Habr: un autor sostiene que los LLM vuelven innecesarias las interfaces gráficas

Las primeras interfaces exigían que la persona conociera el lenguaje de la máquina: interruptores, tarjetas perforadas, comandos en un terminal. Las ventanas, los menús y el ratón eliminaron ese requisito para el usuario común. La columna de Habr titulada «¿Necesito interfaces?» va más allá y afirma que, con la llegada de los LLM, la propia capa de interfaz resulta superflua. El autor promete demostrarlo en la práctica, pero en el anuncio por RSS solo está disponible la introducción, y la demostración queda oculta tras el corte de la publicación. Por eso analizamos la tesis en sí y sus límites.

De dónde salió la capa entre la persona y el programa

El argumento del autor se construye como una historia de traducciones. Al principio, la persona escribía a la máquina en su propio lenguaje, y un error en un solo símbolo significaba que no ocurriría nada. Cuando los ordenadores se convirtieron en un producto de masas, recordar decenas de comandos y parámetros dejó de ser realista. Aparecieron las ventanas, los iconos y la papelera: en lugar de un comando de borrado, el archivo simplemente se arrastraba; en lugar de una lista de operaciones, el usuario veía objetos y las acciones posibles sobre ellos.

La idea clave es que la máquina, durante todo ese tiempo, ejecutaba los mismos comandos exactos. Lo único que cambiaba era el traductor entre la intención de la persona y la llamada a la función. Ese papel es el que se denomina interfaz.

Cronología simplificada en la que se apoya el razonamiento:

• Década de 1950: tarjetas perforadas e interruptores, la persona habla el lenguaje de la máquina;
• 1960–1970: línea de comandos, hay que recordar la sintaxis y el orden de los parámetros;
• 1973–1984: del Xerox Alto al Macintosh, ventanas gráficas y puntero de ratón;
• 2007: iPhone, contacto directo con los objetos en pantalla;
• noviembre de 2022: lanzamiento de ChatGPT, la petición se formula en lenguaje natural.

Qué cambian exactamente los LLM

Si la interfaz es necesaria como traductor, un modelo de lenguaje parece un candidato muy sólido para ocupar ese puesto. La persona escribe «quita los duplicados del informe y envíaselo a Marina», y el modelo encuentra por sí solo las operaciones necesarias y las ejecuta. Técnicamente, el camino ya está preparado: los protocolos de conexión de herramientas como MCP, presentado por Anthropic en noviembre de 2024, y los frameworks de agentes permiten que el modelo llame directamente a las funciones de las aplicaciones, sin pasar por los botones.

En esta lógica, el botón se convierte en un simple eslabón intermedio que el usuario pulsa a mano. El agente pulsa lo mismo a través de la API, y más rápido.

Sin embargo, la tesis tiene puntos débiles, y el autor tendrá que responder a ellos en la parte principal.

• El chat sigue siendo, en esencia, una línea de comandos, solo que el parser es ahora mucho más tolerante con las formulaciones.
• La interfaz gráfica muestra qué es posible hacer. En un campo de entrada vacío eso no se ve.
• Una ventana con datos permite comprobar el resultado de un vistazo. Un «hecho» en texto no ofrece esa comprobación.
• Deshacer, confirmar y consultar el historial de acciones vienen integrados en la GUI. En los escenarios con agentes hay que diseñarlos por separado.
• Las tareas que exigen una selección espacial precisa, como seleccionar una zona de una foto o corregir una celda de una tabla, se resuelven más rápido con el ratón que con palabras.

Conclusiones prácticas para los equipos de producto

Aunque se esté de acuerdo con el autor solo a medias, las prioridades cambian. Primero conviene abrir la funcionalidad de la aplicación mediante API y herramientas bien descritas, para que el agente pueda usarla. La interfaz deja de ser la entrada principal y pasa a ser un panel de control: muestra lo que ha hecho el agente y permite revertir el resultado con rapidez.

A los desarrolladores les resulta útil someter el producto a una prueba sencilla: qué escenarios se pueden ejecutar con una sola frase y cuáles no se pueden resolver sin pantalla. Los primeros conviene delegarlos en el agente; los segundos, mantenerlos como visuales. Además, hacen falta un registro de acciones, confirmación de las operaciones irreversibles y mensajes de error comprensibles.

El autor publica en Habr la versión completa con la demostración. Por ahora se ve lo principal: la pregunta ya no es «cómo hacer más cómodo el botón». Ahora es «si una persona necesita este botón cuando lo va a pulsar un agente».