1
00:00:09,679 --> 00:00:15,660
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,660 --> 00:00:17,739
BIM se encuentra con la inteligencia artificial.

3
00:00:20,379 --> 00:00:23,480
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,480 --> 00:00:26,460
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,460 --> 00:00:27,120
construcción.

6
00:00:28,839 --> 00:00:29,440
¡Empezamos!

7
00:00:36,880 --> 00:00:40,240
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio

8
00:00:40,240 --> 00:00:41,119
de BIMPRAXIS.

9
00:00:41,439 --> 00:00:43,619
Hoy os traemos por qué la IA no

10
00:00:43,619 --> 00:00:46,000
ha reemplazado a los ingenieros de software, ni

11
00:00:46,000 --> 00:00:46,700
lo hará jamás.

12
00:00:46,700 --> 00:00:47,700
Hola, ¿qué tal?

13
00:00:47,740 --> 00:00:49,140
Un placer estar aquí otra vez.

14
00:00:49,659 --> 00:00:51,060
Bueno, imagínate la escena, ¿eh?

15
00:00:51,179 --> 00:00:53,399
Abres las noticias por la mañana, te estás

16
00:00:53,399 --> 00:00:55,700
tomando el primer café y lees los titulares

17
00:00:55,700 --> 00:00:56,200
de tecnología.

18
00:00:57,039 --> 00:01:00,340
Snap despide a mil empleados, Block recorta 4

19
00:01:00,340 --> 00:01:01,179
.000 puestos.

20
00:01:01,359 --> 00:01:03,539
Madre mía, la tormenta perfecta, claro.

21
00:01:03,740 --> 00:01:06,099
Y encima salen los directivos de estas empresas

22
00:01:06,099 --> 00:01:09,680
en televisión diciendo, con total tranquilidad, que la

23
00:01:09,680 --> 00:01:12,579
inteligencia artificial ya está escribiendo la mayor parte

24
00:01:12,579 --> 00:01:13,260
de su código.

25
00:01:13,540 --> 00:01:15,819
O sea, si trabajas en el sector del

26
00:01:15,819 --> 00:01:19,120
conocimiento, o si simplemente tienes una hipoteca, lo

27
00:01:19,120 --> 00:01:20,260
normal es sentir pánico.

28
00:01:20,480 --> 00:01:21,359
Totalmente normal.

29
00:01:21,640 --> 00:01:24,239
La narrativa pública te vende que los algoritmos

30
00:01:24,239 --> 00:01:25,379
vienen a por tu silla.

31
00:01:25,599 --> 00:01:26,219
Exacto.

32
00:01:26,280 --> 00:01:29,620
Pero hoy, en este análisis afrondo, nos vamos

33
00:01:29,620 --> 00:01:31,840
a basar en un ensayo buenísimo y muy

34
00:01:31,840 --> 00:01:36,140
reciente de los investigadores Arvind Narayanan y Sayash

35
00:01:36,140 --> 00:01:36,519
Kapur.

36
00:01:36,680 --> 00:01:40,859
Y básicamente nuestro objetivo hoy es desmontar toda

37
00:01:40,859 --> 00:01:43,640
esta narrativa catastrófica con datos reales.

38
00:01:43,780 --> 00:01:46,140
Y es que lo valioso del trabajo de

39
00:01:46,140 --> 00:01:48,400
estos autores, es que no se ponen a

40
00:01:48,400 --> 00:01:51,840
hacer predicciones futuristas, en plan, lo que hará

41
00:01:51,840 --> 00:01:52,859
la IA en 10 años.

42
00:01:53,060 --> 00:01:55,079
No, se van a la trinchera.

43
00:01:55,159 --> 00:01:56,239
A lo que está pasando hoy.

44
00:01:56,439 --> 00:01:56,879
Eso es.

45
00:01:57,260 --> 00:01:59,760
Analizan la profesión donde la IA está más

46
00:01:59,760 --> 00:02:02,200
integrada y avanzada ahora mismo, que es la

47
00:02:02,200 --> 00:02:03,299
ingeniería de software.

48
00:02:03,700 --> 00:02:06,379
A ver, si esto fuera un apocalipsis laboral,

49
00:02:06,439 --> 00:02:09,580
los programadores deberían ser los primeros en caer,

50
00:02:09,599 --> 00:02:09,879
¿no?

51
00:02:09,900 --> 00:02:11,699
Deberían estar ya todos en la calle.

52
00:02:11,960 --> 00:02:12,400
Exacto.

53
00:02:12,500 --> 00:02:15,060
Pero cuando rascas un poco en la superficie

54
00:02:15,060 --> 00:02:18,400
y miras los datos, el panorama es radicalmente

55
00:02:18,400 --> 00:02:20,639
distinto a lo que nos venden los grandes

56
00:02:20,639 --> 00:02:21,180
titulares.

57
00:02:21,460 --> 00:02:21,819
Vale.

58
00:02:21,879 --> 00:02:23,120
Vamos a desgranar esto.

59
00:02:23,280 --> 00:02:26,099
Porque para entender la realidad, primero tenemos que

60
00:02:26,099 --> 00:02:28,659
enfrentarnos a esos titulares sensacionalistas.

61
00:02:29,280 --> 00:02:31,400
O sea, si la IA no está quitando

62
00:02:31,400 --> 00:02:34,039
los trabajos, ¿por qué los directivos dicen que

63
00:02:34,039 --> 00:02:34,180
sí?

64
00:02:34,439 --> 00:02:37,419
Pues porque hay una maquinaria financiera enorme detrás.

