Ingeniero de Kontur comparó magos y brujos de D&D con la era del LLM en Habr

Alexander Ovchinnikov, especialista senior en pruebas en Kontur, publicó un ensayo en Habr titulado "From Wizard to Warlock: La magia en D&D como metáfora de la era LLM", en el que utiliza el cambio de clases de personajes en el juego de mesa Dungeons & Dragons para describir lo que está sucediendo con el trabajo de las personas después de la aparición de grandes modelos de lenguaje.

¿Qué tienen que ver los magos y brujos de D&D con esto?

En el juego de rol de mesa Dungeons & Dragons, un mago dedica años a estudiar hechizos en libros y entiende a fondo la mecánica de cada uno de ellos, mientras que un brujo obtiene poder mágico de una fuente externa — un patrón — y puede utilizar efectos poderosos sin dominar todos los detalles de cómo funcionan. Según el título del artículo, es precisamente esta diferencia entre "magia del conocimiento" y "magia de una fuente externa" la que el autor utiliza como metáfora de lo que está sucediendo en la era de LLM, aunque el texto completo del ensayo más allá de la introducción no se proporciona en la fuente.

• Autor — Alexander Ovchinnikov, especialista senior en pruebas en Kontur
• El material fue publicado en Habr bajo el título "From Wizard to Warlock: La magia en D&D como metáfora de la era LLM"
• Según sus propias palabras, ha estado utilizando activamente LLMs para tareas personales durante varios años

Kontur (SKB Kontur) es una importante empresa de TI rusa con sede en Ekaterimburgo que desarrolla servicios para negocios: reportes electrónicos, gestión electrónica de documentos y sistemas de contabilidad. El hecho de que un artículo sobre LLMs provenga de la práctica de un especialista en pruebas en una empresa de este perfil es en sí instructivo: no se trata de los desarrolladores de los propios productos de IA, sino de una especialidad técnica adyacente donde los grandes modelos de lenguaje se están convirtiendo en una herramienta de trabajo junto con el software convencional de pruebas y automatización.

Por qué el autor considera que demostrar LLMs a otros es más

importante que el uso personal

Ovchinnikov escribe que su experiencia más interesante no fue usar LLMs en sus propios proyectos, sino comenzar a mostrar estas herramientas a otras personas. Esta formulación subraya una brecha que a menudo surge en torno a nuevas tecnologías: algunos ya trabajan libremente con LLMs como una herramienta de trabajo, mientras que otros aún no han visto lo que estos modelos pueden hacer en la práctica y necesitan que alguien les muestre un ejemplo concreto de su tarea en lugar de una demostración abstracta.

Si interpretamos esta metáfora, se trata menos de la tecnología en sí y más de la actitud de las personas hacia el resultado que produce: algunos quieren entender cómo funciona internamente antes de comenzar a usarlo, mientras que otros están listos para aplicar la herramienta tal como es si resuelve su problema aquí y ahora.

Qué significa esto

El ensayo captura un tema que aparece cada vez más en comunidades profesionales: LLMs cambian no solo lo que hacen los especialistas, sino también cómo ellos mismos explican a los colegas lo que está sucediendo — a través de metáforas, analogías y demostraciones con ejemplos en vivo en lugar de instrucciones secas. Para especialistas técnicos que están introduciendo tales herramientas en sus equipos, el ejemplo personal y la demostración clara a menudo resultan más convincentes que cualquier capacitación formal.

También es indicativo que tales materiales provengan no de los desarrolladores de los modelos de IA en sí, sino de profesiones técnicas adyacentes como las pruebas — esto sugiere indirectamente cuán ampliamente se han diseminado los LLMs a través de procesos de trabajo mucho más allá de la estrecha comunidad de IA.