- Desde la adopción de la IA, la productividad ha aumentado, pero también se ha intensificado la fatiga entre los ingenieros
- La velocidad de trabajo se aceleró, pero también crecieron la carga laboral y las expectativas, aumentando la carga humana de coordinación y revisión
- La revisión y evaluación repetidas del código generado por IA acumulan fatiga de decisión y desgaste cognitivo
- La persecución constante de nuevas tecnologías, la fatiga por el cambio de herramientas y las salidas no deterministas de la IA provocan ansiedad y burnout
- Para un uso sostenible de la IA, es indispensable establecer límites, gestionar el tiempo y reducir el perfeccionismo
La paradoja entre productividad y fatiga con la IA
- La IA acorta el tiempo de cada tarea individual, pero al mismo tiempo aumenta el volumen total de trabajo y las expectativas
- En comparación con cuando se dedicaba un día entero a una sola tarea, ahora se abordan varios problemas a la vez, lo que eleva el costo del cambio de contexto
- Los costos de producción bajaron, pero aumentaron los costos de coordinación, revisión y juicio, y esa carga recae por completo en las personas
- Aunque la IA genere código rápidamente, la fatiga cognitiva humana termina aumentando
Del creador al revisor
- Con la adopción de la IA, el rol del ingeniero pasó de creador a evaluador
- Ingresar prompts, revisar resultados y juzgar precisión y seguridad se convierten en el centro del trabajo repetitivo de evaluación
- El trabajo generativo induce concentración, pero el trabajo evaluativo genera fatiga
- Debido a la baja confiabilidad del código generado por IA, aumenta la carga de revisar cada línea
- Por eso crece la importancia de los sistemas de seguridad y gestión de permisos, y se vuelve necesario reducir la carga cognitiva humana
El problema de la no determinación
- La IA es un sistema no determinista que puede producir salidas distintas ante la misma entrada, lo que choca con la forma de pensar de los ingenieros
- Un mismo prompt puede generar resultados diferentes, causando una inestabilidad imposible de depurar
- Para mitigarlo, se desarrolló Distill, una herramienta determinista de refinamiento de contexto que asegura consistencia en las entradas
- Algunos ingenieros consideran la salida de la IA como un “borrador imperfecto” y responden incluyendo el tiempo de corrección en su presupuesto
FOMO y fatiga por herramientas
- En los últimos meses han aparecido rápidamente numerosos agentes de IA, frameworks y SDKs
- El intento de mantenerse al día con nuevas herramientas provoca un círculo vicioso de aprendizaje continuo y reemplazo
- Se produce pérdida de conocimiento y trabajo duplicado, y en algunos casos quienes esperaron terminan siendo más eficientes que los primeros adoptantes
- El autor adopta un enfoque centrado en la capa de infraestructura (permisos, contexto, seguridad) para no verse sacudido por los cambios de herramientas
La trampa de “solo un prompt más”
- Como la salida de la IA no es perfecta, se cae en la repetición de ajustar prompts
- Los intentos repetidos parecen productivos, pero en realidad desperdician tiempo ajustando prompts en vez de resolver el problema real
- Para asegurar eficiencia, se aplica la “regla de los 3 intentos”: si después de tres intentos no resulta útil en más de un 70%, se escribe directamente
El choque entre perfeccionismo y salidas probabilísticas
- La salida de la IA casi siempre está en un nivel de “casi correcto”, lo que genera gran estrés en ingenieros con tendencia al perfeccionismo
- La repetición de pequeños ajustes lleva a fatiga emocional y pérdida de tiempo
- Resulta más eficiente considerar el resultado de la IA como un “borrador” y procesarlo rápidamente
El debilitamiento del pensamiento
- Como resultado de depender de la IA, se produce un deterioro de la capacidad de resolver problemas y diseñar soluciones
- El hábito de no pensar directamente lleva a la atrofia del “músculo del pensamiento”
- Para evitarlo, se practica pensar y diseñar cada día durante un tiempo determinado sin IA
La trampa de la comparación
- En redes sociales solo se comparten casos de resultados rápidos logrados con IA, mientras que los fracasos o la fatiga individuales no se visibilizan
- Los resultados con IA tienen baja reproducibilidad, por lo que la comparación en sí carece de sentido
- Es preferible reducir el consumo de información y centrarse en fuentes confiables enfocadas en la construcción y operación reales
Estrategias para un uso sostenible de la IA
- Límites de tiempo para sesiones con IA para evitar repeticiones excesivas
- Separar el tiempo de pensamiento del tiempo de uso de IA para mantener equilibrio cognitivo
- Aceptar un 70% de completitud, reduciendo el perfeccionismo
- Retrasar el momento de adoptar nuevas tecnologías y usar sobre todo herramientas ya validadas
- Registrar la eficiencia real de la IA para comprender su utilidad y límites
- Reducir el alcance de la revisión y concentrarse solo en áreas clave
Sostenibilidad y burnout
- La IA elimina los límites de velocidad del trabajo y acelera el exceso de trabajo
- Cuando se superan los límites cognitivos humanos, aparece el burnout, y esto se expande como un problema sistémico, no individual
- La clave de la recuperación no es la cantidad de uso de IA, sino la reconfiguración de la forma de usarla
- En medio de la fatiga surgieron herramientas para resolver problemas reales como Distill, agentic-authz y AgentTrace
La verdadera capacidad: saber detenerse
- La capacidad clave en la era de la IA es el criterio para saber cuándo detenerse
- Saber detenerse ante una salida suficientemente buena y distinguir cuándo conviene escribir uno mismo o descansar
- Proteger el cerebro humano como un recurso finito es la verdadera ingeniería
- La IA es poderosa, pero también la herramienta cognitivamente más desgastante; usarla con inteligencia es la clave de la sostenibilidad
- La producción sostenible es el verdadero valor y el objetivo final del uso de la IA
5 comentarios
Cada vez siento más, aunque no sé si esta expresión sea la más precisa, que el desarrollador se está convirtiendo cada vez más en un “líder técnico”.