65
00:02:37,520 --> 00:02:40,139
Los autores lo llaman lavado de cara con

66
00:02:40,139 --> 00:02:41,500
IA o AI washing.

67
00:02:42,099 --> 00:02:43,240
Es fascinante, de verdad.

68
00:02:43,400 --> 00:02:44,460
Viene todo de la pandemia.

69
00:02:44,800 --> 00:02:46,680
Dinero barato y contrataciones a lo largo de

70
00:02:46,680 --> 00:02:46,680
la pandemia.

71
00:02:46,680 --> 00:02:47,000
Loco, ¿no?

72
00:02:47,060 --> 00:02:47,460
Claro.

73
00:02:47,939 --> 00:02:50,599
Contrataron de forma desmesurada porque había que acaparar

74
00:02:50,599 --> 00:02:51,120
talento.

75
00:02:51,139 --> 00:02:53,759
Pero ahora el dinero es caro, los inversores

76
00:02:53,759 --> 00:02:56,580
de Wall Street exijan rentabilidad y las empresas

77
00:02:56,580 --> 00:02:59,139
tienen que cuadrar las cuentas recortando plantilla.

78
00:02:59,300 --> 00:03:02,280
Y claro, salir y decir, me equivoqué calculando

79
00:03:02,280 --> 00:03:03,280
o te hunde en la bolsa.

80
00:03:03,400 --> 00:03:04,360
Te hunde por completo.

81
00:03:04,680 --> 00:03:07,599
Así que anuncian despidos y le cuelgan la

82
00:03:07,599 --> 00:03:11,360
etiqueta de Transición Estratégica Hacia la Inteligencia Artificial.

83
00:03:11,659 --> 00:03:14,599
El mercado aplaude, las acciones suben y problema

84
00:03:14,599 --> 00:03:15,199
resuelto.

85
00:03:15,360 --> 00:03:16,659
Parece que la IA se ha quedado sin

86
00:03:16,659 --> 00:03:16,659
dinero.

87
00:03:16,680 --> 00:03:19,840
Convertido en el equivalente corporativo a decir, el

88
00:03:19,840 --> 00:03:21,400
perro se comió mis deberes.

89
00:03:21,419 --> 00:03:24,000
Básicamente para justificar recortes financieros.

90
00:03:24,300 --> 00:03:24,819
Sí, sí.

91
00:03:24,900 --> 00:03:26,280
La excusa perfecta.

92
00:03:26,300 --> 00:03:29,419
De hecho, hay encuestas que dicen que el

93
00:03:29,419 --> 00:03:32,319
59 % de los gerentes en Estados Unidos

94
00:03:32,319 --> 00:03:36,280
admite usar la IA como excusa porque suena

95
00:03:36,280 --> 00:03:37,740
mejor ante los inversores.

96
00:03:37,960 --> 00:03:38,620
Madre mía.

97
00:03:39,080 --> 00:03:41,060
A ver, vamos a bajar esto a los

98
00:03:41,060 --> 00:03:44,020
casos concretos del ensayo, porque rozan lo surrealista.

99
00:03:44,240 --> 00:03:45,400
Empecemos por Block.

100
00:03:45,400 --> 00:03:47,060
Los creadores de Caché App.

101
00:03:47,199 --> 00:03:50,400
Jack Dorsey, el fundador, despide a 4 .000

102
00:03:50,400 --> 00:03:52,400
personas y le echa la culpa a la

103
00:03:52,400 --> 00:03:52,599
IA.

104
00:03:52,719 --> 00:03:54,539
Pero es que el contraste con la realidad

105
00:03:54,539 --> 00:03:56,479
de las oficinas es tremendo.

106
00:03:56,620 --> 00:03:59,639
La empresa había triplicado su tamaño en dos

107
00:03:59,639 --> 00:04:02,340
años y tenían una presión financiera asfixiante.

108
00:04:02,620 --> 00:04:05,099
El ensayo menciona a una científica de datos,

109
00:04:05,360 --> 00:04:08,919
Naoko Takeda, que cuenta cómo les impusieron las

110
00:04:08,919 --> 00:04:10,599
herramientas de IA con calzador.

111
00:04:10,759 --> 00:04:13,020
En plan, usad esto porque lo digo yo.

112
00:04:13,280 --> 00:04:14,840
Eran limitadísimos.

113
00:04:15,400 --> 00:04:17,259
Fue una directriz puramente estética.

114
00:04:17,560 --> 00:04:20,399
Y la disonancia era tan brutal que Takeda

115
00:04:20,399 --> 00:04:21,439
decidió renunciar.

116
00:04:21,620 --> 00:04:23,740
¿Y eso que le ofrecieron una subida de

117
00:04:23,740 --> 00:04:26,259
sueldo del 75 % para que se quedara,

118
00:04:26,300 --> 00:04:26,899
o sea, tela?

119
00:04:27,139 --> 00:04:27,759
Sí, sí.

120
00:04:27,819 --> 00:04:30,779
Pero el talento técnico sabe perfectamente cuando le

121
00:04:30,779 --> 00:04:31,699
están vendiendo humo.

122
00:04:31,839 --> 00:04:32,420
Ya te digo.

123
00:04:32,800 --> 00:04:34,160
Y luego está lo de Snap.

124
00:04:34,459 --> 00:04:35,459
Mil despidos.

125
00:04:35,500 --> 00:04:38,300
Y el CEO, Evan Spiegel, diciendo que la

126
00:04:38,300 --> 00:04:41,060
IA ya escribía el 65 % del código.

