La IA en la programación impedirá que surjan nuevos expertos

// La necesidad de fricción continua en la formación de habilidades a largo plazo.

El subtítulo de la historia lo dice todo.

Hay personas que buscan la fricción. Piensa en un atleta o en un empollón empedernido.

Los mejores ingenieros son aquellos que estaban fascinados con las computadoras y el aprendizaje cuando eran niños y lo persiguieron en cada oportunidad. Encontraron su propia fricción, en otras palabras.

Para ese tipo de personas, la búsqueda de fricción es la constante y lo que los LLMs han hecho es mover el punto donde ocurre la fricción.

Por ejemplo, los mejores ingenieros con los que he trabajado no necesariamente tenían mucha experiencia programando en ensamblador porque ese tipo de fricción ya no era necesaria. Pero podían resolver problemas difíciles (y si un problema realmente requería ensamblador, podían aprenderlo).

Lo que creo que se verá mucho más afectado por la IA es el ingeniero de nivel bajo. Alguien que nunca fue verdaderamente curioso y comprometido, para quien era solo un trabajo. Por ejemplo, una persona típica de subcontratación que empuja tickets. Ese tipo de persona nunca salió a buscar fricción y ese es el tipo de cosa que nunca volverá a funcionar: si quiero mediocre o promedio, los LLMs son suficientes.

La serpiente que se muerde la cola en el desarrollo de software con LLM realmente ha sido recibida con un encogimiento de hombros cada vez que se menciona. En el mejor de los casos, tienes un pequeño grupo de desarrolladores que no se fríen el cerebro con IA y su recompensa por ello parece ser tener que revisar el terrible código de IA escrito por personas que sí se han freído el cerebro.

Completamente insostenible.

Como educador tecnológico estoy 100% de acuerdo. Los LLMs no se van a convertir en un "nuevo compilador" donde ya no tengamos que preocuparnos por el código. Hay una razón por la que confiamos en los sistemas deterministas.

Me he preocupado mucho por esto, incluso creé una habilidad de agente llamada do-i-understand diseñada para desarrolladores novatos (y también para experimentados, debido a la atrofia) donde el LLM te hace preguntas sobre el PR que estás a punto de enviar. He descubierto que ayuda mucho: https://github.com/AnthonyPAlicea/skills/blob/main/skills/do...

De una forma u otra, habrá un ajuste de cuentas con las habilidades.

Estoy totalmente de acuerdo con el concepto de que la fricción cognitiva es el motor del aprendizaje.

En primer lugar, es un problema de "dependencia": si dejas de entrenar el "músculo" de la lógica y el razonamiento, se atrofia gradualmente, igual que los músculos físicos que no se usan. Te vuelves dependiente de herramientas externas que reemplazan una capacidad que antes tenías tú mismo.

Un ejemplo histórico que provocó un cambio similar es este: cuando el proceso de producción pasó de la mente y las manos del artesano a la fábrica fordista (y la línea de montaje), la habilidad de construir cosas pasó de la artesanía humana a procesos anónimos y estructurados.

Poco a poco, los artesanos tradicionales perdieron su conocimiento y su "saber hacer". Hoy, tener un mueble en casa depende de una cadena masiva de producción y suministro; la persona "promedio" ya no tiene la capacidad de construirlo por sí misma.

Exactamente lo mismo está sucediendo con el software.

Somos los (ahora "antiguos") artesanos del software.

Creo que la consecuencia más probable de la IA es promover a los generalistas: personas que tienen experiencia en un dominio, pueden trabajar en varias disciplinas y tienen suficiente conocimiento de programación para mantener a los LLMs en el camino correcto. No creo que los "puros" ingenieros de software terminen siendo tan valorados como en la última década, aunque también creo que eso será cierto para otras disciplinas. Solo como ejemplo, en procesamiento de señales, no es raro tener a una persona diseñando el algoritmo general y a otra dedicada a implementar el algoritmo en el sistema embebido. Con la calidad de los agentes de codificación, ya no es realmente necesario tener a ambas personas. Una persona moderadamente experimentada en ambos puede hacer el trabajo ahora.

Por desgracia, esto parece muy cierto.

Justo ayer estaba implementando un JavaScript un poco complicado (no es mi idioma principal) para mostrar al pasar el ratón n vecinos a cada lado, y si hay un déficit en cualquiera de los lados, expandirse al otro lado. Después de unos 20 minutos luchando para ajustar los offsets correctamente, sucumbí y le pedí a un agente que lo hiciera.

Estoy seguro de que todavía podría hacerlo, pero me entristeció no lograrlo tan rápido como creo que solía poder. La atrofia ya podría estar en juego.

Para ser honesto, ya era bastante malo. Hay una diferencia marcada entre los mejores y el promedio en mi experiencia. El diez por ciento superior de los programadores es mucho mejor que cualquier otro cuando se trata de cualquier cosa que no sea código de pegamento estándar (que todavía se necesita y lo hacen mejor los programadores promedio).

Esto lo digo desde mi experiencia como tipo de sistemas/C/C++. Si eres un desarrollador frontend de JS, Python, o lo que sea, no tengo idea si esto se aplica a ti.

Sí, y no importa.

Escribir código en lenguajes de programación es una habilidad/necesidad creada por nosotros para instruir a las computadoras sobre lo que queremos que hagan.

Inicialmente en los años 60, esto se hacía conectando circuitos de una forma u otra (piensa en ENIAC). Luego ideamos computadoras "programables" y diseñamos un montón de códigos (instrucciones de código de computadora) que abstraían esos cables.

Luego creamos los lenguajes de programación para abstraer aún más la complejidad del hardware, y para poder escribir nuestros deseos de una manera más transferible entre los humanos, pero que aún sea computable por las máquinas.

Pero con los LLMs y las redes neuronales, en algún momento estas abstracciones no serán necesarias.

Las computadoras seguirán haciendo cálculos, pero la forma en que les decimos lo que queremos va a evolucionar.

Es fascinante.

Estamos gastando muchísimo tiempo y energía intelectual en discusiones sobre experimentos alquímicos con diferentes modelos, agentes, arneses, orquestaciones.

Y hay enormes cantidades de tiempo, energía y escritura invertidas en discutir sobre IA o tratar de convencer a la gente del peligro o los problemas.

Lamentablemente, todo esto está quitando tiempo que podría dedicarse al progreso real y al aprendizaje sobre codificación/FP/PL/algoritmos/teoría de tipos, etc.