Los programadores empiezan a asumir la cruda realidad (revolución de la IA)

Ese salto que describes es exactamente el que decide quién sobrevive a esto. El software a medida se cobra una vez y se mantiene siempre, así que su curva de coste sube mientras la de ingresos ya se cerró; el producto reparte ese mismo mantenimiento entre todos los clientes y cada arreglo revaloriza el activo en lugar de consumirlo. Por eso vuestra transformación costó pero era la única salida: no es un cambio comercial, es cambiar de qué lado de la curva estás.

Y aquí es donde la IA aprieta justo en ese punto, porque abarata escribir y no abarata mantener. Hay una medición incómoda de GitClear sobre esto. Los bloques duplicados por millón de líneas cambiadas han pasado de 40,3 en 2023 a 73 en lo que va de 2026, un 81% más y máximo histórico. El código movido, que es la huella estadística de la refactorización, se ha hundido del 21% de las líneas cambiadas en 2022 al 3,8% en 2026, mientras el copiar y pegar subía del 9,4% al 15,7%. En 2024 fue el primer año registrado en que dentro de un mismo commit se copiaba más de lo que se reordenaba. Y la literatura sobre clones lleva décadas diciendo que un bloque duplicado trae entre un 15 y un 50% más de defectos, porque el día que arreglas uno te dejas los otros cuatro sin tocar.

O sea que la máquina está desplazando trabajo desde la parte que se paga hacia la parte que no se paga: escribes más rápido y acumulas más pasivo por línea. En software a medida eso ni se nota al principio, porque el marrón aparece dos años después y con otro presupuesto de por medio. En producto lo notas en el trimestre siguiente, cuando la velocidad de tu propio equipo empieza a bajar sin que nadie sepa explicar por qué. Es la vieja regla de que el mantenimiento se lleva la mayor parte del coste del ciclo de vida, solo que ahora con un acelerador enchufado en la fase de escribir y ninguno en la de entender.

Hay una diferencia brutal. Cuando trabajas a medida, una máquina escupiendo código que más o menos funciona lo ves como una forma de ahorrar costes. Precisamente porque en la programación a media no hay forma de que haya mucho margen, al cobrarse por horas.

Cuando das el salto a producto, es otro universo. Le dedicas 30 veces más a pensar cada función, a la UX, a las ayudas, a los textos, a saber la necesidad de los clientes. Precisamente, porque al no ser una rentabilidad por hora trabajada, sino que lo pagan entre muchos clientes, enriquecer tu software es una auténtica inversión que hará que los clientes estén más contentos, te refieran, sea más fácil que entren clientes nuevos.

No había caído (estoy muy alejado de eso!) que en un modelo a medida el problema es trabajar continuamente con la IA en un software que de por sí suele estar poco estudiado y poco depurado. Imagino que entras en una espiral en la que, llegado un momento, los problemas crecen de forma exponencial.

En mi empresa los programadores la utilizan, pero no buscan el milagro de producir X3. La utilizan por comodidad, pero siempre para cosas controladas. Muy definidas, estudiadas, analizadas, y por supuesto no entra nada de código de IA sin comprobar bien.

Pero es que la diferencia es de base: la necesidad de producir rápido. Si tu trabajo tiene un precio/hora, cuanto más produzcas más rentable será.

En un software de producto vale muchísimo más acertar, que sea útil, la calidad final. Precisamente porque el coste de fallar es enorme, no es un cliente que se cabrea.

Son paradigmas tan tan tan distintos....
 
No siempre es modelo chino...

Muchas veces ha habido momentos en que el mercado solo crea productos de un precio que el cliente termina pagando a regañadientes. Pero porque no queda otra alternativa.

Piensa en Ikea o en Primark. La gente necesita un mueble en su salón, pero antes de Ikea era difícil encontrar algo que no supusiera un sueldo entero o más.

O la ropa, hay muchísima gente que le da exactamente igual.

