El autor reflexiona sobre la contradicción que vive buena parte de la comunidad técnica: reconoce como válidos casi todos los argumentos críticos contra los modelos de lenguaje grandes (LLM) y, sin embargo, sigue utilizándolos a diario. La escena, según cuenta, se repitió en la Local-First Conf de Berlín: los asistentes abrían Claude Code mientras aplaudían las ponencias más duras contra la inteligencia artificial generativa.
Entre las preocupaciones que comparte están la producción masiva de código de baja calidad y el deterioro del software libre, amenazado por un aluvión de contribuciones automatizadas que los mantenedores ya no pueden filtrar fácilmente; el impacto sobre los ingenieros júnior, cuya formación pierde sentido si las tareas mecánicas se externalizan a un LLM; la dependencia geopolítica de proveedores como OpenAI o Anthropic, con el riesgo real de que Estados Unidos o China restrinjan el acceso a modelos punteros; y el sesgo ideológico que estos modelos transmiten de forma silenciosa al alinearse con la mayoría de los datos de entrenamiento.
A pesar de todo, defiende que los LLM han llegado para quedarse y que la mejor respuesta no es rechazarlos, sino encauzarlos: promover modelos locales y de pesos abiertos, ejecutables en el propio ordenador, como contrapeso a los grandes proveedores y como garantía de continuidad si las subvenciones suben los precios o se cierran fronteras tecnológicas.