El uso de asistentes de programación basados en inteligencia artificial plantea una aparente contradicción: estas herramientas exigen criterios de experto para orientar, revisar y validar sus resultados, pero al mismo tiempo pueden eliminar la fricción práctica necesaria para desarrollar esos criterios. La experiencia acumulada permite comprobar el código generado, detectar errores y discernir qué propuestas son útiles; los principiantes carecen de ese punto de referencia y pueden confiar en respuestas que no comprenden.
Un estudio de JetBrains sobre desarrolladores noveles citado en el artículo comparó distintos niveles de asistencia de IA durante sesiones reales de programación. Los participantes que recibieron más ayuda omitieron etapas importantes de planificación y terminaron con una «ilustración de competencia» en lugar de una comprensión profunda. Quienes limitaron su uso pudieron aplicar la herramienta para acelerar soluciones que ya habían concebido y desarrollaron «experiencia negativa», es decir, la capacidad de rechazar sugerencias incorrectas o poco útiles.
El texto describe este proceso como aprendizaje invertido: el estudiante debe guiar inicialmente a un modelo que actúa como mentor, aunque todavía no sabe formular las preguntas correctas. La IA puede completar vacíos de conocimiento, pero también ocultar mecanismos internos y favorecer una confianza basada en patrones generados, no en experiencia propia. Para construir intuición técnica, el artículo defiende la práctica, la repetición y el ensayo-error como elementos necesarios. La conclusión es que la IA debe complementar el aprendizaje, no sustituir el trabajo de resolver problemas, ya que evitar la fricción puede dificultar la formación de desarrolladores capaces de utilizar estas herramientas con criterio.