Buenas, esto es BIMPRAXIS, el podcast donde el
Download transcript (.srt)
0:09
0:15
0:20
0:23
0:26
0:28
0:36
0:40
0:41
0:43
0:46
0:46
0:47
0:49
0:51
0:53
0:55
0:57
1:00
1:01
1:03
1:06
1:09
1:12
1:13
1:15
1:19
1:20
1:21
1:24
1:25
1:26
1:29
1:31
1:36
1:36
1:40
1:43
1:46
1:48
1:51
1:53
1:55
1:56
1:57
1:59
2:02
2:03
2:06
2:09
2:09
2:11
2:12
2:15
2:18
2:20
2:21
2:21
2:23
2:26
2:29
2:31
2:34
2:34
2:37
2:40
2:42
2:43
2:44
2:46
2:46
2:47
2:47
2:50
2:51
2:53
2:56
2:59
3:02
3:03
3:04
3:07
3:11
3:14
3:15
3:16
3:16
3:19
3:21
3:24
3:24
3:26
3:29
3:32
3:36
3:37
3:39
3:41
3:44
3:45
3:47
3:50
3:52
3:52
3:54
3:56
3:59
4:02
4:05
4:08
4:10
4:13
4:15
4:17
4:20
4:21
4:23
4:26
4:27
4:27
4:30
4:31
4:32
4:34
4:35
4:38
4:41
4:43
4:44
4:47
4:47
4:49
4:49
4:50
4:52
4:53
4:56
4:58
5:02
5:03
5:05
5:06
5:09
5:13
5:15
5:18
5:20
5:22
5:23
5:25
5:27
5:29
5:32
5:34
5:35
5:37
5:38
5:40
5:42
5:44
5:46
5:48
5:50
5:52
5:53
5:55
5:56
5:58
5:59
6:03
6:05
6:07
6:08
6:10
6:14
6:17
6:18
6:21
6:23
6:24
6:25
6:28
6:30
6:33
6:35
6:37
6:39
6:42
6:43
6:43
6:45
6:45
6:47
6:49
6:50
6:52
6:55
6:56
6:59
7:01
7:04
7:05
7:07
7:09
7:10
7:13
7:13
7:15
7:17
7:18
7:21
7:25
7:25
7:26
7:27
7:27
7:30
7:31
7:35
7:36
7:37
7:38
7:41
7:41
7:44
7:48
7:50
7:52
7:52
7:54
7:57
7:58
8:01
8:04
8:05
8:06
8:08
8:10
8:11
8:14
8:15
8:18
8:21
8:24
8:25
8:27
8:28
8:30
8:31
8:34
8:36
8:37
8:39
8:43
8:45
8:46
8:48
8:50
8:52
8:54
8:56
8:57
8:59
9:01
9:03
9:04
9:07
9:09
9:09
9:10
9:12
9:14
9:16
9:17
9:18
9:20
9:22
9:24
9:25
9:27
9:29
9:30
9:31
9:34
9:35
9:36
9:37
9:39
9:39
9:42
9:43
9:44
9:45
9:48
9:50
9:53
9:54
9:56
9:59
10:03
10:03
10:05
10:06
10:10
10:11
10:11
10:12
10:15
10:17
10:19
10:22
10:24
10:25
10:28
10:32
10:34
10:35
10:38
10:41
10:42
10:45
10:46
10:50
10:52
10:53
10:56
11:00
11:02
11:04
11:06
11:09
11:11
11:13
11:15
11:16
11:18
11:21
11:22
11:23
11:24
11:24
11:27
11:30
11:32
11:34
11:38
11:41
11:43
11:46
11:47
11:48
11:50
11:53
11:54
11:55
11:57
12:00
12:00
12:02
12:03
12:04
12:07
12:09
12:12
12:13
12:15
12:18
12:19
12:22
12:24
12:25
12:26
12:29
12:33
12:35
12:38
12:38
12:40
12:41
12:44
12:46
12:48
12:51
12:53
12:55
12:59
13:01
13:02
13:03
13:05
13:09
13:10
13:13
13:14
13:17
13:20
13:21
13:24
13:24
13:26
13:29
13:32
13:33
13:35
13:36
13:38
13:40
13:41
13:43
13:44
13:46
13:47
13:48
13:49
13:50
13:53
13:55
13:58
14:02
14:02
14:02
14:05
14:06
14:09
14:11
14:13
14:16
14:18
14:21
14:23
14:26
14:27
14:30
14:32
14:36
14:38
14:41
14:43
14:47
14:50
14:51
14:54
14:57
14:59
15:01
15:04
15:06
15:08
15:10
15:12
15:14
15:16
15:18
15:20
15:22
15:22
15:26
15:30
15:31
15:33
15:36
15:37
15:41
15:44
15:46
15:47
15:48
15:49
15:50
15:51
15:54
15:55
15:57
15:58
16:00
16:02
16:05
16:08
16:10
16:11
16:12
16:14
16:18
16:20
16:23
16:26
16:27
16:28
16:31
16:31
16:34
16:37
16:38
16:41
16:44
16:46
16:49
16:51
17:03
17:15
17:17
BIM se encuentra con la inteligencia artificial.