127
00:04:41,420 --> 00:04:43,279
Pero claro, aquí hay gato encerrado.

128
00:04:43,800 --> 00:04:44,319
Totalmente.

129
00:04:44,319 --> 00:04:47,060
Porque si la IA está programando, ¿a quién

130
00:04:47,060 --> 00:04:47,620
despides?

131
00:04:47,839 --> 00:04:49,000
¿A los programadores?

132
00:04:49,220 --> 00:04:49,579
No.

133
00:04:49,879 --> 00:04:50,360
Lógico.

134
00:04:50,439 --> 00:04:52,319
Pues resulta que echaron a gente de todos

135
00:04:52,319 --> 00:04:53,160
los departamentos.

136
00:04:53,459 --> 00:04:56,420
Hasta desmantelaron la división de realidad aumentada, que

137
00:04:56,420 --> 00:04:58,459
dependía de hardware y diseño gráfico.

138
00:04:58,600 --> 00:05:02,519
Los inversores llevaban desde 2017 exigiendo recortes por

139
00:05:02,519 --> 00:05:03,620
las pérdidas continuas.

140
00:05:03,800 --> 00:05:05,519
O sea, nada que ver con la IA.

141
00:05:05,819 --> 00:05:06,300
Nada.

142
00:05:06,399 --> 00:05:09,120
Y el tercer caso ya es para enmarcar.

143
00:05:09,480 --> 00:05:13,300
Intuit, una gigante de software financiero, anuncian 3

144
00:05:13,300 --> 00:05:15,800
.000 despidos justo a la semana que firman

145
00:05:15,800 --> 00:05:17,939
acuerdos con Anthropic y OpenAI.

146
00:05:18,240 --> 00:05:20,160
Y la prensa atando cabos, claro.

147
00:05:20,339 --> 00:05:22,300
La IA reemplaza a los contables.

148
00:05:22,560 --> 00:05:23,560
Toda la prensa.

149
00:05:23,600 --> 00:05:25,819
Pues el propio CEO de Intuit tuvo que

150
00:05:25,819 --> 00:05:27,819
salir a pararlo y admitir que no, que

151
00:05:27,819 --> 00:05:29,180
no tenía nada que ver con la IA,

152
00:05:29,259 --> 00:05:32,420
que estaban eliminando capas de mandos intermedios y

153
00:05:32,420 --> 00:05:34,079
roles de gestión redundantes.

154
00:05:34,300 --> 00:05:34,740
Vale.

155
00:05:35,019 --> 00:05:37,060
Entiendo que a nivel de marketing les venga

156
00:05:37,060 --> 00:05:37,879
bien la excusa.

157
00:05:38,060 --> 00:05:40,500
Pero el ensayo aporta un dato duro, una

158
00:05:40,500 --> 00:05:42,920
prueba legal que rompe todo esto y me

159
00:05:42,920 --> 00:05:43,959
parece alucinante.

160
00:05:44,199 --> 00:05:46,319
Lo de la ley Warn de Nueva York.

161
00:05:46,519 --> 00:05:48,100
Esa es la prueba del algodón.

162
00:05:48,199 --> 00:05:50,819
La ley Warn obliga a las grandes empresas

163
00:05:50,819 --> 00:05:52,920
a avisar al gobierno antes de hacer despidos

164
00:05:52,920 --> 00:05:53,420
masivos.

165
00:05:53,439 --> 00:05:55,920
Y tienen que justificar el motivo bajo pena

166
00:05:55,920 --> 00:05:56,600
de perjurio.

167
00:05:56,680 --> 00:05:58,500
No es una nota de prensa, es un

168
00:05:58,500 --> 00:05:59,480
documento legal serio.

169
00:05:59,819 --> 00:06:03,100
Y en 2025, Nueva York pone una casilla

170
00:06:03,100 --> 00:06:05,439
específica para que marquen si los despidos son

171
00:06:05,439 --> 00:06:06,639
por culpa de la IA.

172
00:06:07,720 --> 00:06:08,199
Exacto.

173
00:06:08,199 --> 00:06:10,639
Y los datos del primer año son demoledores.

174
00:06:10,879 --> 00:06:14,180
Unas 160 empresas anuncian despidos.

175
00:06:14,180 --> 00:06:17,019
25 .000 trabajadores a la calle en total.

176
00:06:17,279 --> 00:06:18,079
Y aquí viene el dato.

177
00:06:18,660 --> 00:06:21,420
¿Cuántas empresas marcaron la casilla de la IA?

178
00:06:21,740 --> 00:06:22,300
Una.

179
00:06:23,079 --> 00:06:23,939
Solo una.

180
00:06:24,259 --> 00:06:24,819
Nespresso.

181
00:06:25,019 --> 00:06:27,339
Y afectó a 46 trabajadores.

182
00:06:28,399 --> 00:06:30,360
46 de 25 .000.

183
00:06:30,519 --> 00:06:32,540
Un 0 ,2%.

184
00:06:33,300 --> 00:06:35,500
Esa es la diferencia entre el PowerPoint para

185
00:06:35,500 --> 00:06:37,620
los inversores y la realidad legal.

186
00:06:37,879 --> 00:06:39,720
Cuando hay riesgo de ir a la cárcel,

187
00:06:39,759 --> 00:06:42,579
la IA desaparece como motivo de despido.

188
00:06:42,620 --> 00:06:43,100
Es brutal.

189
00:06:43,100 --> 00:06:43,600
Brutal.

