Resumen del debate: La IA iba a sustituir a los programadores y mira el resultado

La IA que promete sustituir programadores falla en el swap​

Un generador de código consultado a través de un buscador devolvió un programa en Python que no compilaba: indentación rota, una asignación que convertía una lista en un entero y un resultado que no era el que anunciaba. La prueba, hecha con un caso sencillo de desplazamiento de elementos, terminó con un error de ejecución en lugar de la salida prometida. El episodio resume la distancia entre el relato de la automatización total y la realidad de una herramienta que genera texto plausible pero no comprueba si funciona.

La discusión derivó pronto hacia algo más grande. Hay quien sostiene que la IA ya ha desplazado en distinto grado a traductores, redactores, diseñadores o abogados, y que los programadores no son inmunes. Frente a eso, la objeción técnica es concreta: el modelo no ejecuta el código que escribe. Si pudiera lanzarlo, ver el fallo y corregirlo, el argumento cambiaría. Mientras no lo haga, el humano sigue siendo el que detecta la recursión que congela una web o el bucle mal indentado.

El error que ningún modelo detecta solo​

El caso del swap es casi de manual. La función intercambia posiciones con una línea que asigna un entero a la variable de la lista, de modo que el siguiente paso ya no opera sobre una lista. A eso se suma un bloque sin indentar dentro del bucle. El código se lee bien, tiene comentarios y hasta un ejemplo de uso con su salida esperada. Simplemente no funciona. Esa es la trampa: la forma es impecable y el fondo es humo.

Quien ha probado estas herramientas en producción añade otro matiz. El problema no es solo que falle, sino que falla distinto: los errores de la máquina son más difíciles de rastrear que los de un humano, porque no siguen la lógica de un programador. De ahí que algunos proyectos de software abierto hayan empezado a vetar contribuciones generadas así, por la dificultad de auditar tanto el fallo como una posible intención maliciosa.

Del taller de ballenas al código generado​

La comparación histórica que circula en la conversación es la caza de ballenas en Estados Unidos: a principios del siglo XX era uno de los mayores negocios del país por el aceite, y la popularización del queroseno y el petróleo, más baratos, la hizo desaparecer como industria en torno a una década. La lección no es que la IA vaya a arrasar mañana, sino que las disrupciones tecnológicas no avisan con un organigrama.

Con todo, la presión inmediata que se señala para el programador español no viene de un modelo de lenguaje, sino de la contratación de equipos completos en otros países y del trabajo remoto. Ese es el competidor que ya está aquí, no el que promete llegar.

El jefe que cita a la IA y se queda solo​

El giro más incómodo del asunto es quién queda retratado. Un directivo tecnológico envió un correo con un diagnóstico que olía a respuesta generada y soluciones sin fundamento, y lo usó para presionar hacia abajo. La herramienta no sustituyó al equipo: sustituyó el criterio de quien mandaba. La conclusión que se extrae es que la IA amplifica al que sabe distinguir una respuesta buena de una mala y hunde al que no.

Las cifras que se manejan en el sector apuntan a una automatización parcial, no total. Los datos disponibles a la fecha de esta discusión hablaban de que la programación podría automatizarse en gran medida, pero que el terreno realmente cubierto rondaba una fracción mucho menor. La brecha entre el anuncio y el despliegue es, por ahora, el verdadero estado del arte.

La predicción razonable no es el fin del programador, sino la poda del que solo pegaba código. El que entiende arquitectura, pruebas y el porqué de cada línea seguirá corrigiendo lo que la máquina escupe con seguridad impecable.