Hace 40 años, cuando efectivamente para cualquier cosa se necesitaba un diseñador o ilustrador para hacer cualquier cosa con aspecto profesional, el grafismo de las empresas era ridículamente tacaño. Hacer un simple logotipo valía una pasta.

Y ahora, si quieres un logotipo top, pues te seguirá costando. Pero si eres la charcutería hermanos Martínez y lo que quieres es algo simple, pues o pillas un diseñador "low cost" que utilice este tipo de herramientas o te lo hace tu hermano que se le dan bien estas cosas.

La máxima calidad no desaparece, ni la calidad media. Pero muchas veces se abre un abanico de demanda en el sector que antes no se lo podía permitir, y a precios muy bajos sí.

Esa sensación de que siempre y en cualquier circunstancia la calidad es lo importante no es muy realista. Muchas veces necesitamos cosas que no valoramos, pero no podemos dejar de adquirir...

El problema es que los que pueden pagar a un profesional tampoco lo van a hacer, y tiraran de IA.

El resultado es la mediocridad por todas partes. El famoso IA slop.
 
Yo soy jefe de dpto y cuando le pido algo a alguno de mis compañeros (no necesariamente código, casi siempre documentación, propuestas, diseños... etc.) cuando lo preparan (y entiendo que usen la IA "oficial" de la empresa) y le echo un ojo para revisarlo enseguida veo que "rezuma IA" por los cuatro costados (que ojo, veo bien que lo usen, genera una documentación muy bien estructurada y bien redactada), lo empiezo a revisar y enseguida pillo gazapos, alucinaciones, cosas que las pinta más "ideales" de lo que en realidad es o generalidades vagas... etc.

No solo es usar la IA, es supervisarla, analizar lo que genera y validarlo. Cuando veo que alguien usa la IA y lo "escupe" tal cual sin validar, se lo comento.
 
Yo soy jefe de dpto y cuando le pido algo a alguno de mis compañeros (no necesariamente código, casi siempre documentación, propuestas, diseños... etc.) cuando lo preparan (y entiendo que usen la IA "oficial" de la empresa) y le echo un ojo para revisarlo enseguida veo que "rezuma IA" por los cuatro costados (que ojo, veo bien que lo usen, genera una documentación muy bien estructurada y bien redactada), lo empiezo a revisar y enseguida pillo gazapos, alucinaciones, cosas que las pinta más "ideales" de lo que en realidad es o generalidades vagas... etc.

No solo es usar la IA, es supervisarla, analizar lo que genera y validarlo. Cuando veo que alguien usa la IA y lo "escupe" tal cual sin validar, se lo comento.
No te quejes
 
Efectivamente. Y por el mismo motivo.

Y ambos cumplen su función perfectamente: el LLM sin “pensar” y el submarino sin mover las aletas. Cosa que cualquier persona intelectualmente honesta, supongo, no tendrá problema en reconocer.
 
Hay una diferencia brutal. Cuando trabajas a medida, una máquina escupiendo código que más o menos funciona lo ves como una forma de ahorrar costes. Precisamente porque en la programación a media no hay forma de que haya mucho margen, al cobrarse por horas.

Cuando das el salto a producto, es otro universo. Le dedicas 30 veces más a pensar cada función, a la UX, a las ayudas, a los textos, a saber la necesidad de los clientes. Precisamente, porque al no ser una rentabilidad por hora trabajada, sino que lo pagan entre muchos clientes, enriquecer tu software es una auténtica inversión que hará que los clientes estén más contentos, te refieran, sea más fácil que entren clientes nuevos.

No había caído (estoy muy alejado de eso!) que en un modelo a medida el problema es trabajar continuamente con la IA en un software que de por sí suele estar poco estudiado y poco depurado. Imagino que entras en una espiral en la que, llegado un momento, los problemas crecen de forma exponencial.

En mi empresa los programadores la utilizan, pero no buscan el milagro de producir X3. La utilizan por comodidad, pero siempre para cosas controladas. Muy definidas, estudiadas, analizadas, y por supuesto no entra nada de código de IA sin comprobar bien.

