Mi relación amor-odio con la IA

Hace poco tuve una charla muy interesante con un par de compañeros de trabajo y, como no podía ser de otra manera, el tema acabó siendo el mismo de siempre: la IA. El tema que está en boca de todos y, al mismo tiempo, en boca de nadie — todo el mundo habla de ella, pero muy pocos hablan de lo que de verdad supone en el día a día de quien desarrolla software.

De aquella conversación salió una conclusión que llevo tiempo rumiando y que quiero desarrollar aquí con calma: tengo una relación amor-odio con la inteligencia artificial.

El paisaje: gurús por todas partes

Comentábamos en la conversación que ahora todo (o casi todo) lo que se ve en LinkedIn es generado con IA: tanto el propio post como el proyecto que se enseña. De hecho, se ven muchísimos gurús que ya son expertos en la materia. Y la pregunta que nos hacíamos es inevitable: ¿de verdad ya hay tanta gente experta en IA?

Mi opinión es clara: no.

Ser experto en algo requiere tiempo, errores, contexto y criterio. La IA generativa lleva relativamente poco tiempo entre nosotros a este nivel, y sin embargo la cantidad de "expertos" ha crecido más rápido que la propia tecnología. Lo que abunda no es experiencia, sino contenido: posts que suenan bien, demos espectaculares y proyectos que enseñan la parte bonita sin enseñar los costes, los límites ni los fallos.

El lado del amor

Empecemos por lo bueno, porque es mucho y sería deshonesto minimizarlo.

Puedo estar en varios proyectos a la vez. Antes, cambiar de contexto entre proyectos tenía un coste enorme: recordar dónde lo dejaste, releer código, reconstruir el estado mental. Ahora puedo lanzar agentes que trabajan en una tarea mientras yo atiendo otra, y retomar cada frente con un resumen de lo que ha pasado.

Puedo aprender mientras la IA trabaja. Esta es probablemente la parte que más disfruto. Mientras un agente ejecuta una tarea larga — una migración, una batería de tests, un refactor mecánico — yo puedo estar leyendo documentación, investigando una tecnología nueva o preparando el siguiente paso. El agente me avisa cuando termina y entro en modo revisión. Es un cambio de paradigma: de ejecutor a supervisor.

Puedo automatizar lo tedioso. Todos los proyectos tienen tareas que no aportan valor pero consumen horas: actualizar dependencias, escribir boilerplate, documentar cosas obvias, preparar datos de prueba. Delegar eso en la IA no me quita nada como profesional; al contrario, me devuelve tiempo para el trabajo que sí requiere criterio.

El lado del odio

Y sin embargo.

Cuando termino un desarrollo hecho con IA no siento la misma gratificación que cuando resolvía yo el bug a base de logs, debugs y, principalmente, muchas horas. Esa sensación de haber perseguido un problema durante toda una tarde, de haber formulado hipótesis, descartado pistas falsas y encontrado por fin la línea culpable... eso la IA no lo replica. El corazón del programador, supongo.

No es solo nostalgia. Creo que esa gratificación cumplía una función: era la señal de que habías aprendido algo en profundidad. El conocimiento que se gana sufriendo un bug se queda contigo para siempre; el que se gana leyendo la solución que te da un modelo, no tanto. Y eso me obliga a preguntarme qué estamos dejando de aprender por el camino.

No es oro todo lo que reluce

Además de la parte emocional, está la parte práctica: confiar ciegamente en la IA sale caro. Si no, que les pregunten a Microsoft y a Uber, que ya han protagonizado titulares por las consecuencias de apostar demasiado fuerte y demasiado rápido por la automatización con IA.

La lección que yo saco de esos casos no es "la IA es peligrosa", sino algo más matizado: la IA amplifica. Amplifica la productividad de un buen equipo con buenos procesos de revisión, y amplifica igualmente el desastre de un equipo que despliega sin verificar. La diferencia entre un caso y otro no está en la herramienta, está en el criterio de quien la usa.

Adaptarse, pero con criterio

Al final, nos tenemos que adaptar al nuevo mundillo. Eso no está en discusión: quien se niegue a usar estas herramientas competirá en desventaja contra quien las use bien. Pero adaptarse no significa abrazarlo todo sin filtro.

Para mí, adaptarse bien pasa por tres cosas:

Usar la IA para lo que es buena: volumen, velocidad, tareas mecánicas, primeros borradores.
Reservarme lo que me hace mejor profesional: el diseño, las decisiones de arquitectura, la revisión crítica y, de vez en cuando, pelearme con un bug a la antigua usanza — aunque sea por higiene mental.
Desconfiar del hype: ni la IA va a reemplazarnos mañana, ni es una moda pasajera. La verdad, como casi siempre, está en el medio, y aún nos queda mucho que aprender para adaptarnos bien a este nuevo mundo.

Conclusión

Amor y odio pueden convivir. Amo lo que la IA me permite hacer: más proyectos, menos tareas tediosas, más tiempo para aprender. Y odio — o al menos echo de menos — lo que se pierde por el camino: la gratificación del problema resuelto a pulso, el aprendizaje profundo que solo da el sufrimiento técnico.

¿A alguien más le pasa algo parecido?

PD: este artículo, como el post que lo originó, fue escrito sin IA... o al menos eso me gusta pensar 🤣