior presentar demos de nuevo trabajo
- Ni siquiera parecía que entendieran bien el propósito o el funcionamiento de las funciones
- Pero en organizaciones grandes, el foco suele ponerse en escenificar el “éxito” sin importar el resultado real
- Cuando un senior manager mostró públicamente sus casos de uso de IA, explicó con orgullo: “estas son 4 mil líneas de código escritas por Claude”, y recibió aplausos
- Yo mismo recibí una solicitud para hacer una pequeña mejora a una función existente y, al revisar el código, le pedí contexto al ingeniero junior que la había modificado recientemente
- Le envié la URL del commit en GitHub con mi pregunta, pero parece que metió ese contenido en un LLM y luego copió y pegó la respuesta que recibió
- En ese proceso sentí una extraña sensación de desajuste e incomodidad
La pendiente de la IA y los límites de la revisión de código
- A través del caso de un amigo, confirmé que realmente está ocurriendo un desperdicio de tiempo en el que varios ingenieros pasan un mes entero revisando e intentando fusionar código generado automáticamente por un LLM (
vibe-coded PRs)
- Otro amigo también contó que terminó agotado de revisar repetidamente “código chapucero” hecho por IA
- Gracias a la IA no se mejora la calidad del código ni se aprende más; solo aumenta el trabajo repetitivo
La cultura de desarrollo y el verdadero valor del crecimiento humano
- Todos los ingenieros crecen paso a paso gracias a sus colegas y mentores
- Enseñar directamente y ayudar a otros a crecer es la esencia de la cultura de la ingeniería de software
- Pero incluso esa inversión empieza a parecer vacía cuando el resultado termina copiándose de inmediato como datos de entrenamiento del “modelo más reciente”
- Entonces surge una pregunta fundamental: ¿sería mejor entrenar solo al modelo en lugar de formar a un ingeniero junior?
- Ese sería un panorama muy sombrío.
El experimento de no usar IA y la conclusión
- Propone de manera directa un experimento: “dejen de usar IA por un tiempo”
- Él mismo, al reiniciar recientemente su computadora, canceló su suscripción a Claude Pro
- Hacer unas cuantas búsquedas y leer Stack Overflow y la documentación oficial le permitió llegar a conclusiones mucho más confiables
- Llegó a pensar que su propio juicio era superior en precisión y confiabilidad a los resultados que entregan los LLM.
El valor económico de las herramientas de IA generativa y sus límites esenciales
- Plantea la pregunta: “¿la IA realmente sirve?”
- Objetivamente, la situación da pie a serias dudas sobre su valor
- El proceso típico de una startup de IA sería el siguiente:
- Se aplica “IA” a un campo ya existente, y aparece una startup con el argumento de la eficiencia
- La startup de IA logra atraer inversión de capital de riesgo
- Paga tarifas de uso a empresas proveedoras de IA (como OpenAI)
- La propia startup de IA no logra generar ganancias
- Viéndolo solo desde ese proceso, no parece tan distinto del ecosistema tradicional de VC, pero la diferencia clave es que ni siquiera los proveedores del servicio (como OpenAI) siguen generando ganancias todavía
- La tecnología en sí es intrínsecamente ineficiente, con una estructura poco favorable para escalar masivamente
- El consumo excesivo de electricidad y los efectos ambientales también son un problema serio
Cierre: la necesidad de reconocer la realidad
- Uno puede desear que la ley de Moore resurja, o esperar que todos se hagan ricos antes de que el universo se enfríe
- Pero si miramos la realidad de frente, el negocio de la IA generativa es una especie de fantasía, un fenómeno de “el emperador está desnudo”
Aún no hay comentarios.