Una sugerencia directa ha llamado la atención: dejar de permitir que los agentes de IA compongan su código. La pieza, conocida como «How to keep enjoying programming in a world of LLMs,» presenta un argumento directo. Su autor insta a los programadores a escribir código por su cuenta, sin excepción, en lugar de confiar cada tarea a un agente.
Un descargo de responsabilidad se encuentra en la parte superior de la publicación, advirtiendo a los lectores que el texto alguna vez fue confundido con escritura generada por máquina. El autor ha corregido desde entonces el registro: es 100% escrito por humanos sin ninguna asistencia de IA. Esa corrección es todo el punto. El escritor no es un «techbro» que impulsa una mayor participación de las máquinas. Son un programador que quiere mantener viva la artesanía.
El Libro Que Lo Empezó Todo
El libro de Sean Mcmullen, «Souls in the Great Machine», que el escritor leyó cuando era adolescente, cuenta la historia de una vasta máquina hecha de almas humanas que actúan como una sola unidad de cálculo. La broma surge de inmediato: las LLM son máquinas reales, construidas a partir de procesadores reales, que hacen el mismo trabajo mientras fingen ser sobrehumanas. El escritor encuentra la brecha entre el relato y el presente muy pequeña en efecto.
Nos estamos convirtiendo en meras partes dentro de una máquina en lugar de las personas que producen software. Un sistema que depende de especificaciones nos proporciona un plan, lo fuerza en la LLM y llora cuando los tokens se acortan porque algún señor de la tecnología eligió distribuir menos de ellos. Este cambio es mostrado como gradual, no repentino, por el escritor.
Por Qué Haskell Importa Aquí
Este autor se describe a sí mismo como alguien que escribe Haskell y disfruta haciéndolo. Cree que este placer se aplica a la mayoría de los programadores que trabajan con Haskell, pero no cree que se mantenga para muchos otros idiomas. Esa distinción ayuda a explicar por qué los defensores de diferentes idiomas ven el futuro asistido por LLM en perspectivas tan diferentes.
Una gran parte del placer de escribir código está en peligro cuando una LLM lo produce. Renunciar a estos modelos de lenguaje grandes no es la respuesta. El escritor desea seguir componiendo programas de Haskell, sin necesidad de estudiar y verificar demasiado código generado. Al mismo tiempo, espera poner esos tokens a un propósito digno que no desgaste constantemente su mente.
El objetivo es lograr un poco más con los LLM sin parecer mucho más productivos y renunciando al placer en el camino.
Siga Escribiendo Código
Mantener el control sobre una base de código requiere continuar escribiendo código usted mismo. Si permite que todo sea generado en su lugar, la base de código se convierte en un páramo de LLM donde solo pueden sobrevivir los agentes de codificación. Eventualmente se perderá.
Continuar escribiendo código ayuda a mantener la habilidad de programación, porque las habilidades se desvanecen sin práctica. El punto en el que alguien decide abandonar por completo la codificación y entregar el trabajo a un agente es sorprendentemente fácil de alcanzar. Según el escritor, después de solo unas pocas semanas de dejar que los agentes hagan toda la codificación mientras usted se sienta atrás, le resultará difícil volver a empezar a codificar por su cuenta.
Los LLM son Peores de lo Anunciado
Los sistemas de inteligencia artificial son mucho peores a la hora de crear código legible y fácil de usar para los humanos de lo que se afirma. Logran producir algo utilizable cuando el código solo se trabajará con otra IA. Sin embargo, el escritor confía en que los lectores han sentido la frustración de mirar un archivo completo producido íntegramente desde cero, sabiendo que hay un defecto en algún lugar y sintiéndose incapaz de detectarlo uno mismo, ya que el territorio parece tan desconocido.
La vía para lograr una mayor productividad no implica dejar que los agentes se encarguen de la codificación. En cambio, está en asignarle casi todas las demás responsabilidades, particularmente los trabajos tediosos que causan molestias. Las tareas ideales son aquellas que no son difíciles de ejecutar correctamente y son simples de verificar.
