La creciente utilización de asistentes de Inteligencia Artificial (IA) en el ámbito de la programación está planteando preguntas sobre el balance entre eficiencia y aprendizaje. Un reciente estudio de Anthropic, conocido por su herramienta Claude, ha suscitado inquietudes acerca de cómo estos asistentes pueden impactar en la comprensión efectiva de los desarrolladores, especialmente los menos experimentados.
El estudio, realizado con 52 ingenieros de software en su mayoría juniors, se enfocó en evaluar el aprendizaje de una librería nueva de Python llamada Trio, la cual se especializa en programación asíncrona. Los participantes fueron divididos aleatoriamente: unos usando un asistente de IA y otros programando sin esta ayuda. Todos debieron completar una serie de ejercicios guiados seguidos de un test que medía habilidades críticas en un entorno donde el código es cada vez más asistido: depuración, lectura y comprensión conceptual.
Los resultados fueron reveladores. Los programadores asistidos por IA finalizaron sus tareas apenas dos minutos más rápido en promedio, una diferencia que el estudio señala como estadísticamente insignificante. Sin embargo, el impacto negativo en la comprensión fue claro, con un 17% menos de «maestría» en comparación con sus contrapartes que trabajaron sin asistentes. Este grupo obtenía en promedio un 50% en el test de comprensión, mientras que el grupo sin asistencia lograba un 67%.
La discordancia más notable recayó en la capacidad de depuración. Esta habilidad es crítica para identificar errores en el código generado o sugerido por IA. Falta de dominio en este aspecto puede llevar a revisiones superficiales y a fallos en la producción.
El estudio no demoniza el uso de asistentes de IA; más bien, enfatiza que el problema radica en cómo se utilizan. Aquellos que emplearon la IA como un mero sustituto enfrentaron peores resultados en comparación con quienes la usaron como una herramienta de apoyo cognitivo. De hecho, el estudio propone que el uso de la IA como tutor, forzando explicaciones y revisiones de la salida generada, puede ayudar a preservar el aprendizaje.
La problemática es más amplia, ya que se inserta dentro de un contexto laboral en el que el desafío se centra cada vez más en la supervisión de sistemas más que en la mera creación de código. La falta de comprensión en etapas tempranas de formación profesional puede traducirse en una escasez de perfiles sénior capacitados para liderar proyectos complejos y críticos.
Para las empresas, la solución no solo reside en la adopción de IA, sino en desarrollar políticas que distingan claramente entre un «modo aprendizaje» y un «modo producción». En la práctica, esto implicaría utilizar la IA principalmente para conceptualizar y explicar, asegurándose de que, cuando se pegue código generado, sus flujos y posibles puntos de fallo sean realmente comprendidos por los ingenieros.
El mensaje de Anthropic es claro: el camino hacia una mayor competencia no siempre se acelera con la productividad inmediata que puede brindar la IA, especialmente en el ámbito de la adquisición de nuevas habilidades. En definitiva, aunque los asistentes de IA son herramientas poderosas, su uso efectivo requiere de una estrategia que priorice el aprendizaje profundo sobre la velocidad en la programación.
