El uso de modelos de lenguaje de gran escala (LLM) en el desarrollo de software tiende a generar una dependencia excesiva, impidiendo que el desarrollador aprenda las bases fundamentales de su trabajo. La naturaleza de estas herramientas, diseñadas para automatizar tareas completas, elimina la necesidad de inspeccionar el código o comprender los procesos subyacentes, lo que resulta en una pérdida de habilidades prácticas y memoria muscular. Esta dinámica no es inherente a la tecnología, sino que refleja los objetivos comerciales de las empresas, que buscan maximizar la dependencia de sus usuarios para justificar sus valoraciones y mantener un modelo de negocio basado en la rentabilidad de la dependencia.
Para quienes desean utilizar la IA con fines educativos o de aprendizaje, es necesario adoptar una postura activa y restrictiva. La primera recomendación es limitar las capacidades del agente, impidiéndole ejecutar comandos de escritura o ejecución que no sean de solo lectura, para preservar la interacción directa con el sistema operativo. Además, se debe exigir explícitamente a la IA que consulte fuentes humanas y no clones de repositorios, ya que la IA tiende a priorizar la eficiencia sobre la transparencia. Es crucial definir en el prompt del sistema las instrucciones claras sobre qué tipo de contenido se requiere, especificando si se necesitan ejemplos de código o solo información de referencia.
El proceso de aprendizaje requiere esfuerzo y tolerancia a la frustración, elementos que la IA tiende a minimizar. Sin embargo, si se logra un equilibrio, la IA puede actuar como un generador infinito de material de estudio, adaptando el contenido al nivel del usuario y creando ejercicios personalizados. La clave final es mantener una extrema escepticismo ante las afirmaciones de la IA, recordando que su objetivo principal es la confianza en sus propias capacidades, no la educación del usuario. Este enfoque permite aprovechar la potencia de la IA sin ceder la iniciativa al algoritmo.