190
00:06:43,660 --> 00:06:45,220
Pero claro, esto me lleva a una duda

191
00:06:45,220 --> 00:06:45,459
enorme.

192
00:06:45,660 --> 00:06:47,480
Si la IA no quita el trabajo porque

193
00:06:47,480 --> 00:06:49,480
los CEOs siguen alardeando de que escribe casi

194
00:06:49,480 --> 00:06:50,139
todo el código.

195
00:06:50,420 --> 00:06:52,060
O sea, ¿qué significa eso realmente?

196
00:06:52,500 --> 00:06:55,740
Pues porque escribir código nunca ha sido el

197
00:06:55,740 --> 00:06:56,339
problema real.

198
00:06:56,459 --> 00:06:59,579
Hay un malentendido enorme sobre cómo funciona el

199
00:06:59,579 --> 00:07:00,680
trabajo del conocimiento.

200
00:07:01,579 --> 00:07:04,620
Naranayan y Kapur usan una metáfora genial para

201
00:07:04,620 --> 00:07:05,220
explicarlo.

202
00:07:05,319 --> 00:07:07,439
El sándwich de tres capas.

203
00:07:07,699 --> 00:07:09,420
Y aquí es donde la cosa se pone

204
00:07:09,420 --> 00:07:10,439
realmente interesante.

205
00:07:10,860 --> 00:07:12,680
A ver, vamos a desmontar ese sándwich.

206
00:07:13,100 --> 00:07:13,300
Vale.

207
00:07:13,480 --> 00:07:15,939
La capa superior, el pan de arriba, es

208
00:07:15,939 --> 00:07:16,939
decidir.

209
00:07:17,060 --> 00:07:18,500
Aquí no hay que teclear nada.

210
00:07:18,620 --> 00:07:21,620
Es entender qué quiere el cliente, qué problemas

211
00:07:21,620 --> 00:07:25,019
de negocio hay, el mercado, la regulación, todo

212
00:07:25,019 --> 00:07:25,620
el contexto.

213
00:07:25,939 --> 00:07:26,199
Claro.

214
00:07:26,319 --> 00:07:27,060
La estrategia.

215
00:07:27,319 --> 00:07:27,800
Exacto.

216
00:07:27,980 --> 00:07:30,439
Luego está el relleno del sándwich, que es

217
00:07:30,439 --> 00:07:31,279
ejecutar.

218
00:07:31,720 --> 00:07:35,819
Escoger esas decisiones y traducirlas, literalmente, a líneas

219
00:07:35,819 --> 00:07:36,139
de código.

220
00:07:36,379 --> 00:07:37,839
Picar código puro y duro.

221
00:07:37,939 --> 00:07:38,319
Eso es.

222
00:07:38,500 --> 00:07:41,040
Y finalmente, el pan de abajo, que es

223
00:07:41,040 --> 00:07:41,819
entregar.

224
00:07:41,819 --> 00:07:44,740
Que es probarlo todo, verificar que es seguro

225
00:07:44,740 --> 00:07:48,120
y, sobre todo, responsabilizarse del producto final.

226
00:07:48,379 --> 00:07:50,100
Y el problema es que la gente se

227
00:07:50,100 --> 00:07:52,240
piensa que escribir el código es el bocadillo

228
00:07:52,240 --> 00:07:52,620
entero.

229
00:07:52,699 --> 00:07:54,639
Yo me acuerdo de ese estudio de Microsoft

230
00:07:54,639 --> 00:07:57,560
de 2019, antes de que explotara todo lo

231
00:07:57,560 --> 00:07:58,279
de ChatGPT.

232
00:07:58,899 --> 00:08:01,740
Resulta que los desarrolladores solo dedican entre el

233
00:08:01,740 --> 00:08:04,060
9 y el 61 % de su tiempo

234
00:08:04,060 --> 00:08:04,839
a programar.

235
00:08:05,079 --> 00:08:05,579
Claro.

236
00:08:06,000 --> 00:08:08,060
Escribir el código es solo el relleno.

237
00:08:08,180 --> 00:08:10,459
La IA actual, pues sí, es buenísima.

238
00:08:10,459 --> 00:08:11,639
Y comprime ese relleno.

239
00:08:11,740 --> 00:08:14,040
Pero las capas de pan, el decidir y

240
00:08:14,040 --> 00:08:15,759
el entregar, siguen intactas.

241
00:08:15,939 --> 00:08:18,259
Y hay datos fresquísimos sobre esto.

242
00:08:18,339 --> 00:08:21,000
Un estudio de GitHub con 100 .000 desarrolladores

243
00:08:21,000 --> 00:08:24,339
usando agentes de IA escribían el código muchísimo

244
00:08:24,339 --> 00:08:25,040
más rápido.

245
00:08:25,220 --> 00:08:27,639
En plan, aumentaron las líneas de código en

246
00:08:27,639 --> 00:08:28,620
un factor de 8.

247
00:08:28,980 --> 00:08:30,220
Ocho veces más código.

248
00:08:30,399 --> 00:08:30,899
Guau.

249
00:08:31,019 --> 00:08:34,460
Sí, pero al mirar cuántos productos terminados se

250
00:08:34,460 --> 00:08:36,000
lanzaban, que es lo que de verdad le

251
00:08:36,000 --> 00:08:36,799
importa a una empresa.

252
00:08:37,220 --> 00:08:39,539
El aumento fue solo de un modesto 30%.

253
00:08:39,539 --> 00:08:43,320
O sea, produces muchísimo más material de construcción,

254
00:08:43,340 --> 00:08:45,220
pero el edificio no se levanta 8 veces

255
00:08:45,220 --> 00:08:45,919
más rápido.