Exploramos la ciencia, la tecnología y el futuro
desde el enfoque de la arquitectura, ingeniería y
construcción.
¡Empezamos!
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio
de BIMPRAXIS.
Hoy os traemos por qué la IA no
ha reemplazado a los ingenieros de software, ni
lo hará jamás.
Hola, ¿qué tal?
Un placer estar aquí otra vez.
Bueno, imagínate la escena, ¿eh?
Abres las noticias por la mañana, te estás
tomando el primer café y lees los titulares
de tecnología.
Snap despide a mil empleados, Block recorta 4
.000 puestos.
Madre mía, la tormenta perfecta, claro.
Y encima salen los directivos de estas empresas
en televisión diciendo, con total tranquilidad, que la
inteligencia artificial ya está escribiendo la mayor parte
de su código.
O sea, si trabajas en el sector del
conocimiento, o si simplemente tienes una hipoteca, lo
normal es sentir pánico.
Totalmente normal.
La narrativa pública te vende que los algoritmos
vienen a por tu silla.
Exacto.
Pero hoy, en este análisis afrondo, nos vamos
a basar en un ensayo buenísimo y muy
reciente de los investigadores Arvind Narayanan y Sayash
Kapur.
Y básicamente nuestro objetivo hoy es desmontar toda
esta narrativa catastrófica con datos reales.
Y es que lo valioso del trabajo de
estos autores, es que no se ponen a
hacer predicciones futuristas, en plan, lo que hará
la IA en 10 años.
No, se van a la trinchera.
A lo que está pasando hoy.
Eso es.
Analizan la profesión donde la IA está más
integrada y avanzada ahora mismo, que es la
ingeniería de software.
A ver, si esto fuera un apocalipsis laboral,
los programadores deberían ser los primeros en caer,
¿no?
Deberían estar ya todos en la calle.
Exacto.
Pero cuando rascas un poco en la superficie
y miras los datos, el panorama es radicalmente
distinto a lo que nos venden los grandes
titulares.
Vale.
Vamos a desgranar esto.
Porque para entender la realidad, primero tenemos que
enfrentarnos a esos titulares sensacionalistas.
O sea, si la IA no está quitando
los trabajos, ¿por qué los directivos dicen que
sí?
Pues porque hay una maquinaria financiera enorme detrás.
Los autores lo llaman lavado de cara con
IA o AI washing.
Es fascinante, de verdad.
Viene todo de la pandemia.
Dinero barato y contrataciones a lo largo de
la pandemia.
Loco, ¿no?
Claro.
Contrataron de forma desmesurada porque había que acaparar
talento.
Pero ahora el dinero es caro, los inversores
de Wall Street exijan rentabilidad y las empresas
tienen que cuadrar las cuentas recortando plantilla.
Y claro, salir y decir, me equivoqué calculando
o te hunde en la bolsa.
Te hunde por completo.
Así que anuncian despidos y le cuelgan la
etiqueta de Transición Estratégica Hacia la Inteligencia Artificial.
El mercado aplaude, las acciones suben y problema
resuelto.
Parece que la IA se ha quedado sin
dinero.
Convertido en el equivalente corporativo a decir, el
perro se comió mis deberes.
Básicamente para justificar recortes financieros.
Sí, sí.
La excusa perfecta.
De hecho, hay encuestas que dicen que el
59 % de los gerentes en Estados Unidos
admite usar la IA como excusa porque suena
mejor ante los inversores.
Madre mía.
A ver, vamos a bajar esto a los
casos concretos del ensayo, porque rozan lo surrealista.
Empecemos por Block.
Los creadores de Caché App.
Jack Dorsey, el fundador, despide a 4 .000
personas y le echa la culpa a la
IA.
Pero es que el contraste con la realidad
de las oficinas es tremendo.
La empresa había triplicado su tamaño en dos
años y tenían una presión financiera asfixiante.
El ensayo menciona a una científica de datos,
Naoko Takeda, que cuenta cómo les impusieron las
herramientas de IA con calzador.
En plan, usad esto porque lo digo yo.
Eran limitadísimos.
