Un ingeniero de software con cinco años de formación universitaria y una extensa trayectoria en el desarrollo de sistemas, bibliotecas de machine learning y administración de servidores expresa su descontento ante la adopción generalizada de los modelos de lenguaje grandes (LLMs) en su flujo de trabajo diario. El autor argumenta que estas herramientas han eliminado el desafío intelectual y la satisfacción personal derivados del proceso creativo y técnico, reduciendo el desarrollo a un ciclo repetitivo de generar prompts, evaluar salidas y ajustar resultados sin una verdadera comprensión profunda de la ingeniería subyacente.
El texto destaca que, aunque las LLMs permiten prototipar soluciones complejas en tiempo récord con una calidad de código creciente, este atajo impide el aprendizaje por error, mecanismo fundamental para adquirir 'savvy' o pericia práctica. El autor señala que, al delegar la resolución de problemas en la IA, deja de cometer errores propios y, por tanto, de aprender de ellos, lo que erosiona sus competencias técnicas a largo plazo. Además, critica la presión corporativa existente para utilizar estas herramientas bajo la amenaza de quedar obsoletos, cuestionando si las métricas reales de productividad, que incluyen deuda técnica y mantenibilidad, justifican su uso indiscriminado. Finalmente, el ingeniero concluye que el objetivo del desarrollo no es solo llegar de un punto A a un B, sino disfrutar del proceso y ganar experiencia, algo que la automatización actual está comprometiendo.