256
00:08:46,080 --> 00:08:48,039
El cuello de botella sigue siendo humano.

257
00:08:48,440 --> 00:08:50,779
Y esto encaja perfecto con esa analogía que

258
00:08:50,779 --> 00:08:52,299
usan los autores en el artículo.

259
00:08:52,720 --> 00:08:54,500
Dicen que el futuro del ingeniero de software

260
00:08:54,500 --> 00:08:55,899
es como el de un operador de grúa.

261
00:08:56,179 --> 00:08:57,480
Me encanta esa comparación.

262
00:08:57,720 --> 00:08:58,820
Es que es muy visual, ¿no?

263
00:08:59,039 --> 00:09:01,399
La máquina hace el trabajo pesado, levanta las

264
00:09:01,399 --> 00:09:03,399
toneladas de acero, pero lo humano está en

265
00:09:03,399 --> 00:09:03,820
la cabina.

266
00:09:04,659 --> 00:09:07,200
Supervisa, dirige y, sobre todo, se asegura de

267
00:09:07,200 --> 00:09:09,080
que la carga no caiga encima del edificio

268
00:09:09,080 --> 00:09:09,539
equivocado.

269
00:09:09,720 --> 00:09:10,600
Esa es la clave.

270
00:09:10,659 --> 00:09:12,360
El humano tiene el criterio espacial.

271
00:09:12,600 --> 00:09:14,799
Y si la carga aplasta un colegio, la

272
00:09:14,799 --> 00:09:16,779
policía no detiene a la grúa, se lleva

273
00:09:16,779 --> 00:09:17,299
al operario.

274
00:09:17,759 --> 00:09:18,200
Totalmente.

275
00:09:18,440 --> 00:09:20,340
Y esto plantea una pregunta importante.

276
00:09:20,799 --> 00:09:22,559
El tema de la responsabilidad.

277
00:09:22,820 --> 00:09:24,700
Un modelo de lenguaje no puede ir a

278
00:09:24,700 --> 00:09:25,139
la cárcel.

279
00:09:25,279 --> 00:09:27,980
Ni pagar una indemnización millonaria si falla un

280
00:09:27,980 --> 00:09:29,500
software de un hospital, por ejemplo.

281
00:09:29,720 --> 00:09:30,279
O en un banco.

282
00:09:30,799 --> 00:09:31,240
Exacto.

283
00:09:31,240 --> 00:09:34,620
La sociedad exige que haya alguien asumiendo las

284
00:09:34,620 --> 00:09:35,240
consecuencias.

285
00:09:35,440 --> 00:09:36,039
Pero claro.

286
00:09:36,179 --> 00:09:37,399
Luego te vas a internet.

287
00:09:37,580 --> 00:09:39,059
Y hay gente diciendo que han hecho algo

288
00:09:39,059 --> 00:09:39,059
malo.

289
00:09:39,059 --> 00:09:42,000
Han creado una app en 10 minutos, dándole

290
00:09:42,000 --> 00:09:43,820
una sola orden a la IA y luego

291
00:09:43,820 --> 00:09:44,740
se han ido a tomar un café.

292
00:09:44,960 --> 00:09:45,279
Ya.

293
00:09:45,460 --> 00:09:48,399
Los famosos vídeos de, mira cómo me forro

294
00:09:48,399 --> 00:09:50,320
programando sin saber programar.

295
00:09:50,480 --> 00:09:52,820
Si supervisar la máquina es el nuevo trabajo,

296
00:09:53,080 --> 00:09:54,659
¿qué demonios están haciendo estos?

297
00:09:54,940 --> 00:09:56,740
Pues lo fascinante aquí es que la gente

298
00:09:56,740 --> 00:09:59,059
está confundiendo dos cosas muy distintas.

299
00:09:59,480 --> 00:10:03,039
Están confundiendo el vibe coding con la ingeniería

300
00:10:03,039 --> 00:10:03,679
agéntica.

301
00:10:03,940 --> 00:10:05,299
Son como el día y la noche.

302
00:10:05,519 --> 00:10:06,720
A ver, tradúceme eso.

303
00:10:06,720 --> 00:10:09,980
Vibe coding sería como programar por vibras, ¿no?

304
00:10:10,000 --> 00:10:10,960
Por instinto.

305
00:10:11,159 --> 00:10:11,399
Sí.

306
00:10:11,559 --> 00:10:12,659
Programar por instinto.

307
00:10:12,779 --> 00:10:15,539
Es decirle a la IA, hazme esto, la

308
00:10:15,539 --> 00:10:17,399
máquina te escupe el código y tú te

309
00:10:17,399 --> 00:10:18,860
fías porque parece que funciona.

310
00:10:19,120 --> 00:10:21,860
No supervisas nada, no hay control de calidad,

311
00:10:22,159 --> 00:10:23,720
te dejas llevar por las vibras.

312
00:10:24,259 --> 00:10:24,779
Peligrosísimo.

313
00:10:25,019 --> 00:10:27,679
Un suicidio profesional, básicamente.

314
00:10:28,700 --> 00:10:32,200
La ingeniería agéntica, en cambio, es usar a

315
00:10:32,200 --> 00:10:33,840
los agentes de IA como lo que son.

316
00:10:34,679 --> 00:10:35,200
Herramientas.

