¿Qué sucede cuando le da una plataforma de inteligencia artificial avanzada a un grupo de desarrolladores expertos y les pide que trabajen en las tareas que conocen en detalle? Lo lógico sería esperar un salto de productividad, una gran combinación entre la experiencia. asistencia humana y tecnológica. Las herramientas están ahí, se aprenden los flujos, la curva de aprendizaje no es un obstáculo.

Pero no fue así. Lo que sucedió incluso sorprendió a los autores del estudio, según Reuters: La IA no mejoró los resultados. Los empeoró. Y lo hizo de una manera tan sutil que ni siquiera los desarrolladores mismos se dieron cuenta. El informe no habla sobre fallas críticas o errores graves, pero el efecto fue claro: el trabajo se volvió más lento. Más lento de lo que hubiera sido sin inteligencia artificial en el medio.

Más no siempre significa más productividad

Antes de comenzar, todos estuvieron de acuerdo en algo: usar inteligencia artificial iba a ahorrarles tiempo. De hecho, estimaron que sus tareas terminarían un 24 % más rápido. Era una expectativa razonable, basada en su experiencia y en cómo se presentaron estas herramientas. Y cuando terminaron, todavía estaban convencidos de haberlo logrado: su estimación era que Habían sido un 20 % más rápido. En sus propias palabras, AI les había permitido avanzar sin bloqueos, sin interrupciones, con un flujo de trabajo más ágil.

Pero no. En realidad, habían tardado más. Mucho más. El promedio general del grupo fue un aumento del 19 % en el tiempo total durante la prueba realizada por Metr. No es una diferencia menor. Y es aún más sorprendente si uno tiene en cuenta que hablamos de tareas que ellos mismos habían definido como relevantes, útiles y realistas: corrección de errores, nuevas funcionalidades, refactores. No fueron ejercicios diseñados para probar la IA, sino el trabajo real, del que se realiza todos los días en cualquier proyecto maduro.

La diferencia fue tan grande que dejó incluso palabras incluso a los responsables del estudio. Los desarrolladores no eran novatos ni aprendían sobre la marcha. Habían estado trabajando en esos mismos proyectos durante años, Sabían los repositorios en detalleSabían lo que había detrás de cada archivo y cada función. Estaban en su campo. Y, sin embargo, las herramientas de la IA no facilitaron el trabajo. Lo complicaron.

Parte de la explicación es cómo funcionan estas plataformas. Las sugerencias que ofrecieron no eran del todo incorrectas, sino imprecisas. A menudo estaban bien dirigidos, pero requerían ajustes. Y esos ajustes, en lugar de ahorrar tiempo, se alargaron. Verifique, corrija, verifique. Empiece de nuevo. Lo que prometió ser una ayuda se convirtió en un proceso más intermedio: una capa adicional entre el pensamiento y la solución.

La sensación de fluidez fue engañosa. Comenzaron con una base, sí, pero esa base rara vez sirvió como es. Tuviste que derrumbarteComprenda lo que el modelo había querido decir, compare con lo que ya existía y reconstruye lo que es necesario. Como si cada sugerencia viniera con un asterisco invisible. Una línea de código predeterminada no válida. La ilusión del progreso se mantuvo más rápido hasta que llegó el momento de compilar, probar o hacer una revisión seria del código generado.

Y, sin embargo, muchos de los participantes continúan usando esas mismas herramientas en su día a día. No porque les ahorren tiempo, sino porque hacen el trabajo más soportable. En el estudio utilizaron principalmente Cursor, una plataforma que integra modelos de lenguaje avanzados como el soneto Claude 3.5 y 3.7, y que permite escribir, completar y revisar el código directamente del entorno de desarrollo. El cursor no hace todo por ti, pero él te acompaña. Esa compañía, incluso cuando no es del todo eficiente, puede hacer que la programación sea menos agotadora.

La IA convierte el esfuerzo para programar algo más similar a ser un director de orquesta que construir todo desde cero con una sólida base de conocimiento. Ya lo estamos viendo con el fenómeno Codificación de ambientes. En medio de este escenario hemos visto empresas Cortan el equipo de desarrollo Debido a las posibilidades ofrecidas por la IA, aunque algunos han tenido que regresar a sus pasos. AI es una herramienta valiosa, pero no ayuda a todos por igual.

Imágenes | Procreator de Global UI UX Design Agency | Nubelson Fernandes | Cursor

En | Nvidia alcanzó los 4 mil millones de dólares de capitalización por una razón: su posición privilegiada en el auge de la IA