Habr: la IA abarató los pronósticos, pero verificarlos sigue costando horas de trabajo humano

Un informe sobre una vulnerabilidad inexistente se escribe en minutos y por unos pocos centavos. Verificarlo, en cambio, le toma horas a un mantenedor de carne y hueso de un proyecto de código abierto, como curl. El autor de un análisis reciente en Habr toma esa asimetría de un artículo vecino sobre código y la aplica a otro producto: los pronósticos sobre IA. Su tesis: la próxima partida de la factura de la IA no corresponderá al código, sino a las predicciones sobre ella.

De dónde sale el desequilibrio

La base es un artículo según el cual el código tiene un coste de escritura y un coste de propiedad, y ambos han evolucionado en direcciones opuestas. El autor del nuevo texto dice abiertamente que toma prestada de allí la contabilidad. También destaca la honestidad del primer autor en el manejo de las fuentes, en especial de los informes de Veracode. Por su parte, añade la transferencia del mecanismo al discurso público y promete mostrar el coste de propiedad en dos proyectos anonimizados. Esa parte está oculta tras el cut, así que no se puede valorar a partir del anuncio.

Una salvedad importante: pronosticar siempre ha sido barato, desde la ciencia ficción hasta los miedos a la automatización, y mucho antes de las redes neuronales. Los modelos generativos no crearon el género. Eliminaron la última partida de gasto, es decir, el coste del empaquetado. Ahora una nota con cifras y tono de experto se puede producir en serie por unos centavos de tokens.

Dónde está el ancla del pronóstico

En los comentarios al artículo original se objetó que la verificación también se está abaratando. Para el código es cierto. El código tiene un ancla independiente: el compilador, las pruebas, un exploit reproducible. La respuesta no depende de la opinión del modelo.

El pronóstico no tiene un ancla así. No hay una prueba que falle si lo prometido no ocurre. Tampoco hay una parte que pague por el error. Por eso lo que se puede producir barato no es solo texto, sino también irresponsabilidad. Mientras tanto, la verificación sigue igual: encontrar la fuente primaria y averiguar quién pagó la investigación.

Comparación resumida de los mecanismos:

• Crear un informe o un pronóstico: minutos y unos pocos centavos de tokens.
• Verificación: horas de trabajo de una persona.
• Ancla en el código: pruebas y resultado reproducible.
• Ancla en el pronóstico: no existe, no hay coste por equivocarse.
• Lo que hay que averiguar a mano: la fuente primaria y quién encargó la investigación.

Qué hacer al respecto

A las redacciones, los analistas y los inversores que leen sobre «profesiones en extinción» y el «próximo salto» les conviene una disciplina sencilla. Antes de citar una cifra, hay que llegar a la fuente primaria y entender quién financió el trabajo. Después, conviene preguntarse si el pronóstico contiene una condición verificable y un plazo. Si no los tiene, es una opinión, no un pronóstico. Aparte, conviene señalar los textos cuyo tono seguro no se apoya en ni una sola referencia a datos.

La responsabilidad de la verificación es mejor incorporarla al proceso desde el principio, como hacen los proyectos que ya se ahogan en informes automáticos. Para los mantenedores, eso significa filtros y requisitos de reproducibilidad. Para los medios, la regla de no publicar una cifra sin haber encontrado su fuente.

El material tiene una limitación. Es una columna de autor, no una investigación: en la parte visible hay pocos datos medibles sobre el coste de la verificación, y los ejemplos clave de los dos proyectos quedaron tras el cut. Como marco para hablar de la calidad de la información en torno a la IA, funciona. Como prueba, hacen falta cifras que por ahora no se ven.