Pero es que la diferencia es de base: la necesidad de producir rápido. Si tu trabajo tiene un precio/hora, cuanto más produzcas más rentable será.

En un software de producto vale muchísimo más acertar, que sea útil, la calidad final. Precisamente porque el coste de fallar es enorme, no es un cliente que se cabrea.

Son paradigmas tan tan tan distintos....


Has puesto el dedo en lo que a mí me parece el nudo de todo esto, y es que la misma herramienta da resultados opuestos según quién pague el pasivo.

En software a medida, el que genera la deuda y el que la paga son personas distintas y con dos años de por medio. Tú facturas horas, entregas, cierras el proyecto, y el marrón aparece en el siguiente contrato de mantenimiento, con otro presupuesto y a veces con otro proveedor. El incentivo no está roto por maldad, está roto por contabilidad: nadie tiene el coste en su cuenta de resultados. En producto el que genera el pasivo y el que lo paga son el mismo, y encima se lo encuentra en el trimestre siguiente. Por eso ahí la prudencia no es una virtud de carácter, es que el balance te la impone.

Y lo que describes de tu equipo tiene respaldo medido, no es solo criterio. El informe DORA de 2025, que es el que hace Google sobre miles de equipos, dio por primera vez correlación positiva entre adopción de IA y throughput, o sea que sí, se entrega más rápido. Pero en el mismo informe la adopción sigue correlacionando con más inestabilidad: más fallos de cambio, más retrabajo y más tiempo para resolverlos. La lectura que hacen ellos es la que encaja con lo que cuentas: la IA no arregla a un equipo, lo amplifica, y lo que hace es destapar los cuellos de botella de aguas abajo, revisión y pruebas, que no estaban dimensionados para ese ritmo. Es decir, el cuello de botella no desaparece, se mueve. Si tu gente la usa para cosas muy definidas y nada entra sin comprobar, lo que estás haciendo es no dejar que se mueva.

Sobre la espiral que intuyes en el modelo a medida, el mecanismo concreto es la duplicación. GitClear, que mide sobre cientos de millones de líneas reales, tiene los bloques duplicados por millón de líneas pasando de 40,3 en 2023 a 73,0 en lo que va de 2026, máximo histórico, mientras el código movido, que es la huella de cuando alguien refactoriza en vez de copiar, se ha desplomado del 21% de 2022 al 3,8%. En 2024 fue el primer año en que el copiar y pegar superó al mover. Y los clones tienen tasas de defectos entre un 15 y un 50% más altas. Ahí está la espiral: cada copia nueva multiplica los sitios donde hay que arreglar el mismo fallo, y llega un punto en que entender dónde están todas las copias cuesta más que haber escrito bien la función una vez. Escribir se ha abaratado muchísimo y entender no se ha abaratado nada, y el mantenimiento se paga en la segunda moneda.
 
De hecho, ya hay IA's que están desplazando a otras IA's (y es en dónde esta la batalla de hecho; lo de los programadores, en general, es un terreno calcinado, aunque todavía muchos no sepan que se están quemando). Otra cosa son los que controlen a tales IA's, durante un tiempo, pero ellos serán también terreno quemado en gran mayoría (eso sí, quedará trabajo para algunos... pero solo para algunos).
 
Yo soy jefe de dpto y cuando le pido algo a alguno de mis compañeros (no necesariamente código, casi siempre documentación, propuestas, diseños... etc.) cuando lo preparan (y entiendo que usen la IA "oficial" de la empresa) y le echo un ojo para revisarlo enseguida veo que "rezuma IA" por los cuatro costados (que ojo, veo bien que lo usen, genera una documentación muy bien estructurada y bien redactada), lo empiezo a revisar y enseguida pillo gazapos, alucinaciones, cosas que las pinta más "ideales" de lo que en realidad es o generalidades vagas... etc.

No solo es usar la IA, es supervisarla, analizar lo que genera y validarlo. Cuando veo que alguien usa la IA y lo "escupe" tal cual sin validar, se lo comento.