Planificar Con LLM
Las computadoras han servido como ayudas de contabilidad desde sus inicios. Trate a los LLM como tal herramienta, una que acepta instrucciones dadas en lenguaje sencillo en lugar de a través de una interfaz formal. Convierte largas discusiones entre especialistas en tareas prácticas. Registre el resultado de una prueba y deje que el sistema clasifique esos hallazgos en un curso de acción destinado a corregir cualquier defecto.
Utilice herramientas como una herramienta de gestión de tareas, o incluso mejor, archivos markdown con frontmatter para que pueda realizar un seguimiento adecuado de los elementos de planificación. Los LLM pueden tener un contexto enorme, pero aun así, si está demasiado lleno, puede perder información silenciosamente. No permita que tome decisiones cruciales. Hágalo preguntarle. Si no entiende la pregunta, es culpa del LLM no darle el contexto relevante (o podría estar agotado y necesitar un descanso).
Cuando se encuentre repitiendo los mismos problemas una y otra vez, pause y observe la situación por su cuenta, para que pueda regresar con una idea clara de dónde se encuentra.
Investigando con LLM
Una tarea de investigación de un agente puede engañarlo para que lo observe consultando y «pensando», o para que inicie otro agente en un proyecto separado, o para que se prepare un café. De esas tres opciones, el café es la mejor. La opción superior es investigar usted mismo junto con el agente utilizando un motor de búsqueda, para que al menos tenga una idea aproximada de todo lo que el agente encontrará.
No lo deje simplemente investigar algo, acepte sus resultados como hechos y planifique a partir de ahí. Esto conducirá a una deuda técnica embarazosa. El punto de hacer que un agente investigue no es que le presente todo el conocimiento relevante o que tome una mejor decisión de la que usted podría haber tomado. El punto es que no tiene que decir «Déjame buscar eso en Google» a él.
Asegúrese de conocer el campo para el que está construyendo modelos al menos tan bien como el agente, y preferiblemente mejor. Haga que sus agentes registren sus hallazgos de investigación junto con referencias a las fuentes de las que se basaron.
La Ironía de la Publicación
El humor aquí proviene de la propia confesión del autor. Una vez fueron tomados por un texto generado por un LLM, se sintieron obligados a corregir la impresión. Es irónico que la propuesta de detener a los agentes que escriben código se originara en un texto que había sido confundido previamente con trabajo generado por IA.
La posición del escritor es coherente. No es anti-LLM. Es pro-productividad, pro-juicio y pro-el placer del programador. El escritor quiere usar LLM para la planificación y la investigación, pero rechaza la generación de código.
Qué Hacemos con Esto
Este artículo sirve como un recordatorio útil de que depender de un LLM para obtener ayuda no significa renunciar por completo a la destreza. Existe un punto medio entre la dependencia total y el rechazo total. El autor se refiere a este enfoque como una ganancia moderada de productividad.
En lugar de tratar a los LLM como reemplazos, es mejor utilizarlos como herramientas. Déjelos encargarse de la organización, la contabilidad y la investigación. El código debe seguir siendo su propio trabajo. Las habilidades pueden desvanecerse rápidamente, y los errores en el código generado son reales.
El consejo del autor vale la pena repetirlo:
- Siga escribiendo código usted mismo, al menos las partes agradables.
- Permita que los agentes se encarguen de las tareas aburridas y repetitivas.
- Utilice los LLM para planificar e investigar, pero verifique sus resultados.
- No los deje tomar decisiones cruciales sin consultarle.
- Comprenda el dominio tan bien como el agente.
Las pautas abordan una preocupación genuina para aquellos que temen el agotamiento por LLM, y se han difundido ampliamente. El argumento es claro, las consecuencias pesan mucho y el humor es agudo.
Material fuente: “Cómo seguir disfrutando de la programación en un mundo de LLM,” haskell.org.
Recibe El Cuaderno.
Las mejores historias del día y cada veredicto nuevo, en español claro, en tu correo a las siete. Un correo al día, nada más.