317
00:10:35,820 --> 00:10:38,840
Integrándolos en flujos de trabajo, donde se audita

318
00:10:38,840 --> 00:10:41,460
cada línea, se hacen pruebas y se mantiene

319
00:10:41,460 --> 00:10:42,759
la rendición de cuentas.

320
00:10:42,960 --> 00:10:45,700
Y los datos respaldan que el vibe coding

321
00:10:45,700 --> 00:10:46,639
es un desastre.

322
00:10:46,840 --> 00:10:49,919
O sea, el ensayo cita el proyecto SWChat,

323
00:10:50,279 --> 00:10:52,820
donde pusieron a agentes de IA a arreglar

324
00:10:52,820 --> 00:10:53,779
problemas reales.

325
00:10:53,860 --> 00:10:56,419
Y resulta que el código generado por instinto,

326
00:10:56,500 --> 00:11:00,000
sin supervisión, metía vulnerabilidades de seguridad a una

327
00:11:00,000 --> 00:11:02,240
tasa nueve veces mayor que el código humano.

328
00:11:02,659 --> 00:11:04,879
Nueve veces más agujeros de seguridad.

329
00:11:04,879 --> 00:11:06,179
Es una locura.

330
00:11:06,440 --> 00:11:09,100
Y solo el 44 % de ese código

331
00:11:09,100 --> 00:11:11,000
lograba sobrevivir hasta la versión final.

332
00:11:11,179 --> 00:11:12,860
O sea, la mitad viva a la basura.

333
00:11:13,039 --> 00:11:15,320
Es que arreglar esos fallos generados por la

334
00:11:15,320 --> 00:11:16,580
máquina es agotador.

335
00:11:16,860 --> 00:11:18,879
Leer código que ha escrito otro humano ya

336
00:11:18,879 --> 00:11:21,519
es difícil, pero tiene su lógica, ¿sabes?

337
00:11:21,519 --> 00:11:22,600
Tiene un patrón.

338
00:11:22,820 --> 00:11:23,059
Sí.

339
00:11:23,120 --> 00:11:24,059
Puedes seguirle el hilo.

340
00:11:24,179 --> 00:11:24,399
Claro.

341
00:11:24,940 --> 00:11:27,080
Pero el código de una IA puede ser

342
00:11:27,080 --> 00:11:30,299
sintácticamente perfecto y, a la vez, ser un

343
00:11:30,299 --> 00:11:32,259
laberinto absurdo que no hay por dónde cogerlo.

344
00:11:32,759 --> 00:11:34,720
Audita eso, te fría el cerebro.

345
00:11:34,879 --> 00:11:37,860
De hecho, el artículo menciona a Simon Willison,

346
00:11:38,039 --> 00:11:40,879
un desarrollador hiperconocido, que lo describía tal cual.

347
00:11:41,200 --> 00:11:43,740
Decía que estaba mentalmente exhausto a las once

348
00:11:43,740 --> 00:11:46,039
de la mañana, solo de vigilar y auditar

349
00:11:46,039 --> 00:11:47,759
los bloques de código que le vomitaban los

350
00:11:47,759 --> 00:11:48,480
agentes de IA.

351
00:11:48,559 --> 00:11:50,539
Tienes que leer cada palabra con lupa.

352
00:11:50,799 --> 00:11:53,200
Y por eso, precisamente, la presencia humana es

353
00:11:53,200 --> 00:11:53,980
innegociable.

354
00:11:54,179 --> 00:11:55,620
El esfuerzo cambia.

355
00:11:55,740 --> 00:11:57,639
Pasas de redactar a revisar.

356
00:11:57,740 --> 00:11:59,740
Pero sigues haciendo mucha falta.

357
00:12:00,080 --> 00:12:00,559
Vale.

358
00:12:00,759 --> 00:12:02,899
Entiendo que para gobernar la IA hace falta

359
00:12:02,899 --> 00:12:03,179
gente.

360
00:12:03,460 --> 00:12:04,019
Pero a ver.

361
00:12:04,019 --> 00:12:07,320
A largo plazo, si somos más productivos, pongamos

362
00:12:07,320 --> 00:12:09,860
ese 30 % extra del que hablábamos, ¿no

363
00:12:09,860 --> 00:12:12,779
significa inevitablemente que harán falta menos ingenieros en

364
00:12:12,779 --> 00:12:13,080
general?

365
00:12:13,320 --> 00:12:15,139
O sea, el trabajo se acaba antes.

366
00:12:15,519 --> 00:12:18,279
Pues, la historia y la economía nos dicen

367
00:12:18,279 --> 00:12:19,220
justo lo contrario.

368
00:12:19,480 --> 00:12:22,720
Y los autores lo explican genial usando la

369
00:12:22,720 --> 00:12:23,799
paradoja de Jevons.

370
00:12:24,159 --> 00:12:25,360
Ah, sí, la del carbón.

371
00:12:25,639 --> 00:12:26,159
Esa.

372
00:12:26,340 --> 00:12:29,320
En el siglo XIX, las máquinas de vapor

373
00:12:29,320 --> 00:12:32,419
se hicieron más eficientes, consumían menos carbón.

374
00:12:33,100 --> 00:12:35,820
Cualquiera pensaría que el consumo de carbón en

375
00:12:35,820 --> 00:12:37,559
Inglaterra bajaría, ¿no?

376
00:12:38,100 --> 00:12:38,620
Lógico.

377
00:12:38,700 --> 00:12:40,159
Necesitas menos para lo mismo.

378
00:12:40,480 --> 00:12:41,480
Pues se disparó.