Si la IA se lleva la “escritura de código”, al final lo único que queda es:
Nada más.
Es decir, el desarrollador deja de ser un “productor” y pasa más bien a ser un:
Así que empieza a aparecer un tipo de fatiga laboral que antes no existía,
y uno termina preguntándose si de verdad esta dirección encaja con la vocación y aptitudes profesionales que buscaba como desarrollador.
La última línea deja una buena resonancia. Siento que quizá esto no era lo que yo quería hacer.
Cuando era chico estuve en un club de banda, y ahí había un amigo que intentaba convencer a todos de que teníamos que componer nuestras propias canciones. Decía que, más que perfeccionar la técnica para tocar, había que pensar qué queríamos cantar. Claro, recuerdo que al final pesaba más la opinión de los que querían hacer banda copiando canciones famosas.
Pero últimamente pienso mucho en ese amigo.
Es una pregunta que había estado evitando por estar ocupado con la vida, pero con el avance de la IA, después de haber hecho de ser desarrollador mi profesión, me pregunto si lo que me gusta es el acto de escribir código, o si lo que me gusta es crear valor y por eso escribo código como medio para lograrlo.
Si hasta ahora esos dos tipos de motivación habían estado entremezclados, siento que pronto llegará el momento en que tendré que dejar claro cuál de los dos soy.
La responsabilidad de crear programas que funcionen bien según lo que pide el cliente y que no fallen sigue siendo del desarrollador, así que no pasa nada si no renuncian al acto de escribir código. Yo creo que, aunque la IA haga solo el tipeo, la esencia sigue siendo la misma.
Comentarios en Hacker News
Para mí, el cansancio es un poco distinto. El problema es esa repetición de parar y esperar cada vez que el LLM genera un resultado mientras trabajo o hago code review
Como la duración de la espera es impredecible, no sabes si conviene esperar o empezar otra tarea. Entonces terminas haciendo cualquier otra cosa solo para matar el tiempo
Al final no logro entrar en estado de flujo (flow) y termino agotado por estar vigilando que se completen tareas en segundo plano
Más que sentir que aumentó mi productividad, siento que me convertí en una niñera perezosa cuidando que los niños no se lastimen
Recomiendo Endless Sky, un juego open source que se puede empezar y dejar en cualquier momento
Antes programar ya no me divertía, pero gracias a Claude Code volví a disfrutarlo. No es como antes, pero en esta etapa de mi vida me alcanza para disfrutarlo
Como comenté en mi texto sobre review fatigue, esto afecta no solo a los desarrolladores sino también a las organizaciones
Como los workflows de IA se enfocan en maximizar la productividad, al final terminan desgastando a las personas
La solución es clásica: descansar seguido y hacer que los desarrolladores humanos escriban al menos algo de código por su cuenta. Así puedes bajar el ritmo y aun así mantener fluidez y recuperación
Mientras el LLM trabaja, hago sentadillas o lagartijas, o camino por la casa estirándome. Es mucho más agradable que estar sentado frente al teclado todo el día
Mover el cuerpo también me ayuda a ordenar las ideas, pero aun así la fatiga mental sigue ahí
Mientras espero después de mandar un prompt, termino navegando por la web. Si no lo bloqueo con la app SelfControl, de verdad no me puedo contener
Gracias al LLM soy más productivo, pero al final del día estoy mucho más cansado y hasta me siento culpable
La idea del texto es buena, pero al leerlo te da una fatiga de texto escrito por IA
Estira de forma verbosa cosas que podrían decirse en una o dos oraciones, y hay demasiados ejemplos innecesarios
También es falso decir que “la página principal de HN está caótica”. Los textos mencionados ni siquiera llegaron a 5 upvotes, y la calidad de la portada de HN sigue estando bien
Y también es falso decir que “nadie habla de esto”. Ya existen desde hace tiempo discusiones sobre AI fatigue
“Gracias OpenClaw, gracias AGI—para mí ya está aquí”
“Si hoy no gastaste al menos $1,000 en tokens por ingeniero humano, tu fábrica de software todavía tiene margen de mejora”
“El código no debe ser revisado por humanos”
“Lo que C le hizo al ensamblador y Java a C, ahora el LLM se lo está haciendo a todos los lenguajes”
Esas frases están citadas de textos que sí llegaron a la portada
O quizá ha leído tantos textos de IA que su estilo de escritura en sí ya se volvió parecido al de una IA
