Un ingeniero de Kontur compara a los magos y brujos de D&D con la era de los LLM en Habr

Alexander Ovchinnikov, especialista sénior en testing de la empresa Kontur, ha publicado en Habr el ensayo "From Wizard to Warlock: la magia en D&D como metáfora de la era de los LLM". En él recurre al cambio de clase de personaje en el juego de rol de mesa Dungeons & Dragons para describir qué está pasando con el trabajo de las personas tras la llegada de los grandes modelos de lenguaje.

Qué pintan el mago y el brujo de D&D

En el juego de rol de mesa Dungeons & Dragons, el mago (wizard) pasa años estudiando hechizos en libros y domina a fondo la mecánica de cada uno. El brujo (warlock), en cambio, recibe su poder mágico de una fuente externa —un patrón— y puede usar efectos poderosos sin llegar a comprender todos los detalles de cómo funcionan. A juzgar por el título del texto, el autor utiliza precisamente esta diferencia entre la "magia del conocimiento" y la "magia de una fuente externa" como metáfora de lo que ocurre en la era de los LLM, aunque la fuente no reproduce el ensayo más allá de su introducción.

• Autor: Alexander Ovchinnikov, especialista sénior en testing de Kontur
• El texto se ha publicado en Habr con el título "From Wizard to Warlock: la magia en D&D como metáfora de la era de los LLM"
• Según sus propias palabras, el autor lleva varios años usando activamente LLM para tareas personales

Kontur (SKB Kontur) es una gran empresa tecnológica rusa con sede en Ekaterimburgo que desarrolla servicios para empresas: declaraciones electrónicas, gestión documental electrónica y sistemas de contabilidad. Ya es significativo que un texto sobre LLM surja de la práctica de un especialista en testing de una compañía con este perfil: no hablamos de desarrolladores de productos de AI, sino de una especialidad técnica afín en la que los grandes modelos de lenguaje se están convirtiendo en una herramienta de trabajo más, al mismo nivel que el software habitual de testing y automatización.

Por qué el autor considera más importante enseñar los LLM a otros que

usarlos él mismo?

Ovchinnikov escribe que su experiencia más interesante no ha sido usar LLM en sus propios proyectos, sino empezar a mostrar estas herramientas a otras personas. El planteamiento pone de relieve una brecha habitual en torno a las nuevas tecnologías: unos ya trabajan con soltura con los LLM como herramienta de trabajo, mientras que otros todavía no han visto lo que estos modelos pueden hacer en la práctica. Estos últimos necesitan a alguien que les muestre un ejemplo concreto aplicado a su propia tarea, no una demostración abstracta.

Si se parte de esta metáfora, el asunto tiene menos que ver con la tecnología en sí que con la actitud de las personas ante el resultado que ofrece: unas quieren entender cómo funciona por dentro antes de empezar a usarla, y otras están dispuestas a aplicar la herramienta tal cual si resuelve el problema aquí y ahora.

Qué significa

El ensayo recoge un tema cada vez más presente en las comunidades profesionales: los LLM cambian no solo lo que hacen los especialistas, sino también cómo explican a sus compañeros lo que está pasando, con metáforas, analogías y demostraciones con ejemplos reales en lugar de instrucciones áridas. Para los técnicos que implantan estas herramientas en sus equipos, el ejemplo personal y la demostración práctica suelen resultar más convincentes que cualquier formación formal.

También es revelador que este tipo de textos no surja del entorno de quienes desarrollan los propios modelos de AI, sino de profesiones técnicas afines como el testing. Indirectamente, esto muestra hasta qué punto los LLM ya se han extendido por los flujos de trabajo más allá de la reducida comunidad de AI.