Fue una directriz puramente estética.
Y la disonancia era tan brutal que Takeda
decidió renunciar.
¿Y eso que le ofrecieron una subida de
sueldo del 75 % para que se quedara,
o sea, tela?
Sí, sí.
Pero el talento técnico sabe perfectamente cuando le
están vendiendo humo.
Ya te digo.
Y luego está lo de Snap.
Mil despidos.
Y el CEO, Evan Spiegel, diciendo que la
IA ya escribía el 65 % del código.
Pero claro, aquí hay gato encerrado.
Totalmente.
Porque si la IA está programando, ¿a quién
despides?
¿A los programadores?
No.
Lógico.
Pues resulta que echaron a gente de todos
los departamentos.
Hasta desmantelaron la división de realidad aumentada, que
dependía de hardware y diseño gráfico.
Los inversores llevaban desde 2017 exigiendo recortes por
las pérdidas continuas.
O sea, nada que ver con la IA.
Nada.
Y el tercer caso ya es para enmarcar.
Intuit, una gigante de software financiero, anuncian 3
.000 despidos justo a la semana que firman
acuerdos con Anthropic y OpenAI.
Y la prensa atando cabos, claro.
La IA reemplaza a los contables.
Toda la prensa.
Pues el propio CEO de Intuit tuvo que
salir a pararlo y admitir que no, que
no tenía nada que ver con la IA,
que estaban eliminando capas de mandos intermedios y
roles de gestión redundantes.
Vale.
Entiendo que a nivel de marketing les venga
bien la excusa.
Pero el ensayo aporta un dato duro, una
prueba legal que rompe todo esto y me
parece alucinante.
Lo de la ley Warn de Nueva York.
Esa es la prueba del algodón.
La ley Warn obliga a las grandes empresas
a avisar al gobierno antes de hacer despidos
masivos.
Y tienen que justificar el motivo bajo pena
de perjurio.
No es una nota de prensa, es un
documento legal serio.
Y en 2025, Nueva York pone una casilla
específica para que marquen si los despidos son
por culpa de la IA.
Exacto.
Y los datos del primer año son demoledores.
Unas 160 empresas anuncian despidos.
25 .000 trabajadores a la calle en total.
Y aquí viene el dato.
¿Cuántas empresas marcaron la casilla de la IA?
Una.
Solo una.
Nespresso.
Y afectó a 46 trabajadores.
46 de 25 .000.
Un 0 ,2%.
Esa es la diferencia entre el PowerPoint para
los inversores y la realidad legal.
Cuando hay riesgo de ir a la cárcel,
la IA desaparece como motivo de despido.
Es brutal.
Brutal.
Pero claro, esto me lleva a una duda
enorme.
Si la IA no quita el trabajo porque
los CEOs siguen alardeando de que escribe casi
todo el código.
O sea, ¿qué significa eso realmente?
Pues porque escribir código nunca ha sido el
problema real.
Hay un malentendido enorme sobre cómo funciona el
trabajo del conocimiento.
Naranayan y Kapur usan una metáfora genial para
explicarlo.
El sándwich de tres capas.
Y aquí es donde la cosa se pone
realmente interesante.
A ver, vamos a desmontar ese sándwich.
Vale.
La capa superior, el pan de arriba, es
decidir.
Aquí no hay que teclear nada.
Es entender qué quiere el cliente, qué problemas
de negocio hay, el mercado, la regulación, todo
el contexto.
Claro.
La estrategia.
Exacto.
Luego está el relleno del sándwich, que es
ejecutar.
Escoger esas decisiones y traducirlas, literalmente, a líneas
de código.
Picar código puro y duro.
Eso es.
Y finalmente, el pan de abajo, que es
entregar.
Que es probarlo todo, verificar que es seguro
y, sobre todo, responsabilizarse del producto final.
Y el problema es que la gente se
piensa que escribir el código es el bocadillo
entero.
Yo me acuerdo de ese estudio de Microsoft
de 2019, antes de que explotara todo lo
de ChatGPT.
Resulta que los desarrolladores solo dedican entre el
9 y el 61 % de su tiempo
a programar.
Claro.
Escribir el código es solo el relleno.
La IA actual, pues sí, es buenísima.
Y comprime ese relleno.
Pero las capas de pan, el decidir y
el entregar, siguen intactas.
Y hay datos fresquísimos sobre esto.
Un estudio de GitHub con 100 .000 desarrolladores
usando agentes de IA escribían el código muchísimo
más rápido.
En plan, aumentaron las líneas de código en
un factor de 8.
Ocho veces más código.
Guau.
