Muletas de IA para programar: Anthropic confirma que la velocidad mata la comprensión

Nos hemos acostumbrado a pensar que las redes neuronales son un exoesqueleto para el cerebro que nos hace más fuertes y rápidos. Pero un reciente estudio de Anthropic obliga a mirar la situación de otra manera. Parece que no nos estamos poniendo la armadura de Iron Man, sino sentándonos en una silla de ruedas que nos lleva hacia la atrofia intelectual. Mientras los directores técnicos de todo el mundo celebran que los plazos de desarrollo se acortan, dentro de los equipos madura una crisis que aflorará en un par de años.

Anthropic quiso comprobar cómo influye exactamente el uso de IA en el proceso de aprendizaje y en la asimilación de nuevas habilidades. Reunió a 52 desarrolladores junior y les planteó una tarea: implementar una funcionalidad con una tecnología a la que nunca antes se habían enfrentado. Los sujetos se dividieron en dos grupos. Al primero se le permitió usar Claude y otras herramientas; el segundo solo contaba con la documentación y su propio intelecto. El resultado fue tan previsible como inquietante para el futuro del sector.

Quienes trabajaron junto a la IA cerraron los tickets en tiempos récord. Parecían superestrellas de la productividad, con soluciones listas en minutos. Pero el diablo estaba en la evaluación final. Cuando se pidió a los participantes que explicaran cómo funcionaba exactamente el código que habían escrito, el grupo «con IA» se vino abajo. Resultó que no habían profundizado en la arquitectura, no entendían por qué se habían elegido ciertos métodos y se habían limitado a hacer de eslabón entre el chatbot y el editor de código. Mientras tanto, el segundo grupo, que sufrió con la documentación y cometió errores, demostró una comprensión profunda del tema y capacidad para aplicar ese conocimiento en otros contextos.

El problema no es la IA en sí, sino la trampa de dopamina del resultado rápido. Cuando la solución aparece al pulsar un botón, el cerebro deja de gastar energía en el procesamiento profundo de la información. ¿Para qué entender los punteros o la asincronía si Claude ya ha entregado un fragmento de código que funciona? A largo plazo, esto crea una generación de programadores «superficiales». Pueden montar un prototipo en una tarde, pero quedarán completamente indefensos cuando la IA cometa un error arquitectónico sutil o cuando el proyecto exija una solución no estándar que no figura en los datos de entrenamiento del modelo.

El proceso recuerda a lo que le pasó a la orientación en el espacio tras la llegada del GPS. Dejamos de memorizar calles y puntos de referencia y nos fiamos por completo del punto azul de la pantalla. Pero si con el navegador el precio de un error es una vuelta de más por el barrio, en el desarrollo de software el precio son agujeros de seguridad y código legado inmantenible que nadie en la empresa entiende del todo.

Corremos el riesgo de que no haya de dónde sacar desarrolladores senior, porque el camino de junior a middle antes pasaba por el dolor, los errores y un estudio profundo del código ajeno, y ahora lo ha sustituido un interminable Ctrl+C y Ctrl+V.

Las empresas que hoy fomentan el uso irreflexivo de la IA para cumplir los objetivos trimestrales piden, en la práctica, un préstamo con intereses enormes a su propio futuro. Sí, el rendimiento sube, pero la experiencia dentro del equipo se diluye. Si un desarrollador no entiende por qué funciona el código, no es un desarrollador, sino un operador de máquina de escribir con funciones ampliadas. La ironía es que la IA sustituirá primero precisamente a esos «operadores», en cuanto sea un poco más estable.

Lo esencial: la IA es una herramienta excelente para quien ya sabe programar, pero una muleta tóxica para quien está aprendiendo. ¿Logrará el sector implantar a tiempo reglas de «higiene del código», o estamos condenados a un software que nadie entiende?