379
00:12:41,659 --> 00:12:44,159
Porque, al ser más barato y eficiente, se

380
00:12:44,159 --> 00:12:46,840
empezó a usar en muchísimas más industrias que

381
00:12:46,840 --> 00:12:48,080
antes no podían pagarlo.

382
00:12:48,600 --> 00:12:50,980
Trenes, barcos, fábricas textiles.

383
00:12:51,320 --> 00:12:53,240
O sea, cuando algo se vuelve más barato

384
00:12:53,240 --> 00:12:55,259
y fácil de producir, en este caso el

385
00:12:55,259 --> 00:12:58,919
software, la gente demanda muchísima más cantidad.

386
00:12:59,840 --> 00:13:00,620
Infinitamente más.

387
00:13:01,120 --> 00:13:01,659
Sí.

388
00:13:02,419 --> 00:13:03,019
Lo ilustro muy bien.

389
00:13:03,179 --> 00:13:05,799
Un coche moderno no es solo un motor.

390
00:13:05,919 --> 00:13:09,259
Es un ordenador que lleva unos 100 millones

391
00:13:09,259 --> 00:13:10,600
de líneas de código.

392
00:13:10,879 --> 00:13:12,740
Cien millones es que se dice pronto.

393
00:13:13,039 --> 00:13:14,580
Y las expectativas suben.

394
00:13:14,720 --> 00:13:17,019
Hay un comentario en el ensayo de un

395
00:13:17,019 --> 00:13:20,000
usuario llamado Andrujón que da en el clavo.

396
00:13:20,039 --> 00:13:21,759
Dice que antes te valía con que el

397
00:13:21,759 --> 00:13:24,200
buscador de tu app encontrara la palabra exacta.

398
00:13:24,299 --> 00:13:24,600
Ya.

399
00:13:24,720 --> 00:13:26,460
Y ahora, si no te entiende el contexto,

400
00:13:26,720 --> 00:13:29,299
si no tiene búsqueda vectorial y respuestas en

401
00:13:29,299 --> 00:13:32,120
tiempo real, te parece una basura de aplicación.

402
00:13:32,120 --> 00:13:33,279
Exactamente.

403
00:13:33,340 --> 00:13:35,460
La línea de meta no para de alejarse.

404
00:13:35,820 --> 00:13:36,120
Vale.

405
00:13:36,139 --> 00:13:38,539
Te compro el argumento de la demanda infinita.

406
00:13:38,580 --> 00:13:40,820
Pero aquí tengo que hacer de abogado del

407
00:13:40,820 --> 00:13:41,120
diablo.

408
00:13:41,240 --> 00:13:43,559
Y voy a usar otra aportación del material

409
00:13:43,559 --> 00:13:44,019
fuente.

410
00:13:44,159 --> 00:13:46,639
Un comentario de Vitalio Sipov que me parece

411
00:13:46,639 --> 00:13:47,259
brillante.

412
00:13:47,580 --> 00:13:48,379
A ver, dime.

413
00:13:48,700 --> 00:13:49,220
Él dice.

414
00:13:49,740 --> 00:13:50,340
Vale.

415
00:13:50,539 --> 00:13:53,980
Habrá más demanda y necesitaremos ingenieros senior que

416
00:13:53,980 --> 00:13:55,960
tomen las decisiones difíciles.

417
00:13:55,960 --> 00:13:57,779
El pan de arriba del sándwich.

418
00:13:58,200 --> 00:14:02,100
Pero históricamente, los programadores junior aprenden a usar

419
00:14:02,100 --> 00:14:02,100
la palabra exacta.

420
00:14:02,100 --> 00:14:02,200
¿Qué pasa si los ingenieros senior aprenden el

421
00:14:02,200 --> 00:14:05,419
oficio encargándose de la capa de ejecutar, el

422
00:14:05,419 --> 00:14:05,960
relleno?

423
00:14:06,340 --> 00:14:09,240
Si la IA automatiza justo esa parte donde

424
00:14:09,240 --> 00:14:11,840
los novatos aprenden, ¿de dónde van a salir

425
00:14:11,840 --> 00:14:13,419
los ingenieros senior del futuro?

426
00:14:13,720 --> 00:14:16,120
¿No estamos destruyendo la cantera entera?

427
00:14:16,360 --> 00:14:18,059
Es una preocupación buenísima.

428
00:14:18,100 --> 00:14:20,620
Y muy real, en el sector ahora mismo.

429
00:14:21,159 --> 00:14:23,720
Pero la respuesta no es que vayamos a

430
00:14:23,720 --> 00:14:26,320
quedarnos sin seniors, sino que la forma de

431
00:14:26,320 --> 00:14:27,200
aprender va a mutar.

432
00:14:27,539 --> 00:14:30,440
El impacto no es sobre cuántos trabajos habrá,

433
00:14:30,440 --> 00:14:32,080
sino sobre quiénes aprenderán.

434
00:14:32,080 --> 00:14:36,860
O sea, la historia nos da pistas aquí

435
00:14:36,860 --> 00:14:37,200
también.

436
00:14:38,299 --> 00:14:41,179
Absolutamente, el ensayo recuerda algo del Censo de

437
00:14:41,179 --> 00:14:42,419
Estados Unidos del 1950.

438
00:14:43,240 --> 00:14:47,559
De 270 profesiones registradas entonces, ¿sabes cuántas han

439
00:14:47,559 --> 00:14:49,799
sido totalmente automatizadas hasta hoy?

440
00:14:50,120 --> 00:14:50,840
Solo una.

441
00:14:51,220 --> 00:14:53,759
Claro, pusieron botones y adiós.