Sí, pero al mirar cuántos productos terminados se
lanzaban, que es lo que de verdad le
importa a una empresa.
El aumento fue solo de un modesto 30%.
O sea, produces muchísimo más material de construcción,
pero el edificio no se levanta 8 veces
más rápido.
El cuello de botella sigue siendo humano.
Y esto encaja perfecto con esa analogía que
usan los autores en el artículo.
Dicen que el futuro del ingeniero de software
es como el de un operador de grúa.
Me encanta esa comparación.
Es que es muy visual, ¿no?
La máquina hace el trabajo pesado, levanta las
toneladas de acero, pero lo humano está en
la cabina.
Supervisa, dirige y, sobre todo, se asegura de
que la carga no caiga encima del edificio
equivocado.
Esa es la clave.
El humano tiene el criterio espacial.
Y si la carga aplasta un colegio, la
policía no detiene a la grúa, se lleva
al operario.
Totalmente.
Y esto plantea una pregunta importante.
El tema de la responsabilidad.
Un modelo de lenguaje no puede ir a
la cárcel.
Ni pagar una indemnización millonaria si falla un
software de un hospital, por ejemplo.
O en un banco.
Exacto.
La sociedad exige que haya alguien asumiendo las
consecuencias.
Pero claro.
Luego te vas a internet.
Y hay gente diciendo que han hecho algo
malo.
Han creado una app en 10 minutos, dándole
una sola orden a la IA y luego
se han ido a tomar un café.
Ya.
Los famosos vídeos de, mira cómo me forro
programando sin saber programar.
Si supervisar la máquina es el nuevo trabajo,
¿qué demonios están haciendo estos?
Pues lo fascinante aquí es que la gente
está confundiendo dos cosas muy distintas.
Están confundiendo el vibe coding con la ingeniería
agéntica.
Son como el día y la noche.
A ver, tradúceme eso.
Vibe coding sería como programar por vibras, ¿no?
Por instinto.
Sí.
Programar por instinto.
Es decirle a la IA, hazme esto, la
máquina te escupe el código y tú te
fías porque parece que funciona.
No supervisas nada, no hay control de calidad,
te dejas llevar por las vibras.
Peligrosísimo.
Un suicidio profesional, básicamente.
La ingeniería agéntica, en cambio, es usar a
los agentes de IA como lo que son.
Herramientas.
Integrándolos en flujos de trabajo, donde se audita
cada línea, se hacen pruebas y se mantiene
la rendición de cuentas.
Y los datos respaldan que el vibe coding
es un desastre.
O sea, el ensayo cita el proyecto SWChat,
donde pusieron a agentes de IA a arreglar
problemas reales.
Y resulta que el código generado por instinto,
sin supervisión, metía vulnerabilidades de seguridad a una
tasa nueve veces mayor que el código humano.
Nueve veces más agujeros de seguridad.
Es una locura.
Y solo el 44 % de ese código
lograba sobrevivir hasta la versión final.
O sea, la mitad viva a la basura.
Es que arreglar esos fallos generados por la
máquina es agotador.
Leer código que ha escrito otro humano ya
es difícil, pero tiene su lógica, ¿sabes?
Tiene un patrón.
Sí.
Puedes seguirle el hilo.
Claro.
Pero el código de una IA puede ser
sintácticamente perfecto y, a la vez, ser un
laberinto absurdo que no hay por dónde cogerlo.
Audita eso, te fría el cerebro.
De hecho, el artículo menciona a Simon Willison,
un desarrollador hiperconocido, que lo describía tal cual.
Decía que estaba mentalmente exhausto a las once
de la mañana, solo de vigilar y auditar
los bloques de código que le vomitaban los
agentes de IA.
Tienes que leer cada palabra con lupa.
Y por eso, precisamente, la presencia humana es
innegociable.
El esfuerzo cambia.
Pasas de redactar a revisar.
Pero sigues haciendo mucha falta.
Vale.
Entiendo que para gobernar la IA hace falta
gente.
Pero a ver.
A largo plazo, si somos más productivos, pongamos
ese 30 % extra del que hablábamos, ¿no
significa inevitablemente que harán falta menos ingenieros en
general?
O sea, el trabajo se acaba antes.
Pues, la historia y la economía nos dicen
justo lo contrario.
Y los autores lo explican genial usando la
paradoja de Jevons.
Ah, sí, la del carbón.
Esa.
En el siglo XIX, las máquinas de vapor
se hicieron más eficientes, consumían menos carbón.
Cualquiera pensaría que el consumo de carbón en
Inglaterra bajaría, ¿no?
Lógico.
Necesitas menos para lo mismo.
Pues se disparó.