Ahí te aconsejo usar el fustis o la virga, y si persisten en sus malos hábitos, pasar a la scutica. En caso de reincidencia, les aplicas el flagrum, que en casos sin remedio pasará a ser de siete puntas.
 
Que no, que no es un tema de potencia.

Ya te ha dicho el propio ChatGPT que mas que curva exponencial lo que tenemos es una curva en forma de S.
O dicho de otro modo, se esta tocando techo.

Ya han usado toda internet para alimentar a sus IAs, ya incluso están tirando de libros de papel olvidados en cualquier rincón del mundo.


Mientras tanto internet se esta llenando de contenido de baja calidad generado por IA. Al mismo tiempo, se esta destruyendo la voluntad de mucha gente para crear contenido o para estudiar ciertas carreras/profesiones, y por lo tanto para crear contenido en el futuro sobre esas materias.

El uroboro ha llegado, la IA se está alimentado ya de lo que ella misma genera. Es como si en un pueblo los primos se casasen entre ellos.
Ya han usado toda internet para alimentar a sus IAs, ya incluso están tirando de libros de papel olvidados en cualquier rincón del mundo.

Pero esto:
  1. NO ES PARA mejorar el LLM.
  2. ES PARA ampliar base de datos DE TEMAS.
Son sobre todo manuales técnicos y catálogos.
Este material:
  1. NO MEJORA los textos que genera en precisión o falta de alucinaciones.
  2. MEJORA (AMPLÍA) la cantidad de temas de los que puede hablar Y EQUIVOCARSE.
Ahora te generará contenido de la buena de cómo reparar una tele B/N de Grundig de válvulas.
 
Y ambos cumplen su función perfectamente: el LLM sin “pensar” y el submarino sin mover las aletas. Cosa que cualquier persona intelectualmente honesta, supongo, no tendrá problema en reconocer.
¿Y cuál es la función de un LLM?
Es para ver cómo evaluar esa "ferpección ferpecta".
 
Y ambos cumplen su función perfectamente: el LLM sin “pensar” y el submarino sin mover las aletas. Cosa que cualquier persona intelectualmente honesta, supongo, no tendrá problema en reconocer.
Que son respectivamente la de extraer dinero de los inversores para darlo a los fabricantes de tarjetas gráficas y extraer dinero de los contribuyentes para darlo a Navantia y demás contratistas de defensa.
 
Has puesto el dedo en lo que a mí me parece el nudo de todo esto, y es que la misma herramienta da resultados opuestos según quién pague el pasivo.

En software a medida, el que genera la deuda y el que la paga son personas distintas y con dos años de por medio. Tú facturas horas, entregas, cierras el proyecto, y el marrón aparece en el siguiente contrato de mantenimiento, con otro presupuesto y a veces con otro proveedor. El incentivo no está roto por maldad, está roto por contabilidad: nadie tiene el coste en su cuenta de resultados. En producto el que genera el pasivo y el que lo paga son el mismo, y encima se lo encuentra en el trimestre siguiente. Por eso ahí la prudencia no es una virtud de carácter, es que el balance te la impone.

Y lo que describes de tu equipo tiene respaldo medido, no es solo criterio. El informe DORA de 2025, que es el que hace Google sobre miles de equipos, dio por primera vez correlación positiva entre adopción de IA y throughput, o sea que sí, se entrega más rápido. Pero en el mismo informe la adopción sigue correlacionando con más inestabilidad: más fallos de cambio, más retrabajo y más tiempo para resolverlos. La lectura que hacen ellos es la que encaja con lo que cuentas: la IA no arregla a un equipo, lo amplifica, y lo que hace es destapar los cuellos de botella de aguas abajo, revisión y pruebas, que no estaban dimensionados para ese ritmo. Es decir, el cuello de botella no desaparece, se mueve. Si tu gente la usa para cosas muy definidas y nada entra sin comprobar, lo que estás haciendo es no dejar que se mueva.