Yo también empecé a bloguear hace poco y, para mi sorpresa, disfruto mucho la escritura centrada en storytelling
Cada quien tiene su estilo, y eso no tiene nada de malo
El artículo podría haberse resumido en unos pocos párrafos, pero tiene demasiados adornos innecesarios
Capaz en el futuro hasta el contenido venga con una “etiqueta de productor humano”, algo como “producido por freelancer” o “producido por alguien que vive en las afueras”
Me identifiqué con eso de que “si publicas más rápido, suben las expectativas”
Este es un problema viejo. Helen Keller ya había dicho algo parecido hace casi 100 años
La idea de “usar máquinas que ahorran trabajo para realmente ahorrar trabajo” aparece en un artículo de The Atlantic
Puedes avanzar varios proyectos en un día, pero quedas completamente agotado
Mucha gente hasta pierde sueño por la tentación de “mandar solo un prompt más”
Ese ritmo de trabajo sostenible que se construyó durante años se rompió, y parece que tomará tiempo encontrar un nuevo equilibrio
Pero ahora al principio todo va demasiado bien, así que sigues avanzando hasta que llega ese momento en que de pronto te atoras
Pero no pude parar ahí y lo extendí a contabilidad, impuestos, CRM, almacén y gestión de proyectos
Al final terminé creando un SaaS que no necesitaba, y ahora estoy pensando si liberarlo como open source
Aun así, ahora que puedo seguir viendo sesiones de agente desde el navegador móvil, hasta las reviso en la cama (medio en broma, medio en serio)
Ahora el verdadero cuello de botella ya no es escribir código, sino recopilar requisitos y tomar decisiones
No entiendo por qué habría que seguir trabajando sin parar
Soy el autor. No es un texto anti-IA, sino sobre el costo cognitivo
Cuanto más rápido se vuelve el trabajo, más trabajo aparece, y revisar resultados de IA acumula fatiga de toma de decisiones
El ecosistema de herramientas también cambia cada semana. Compartí métodos que de verdad me ayudaron y quería saber si otras personas también están chocando con límites parecidos
La sensación de estar hablando con algo no humano vuelve el cansancio todavía más fuerte
Pero cuando empecé a fijar expectativas realistas y a no dejarme arrastrar por cada “post mágico de IA”, la ansiedad bajó
La tecnología nunca ha tenido como objetivo hacerle la vida más fácil al trabajador
Siempre busca aumentar la productividad y la competitividad
Pasamos del caballo al automóvil y del teléfono al smartphone, pero el tiempo libre no aumentó. Solo nos convertimos en humanos más móviles y conectados
Si aceptas una calidad de vida a la antigua, puedes trabajar menos y aun así vivir suficientemente bien
Últimamente siento fatiga de funciones ejecutivas (executive functioning fatigue)
Trabajar con IA te obliga a tomar constantemente decisiones de alto nivel, más que a simplemente implementar
Casi no hay descansos, y siento como si el lóbulo frontal estuviera sobrecalentado
Si este estado continúa, quizá hasta termine fortaleciendo las funciones ejecutivas humanas
No sabía que gestionar un equipo de diez ingenieros geniales pero inestables podía ser tan desgastante
Yo creo que la causa de la fatiga por IA es que se rompió el equilibrio entre las tres etapas de programar
Resolver el problema → escribir código → revisar el resultado: esas tres etapas antes estaban equilibradas
Escribir código era repetitivo, pero también un proceso meditativo y estable. Resolver problemas era intenso, y revisar resultados daba recompensa dopaminérgica
Pero ahora que el LLM escribe el código por nosotros, solo nos quedan las etapas estresantes de resolver problemas y revisar
Ese espacio de amortiguación de en medio desapareció, y por eso todo cansa mucho más
La razón por la que extrañamos programar como antes es precisamente esa pérdida del flujo meditativo
Yo también prefiero hacer pair programming con IA mientras escribo código directamente. Siento que eso es más sostenible a largo plazo
Pero la tentación de la productividad de manejar varios agentes al mismo tiempo también es muy fuerte
Me impactó la parte de “luchar con sistemas no deterministas”
Los LLM, por naturaleza, requieren intervención humana constante, a menos que la empresa esté dispuesta a asumir responsabilidad total por sus resultados
No puedes castigarla bajándole el voltaje, y tiene tan poco sentido como pedirle cuentas a un dado