Porque, al ser más barato y eficiente, se
empezó a usar en muchísimas más industrias que
antes no podían pagarlo.
Trenes, barcos, fábricas textiles.
O sea, cuando algo se vuelve más barato
y fácil de producir, en este caso el
software, la gente demanda muchísima más cantidad.
Infinitamente más.
Sí.
Lo ilustro muy bien.
Un coche moderno no es solo un motor.
Es un ordenador que lleva unos 100 millones
de líneas de código.
Cien millones es que se dice pronto.
Y las expectativas suben.
Hay un comentario en el ensayo de un
usuario llamado Andrujón que da en el clavo.
Dice que antes te valía con que el
buscador de tu app encontrara la palabra exacta.
Ya.
Y ahora, si no te entiende el contexto,
si no tiene búsqueda vectorial y respuestas en
tiempo real, te parece una basura de aplicación.
Exactamente.
La línea de meta no para de alejarse.
Vale.
Te compro el argumento de la demanda infinita.
Pero aquí tengo que hacer de abogado del
diablo.
Y voy a usar otra aportación del material
fuente.
Un comentario de Vitalio Sipov que me parece
brillante.
A ver, dime.
Él dice.
Vale.
Habrá más demanda y necesitaremos ingenieros senior que
tomen las decisiones difíciles.
El pan de arriba del sándwich.
Pero históricamente, los programadores junior aprenden a usar
la palabra exacta.
¿Qué pasa si los ingenieros senior aprenden el
oficio encargándose de la capa de ejecutar, el
relleno?
Si la IA automatiza justo esa parte donde
los novatos aprenden, ¿de dónde van a salir
los ingenieros senior del futuro?
¿No estamos destruyendo la cantera entera?
Es una preocupación buenísima.
Y muy real, en el sector ahora mismo.
Pero la respuesta no es que vayamos a
quedarnos sin seniors, sino que la forma de
aprender va a mutar.
El impacto no es sobre cuántos trabajos habrá,
sino sobre quiénes aprenderán.
O sea, la historia nos da pistas aquí
también.
Absolutamente, el ensayo recuerda algo del Censo de
Estados Unidos del 1950.
De 270 profesiones registradas entonces, ¿sabes cuántas han
sido totalmente automatizadas hasta hoy?
Solo una.
Claro, pusieron botones y adiós.
Exacto, todas las demás se se han transformado.
En la programación pasó lo mismo, cuando se
inventó Fortran o COBOL.
Los programadores veteranos de la época decían que
los jóvenes, al no tener que enchufar cables
o escribir en código máquina, no iban a
entender cómo funcionaba un ordenador.
Que se perdía el rigor.
Y tenían razón en parte.
Hoy en día un programador web no suele
gestionar la memoria del procesador a mano.
Claro, porque la habilidad dejó de ser la
sintaxis pura para subir un nivel en la
abstracción.
Ahora el junior no aprenderá picando código rutinario.
Aprenderá auditando, estructurando arquitecturas y entendiendo el negocio
desde el primer día.
El criterio será lo principal.
Entonces, ¿qué significa todo esto para quienes nos
escuchan?
Pues que la IA es una tecnología normal.
Increíblemente potente, sí, pero no es un ente
súper inteligente e infalible.
Transforma la profesión.
Le cambia.
Le cambia la cara, pero en absoluto la
borra del mapa.
Al cual.
Te quita lo tedioso y te exige más
cabeza.
Y fíjate, esto me lleva a un pensamiento
para cerrar.
Algo para que nuestra audiencia le dé vueltas.
Si la máquina se va a encargar de
escribir todo el código técnico, y esa barrera
de entrada puramente mecánica desaparece, ¿no es muy
posible que la empatía pura se convierta en
la habilidad más valiosa?
Totalmente.
O sea, la capacidad humana de sentarte con
alguien, entender profundamente sus problemas y sus dolores.
Y saber traducirlos.
Irónicamente, eso puede convertirse en la habilidad técnica
más cotizada y mejor pagada de todo el
mundo del software.
Yo estoy segura de que así será.
Cuanto más terreno ocupa la máquina, más vale
lo humano.
Pues con esa reflexión lo dejamos por hoy.
Antes de despedirnos hasta el próximo programa, os
informamos de que las bozas que oyes han
sido generadas por la IA de Notebook LM.
Y que dirigiendo el podcast se encuentra Julio
Pablo Vázquez, un humano que te envía saludos.
En caso de error… Probablemente sean errores humanos.
Nos escuchamos.
Y hasta aquí el episodio de hoy.
Muchas gracias por tu atención.
Esto es BIMPRAXIS.
Nos escuchamos en el próximo episodio.