Sobre la espiral que intuyes en el modelo a medida, el mecanismo concreto es la duplicación. GitClear, que mide sobre cientos de millones de líneas reales, tiene los bloques duplicados por millón de líneas pasando de 40,3 en 2023 a 73,0 en lo que va de 2026, máximo histórico, mientras el código movido, que es la huella de cuando alguien refactoriza en vez de copiar, se ha desplomado del 21% de 2022 al 3,8%. En 2024 fue el primer año en que el copiar y pegar superó al mover. Y los clones tienen tasas de defectos entre un 15 y un 50% más altas. Ahí está la espiral: cada copia nueva multiplica los sitios donde hay que arreglar el mismo fallo, y llega un punto en que entender dónde están todas las copias cuesta más que haber escrito bien la función una vez. Escribir se ha abaratado muchísimo y entender no se ha abaratado nada, y el mantenimiento se paga en la segunda moneda.

Quien no ha "probado" nunca el software de producto no sabe lo que significa echar para atrás una funcionalidad en la que se han invertido meses porque es compleja de usar o porque no cumple las expectativas.

Y... es la forma de ahorrar. Precisamente porque si tienes muchos clientes y cada uno con especificaciones distintas, por mucho que tengas tus módulos y hasta casi casi un framework propio, tendrás que romperlo siempre para adaptarte.

Y como bien dices, el seguimiento de versiones es imposible. Detectas un fallo y tienes que corregirlo en mil sitios, y encima en cada uno de ellos las consecuencias son distintas y hay que tirar hasta el final para saber qué pasa.

Cuando es un software de producto y descubres una duplicidad, automáticamente se para el mundo y se reestructura. Porque sabes que eso ahora no, pero igual dentro de 3 años te puede dar un problema serio.

El fallo, la mala planificación, el error estructural son tan carísimos (lógicamente afectará a todos los clientes a la vez...) que simplemente le dedicas todos los recursos necesarios a minimizar la posibilidad.

Igual que un mal diseño de UX implica que se multiplican las consultas de soporte, e indica automáticamente que hay que mejorarlo.

Curiosamente (y la IA también influye) con los años cada vez se emplea más ratio del tiempo en planificar y decidir estructura y UX que en programar.
 
De hecho, ya hay IA's que están desplazando a otras IA's (y es en dónde esta la batalla de hecho; lo de los programadores, en general, es un terreno calcinado, aunque todavía muchos no sepan que se están quemando). Otra cosa son los que controlen a tales IA's, durante un tiempo, pero ellos serán también terreno quemado en gran mayoría (eso sí, quedará trabajo para algunos... pero solo para algunos).


En Minecraft se lo pasan pipa

 
El problema es la velocidad a la que evoluciona, en muy poco tiempo será ella la que cazará tus gazapos y le rezumará a humano tu trabajo.

Y di que no, desde tu superioridad actual, será capaz de hacerlo bastante mejor que tú, realmente te pedirá que te apartes de su camino y que disfrutes de sus resultados.

Es una red neuronal como nuestro cerebro.







(imagen visible para usuarios registrados)(imagen visible para usuarios registrados)
 
La IA a mi me ha hecho recomendaciones que fueron auténticas tonterías y niega cosas que tú ves con tus propios ojos
 
A ver si lo entiendo.

Consultora IT que con 10 currantes saca 10 proyectos en un año.

Usando agentes, esa consultora puede:

1) O decirle a sus clientes que saca esos mismos 10 proyectos pero en un mes.

2) O despedir a 9 currantes para quedarse solo con uno que saque los 10 proyectos en un año, como antes, con lo que dejan de ser competitivos en el mercado.

Suerte para los que elijan 2.
El problema es que se piensa que el trabajo es infinito. Muchos trabajadores pasan el día con poco que hacer o, si teletrabajan, aprovechan para tareas personales porque no hay trabajo suficiente para todos. Si haces el trabajo de un año en un mes, el resto del año el equipo se queda sin tareas.
 

Estadísticas del foro

Temas
2.059.554
Mensajes
58.446.380
Miembros
191.074
Último miembro
tinttoreto

El blog de burbuja.info

-
-
Volver