442
00:14:54,240 --> 00:14:56,879
Exacto, todas las demás se se han transformado.

443
00:14:57,039 --> 00:14:59,480
En la programación pasó lo mismo, cuando se

444
00:14:59,480 --> 00:15:01,100
inventó Fortran o COBOL.

445
00:15:01,100 --> 00:15:04,379
Los programadores veteranos de la época decían que

446
00:15:04,379 --> 00:15:06,379
los jóvenes, al no tener que enchufar cables

447
00:15:06,379 --> 00:15:08,700
o escribir en código máquina, no iban a

448
00:15:08,700 --> 00:15:10,419
entender cómo funcionaba un ordenador.

449
00:15:10,679 --> 00:15:11,919
Que se perdía el rigor.

450
00:15:12,259 --> 00:15:13,720
Y tenían razón en parte.

451
00:15:14,039 --> 00:15:16,100
Hoy en día un programador web no suele

452
00:15:16,100 --> 00:15:18,019
gestionar la memoria del procesador a mano.

453
00:15:18,019 --> 00:15:20,320
Claro, porque la habilidad dejó de ser la

454
00:15:20,320 --> 00:15:22,340
sintaxis pura para subir un nivel en la

455
00:15:22,340 --> 00:15:22,720
abstracción.

456
00:15:22,980 --> 00:15:26,220
Ahora el junior no aprenderá picando código rutinario.

457
00:15:26,519 --> 00:15:30,659
Aprenderá auditando, estructurando arquitecturas y entendiendo el negocio

458
00:15:30,659 --> 00:15:31,399
desde el primer día.

459
00:15:31,600 --> 00:15:33,500
El criterio será lo principal.

460
00:15:33,799 --> 00:15:36,600
Entonces, ¿qué significa todo esto para quienes nos

461
00:15:36,600 --> 00:15:37,139
escuchan?

462
00:15:37,539 --> 00:15:40,480
Pues que la IA es una tecnología normal.

463
00:15:41,600 --> 00:15:44,179
Increíblemente potente, sí, pero no es un ente

464
00:15:44,179 --> 00:15:45,559
súper inteligente e infalible.

465
00:15:46,159 --> 00:15:47,299
Transforma la profesión.

466
00:15:47,340 --> 00:15:48,000
Le cambia.

467
00:15:48,019 --> 00:15:49,799
Le cambia la cara, pero en absoluto la

468
00:15:49,799 --> 00:15:50,360
borra del mapa.

469
00:15:50,720 --> 00:15:51,259
Al cual.

470
00:15:51,700 --> 00:15:54,620
Te quita lo tedioso y te exige más

471
00:15:54,620 --> 00:15:55,019
cabeza.

472
00:15:55,419 --> 00:15:57,559
Y fíjate, esto me lleva a un pensamiento

473
00:15:57,559 --> 00:15:58,179
para cerrar.

474
00:15:58,379 --> 00:16:00,580
Algo para que nuestra audiencia le dé vueltas.

475
00:16:00,860 --> 00:16:02,580
Si la máquina se va a encargar de

476
00:16:02,580 --> 00:16:05,299
escribir todo el código técnico, y esa barrera

477
00:16:05,299 --> 00:16:08,460
de entrada puramente mecánica desaparece, ¿no es muy

478
00:16:08,460 --> 00:16:10,440
posible que la empatía pura se convierta en

479
00:16:10,440 --> 00:16:11,440
la habilidad más valiosa?

480
00:16:11,960 --> 00:16:12,440
Totalmente.

481
00:16:12,580 --> 00:16:14,639
O sea, la capacidad humana de sentarte con

482
00:16:14,639 --> 00:16:17,879
alguien, entender profundamente sus problemas y sus dolores.

483
00:16:18,019 --> 00:16:19,519
Y saber traducirlos.

484
00:16:20,139 --> 00:16:23,379
Irónicamente, eso puede convertirse en la habilidad técnica

485
00:16:23,379 --> 00:16:26,039
más cotizada y mejor pagada de todo el

486
00:16:26,039 --> 00:16:26,720
mundo del software.

487
00:16:27,000 --> 00:16:28,480
Yo estoy segura de que así será.

488
00:16:28,639 --> 00:16:31,159
Cuanto más terreno ocupa la máquina, más vale

489
00:16:31,159 --> 00:16:31,580
lo humano.

490
00:16:31,860 --> 00:16:34,019
Pues con esa reflexión lo dejamos por hoy.

491
00:16:34,240 --> 00:16:37,080
Antes de despedirnos hasta el próximo programa, os

492
00:16:37,080 --> 00:16:38,919
informamos de que las bozas que oyes han

493
00:16:38,919 --> 00:16:41,240
sido generadas por la IA de Notebook LM.

494
00:16:41,620 --> 00:16:44,120
Y que dirigiendo el podcast se encuentra Julio

495
00:16:44,120 --> 00:16:46,720
Pablo Vázquez, un humano que te envía saludos.

496
00:16:46,820 --> 00:16:49,559
En caso de error… Probablemente sean errores humanos.

497
00:16:49,820 --> 00:16:50,860
Nos escuchamos.

498
00:16:51,059 --> 00:17:03,769
Y hasta aquí el episodio de hoy.

499
00:17:03,889 --> 00:17:05,690
Muchas gracias por tu atención.

500
00:17:15,470 --> 00:17:17,160
Esto es BIMPRAXIS.

501
00:17:17,380 --> 00:17:19,920
Nos escuchamos en el próximo episodio.