La escena se ha vuelto común en espacios abiertos. Un director de proyecto, sin ningún conocimiento de Python o JavaScript, diseña y utiliza una herramienta de seguimiento personalizada. En tres horas de “charla” con su IA generativa, armó un “scraper”, una base de datos y una interfaz de visualización. Costo (aparente): unos pocos centavos en tokens. Mañana se completará el proyecto y el instrumento será abandonado. Es un cambio de paradigma: el fin del software “listo para usar” industrial con la ventaja de la creación de prototipos digitales ultrarrápidos y desechables.
La implosión del software listo para usar
Durante cuarenta años, la tecnología de la información ha trabajado en la estandarización. Las empresas compraron enormes paquetes de software (Office, Salesforce, etc.) utilizados por millones de personas. Hoy, el “codificación por vibración” y la IA generativa cambia eso. Estamos viendo la proliferación de microherramientas utilizadas por un puñado de personas para tareas únicas.
EL “software desechable”Estos son estos pequeños programas con una vida útil muy corta. El coste de generación de código se desploma, el software cambia de estatus: ya no es una infraestructura cuidadosamente mantenida por un departamento de TI, sino un consumible que se desecha después de su uso.
El regreso del software “casero”
Esta evolución reactiva un linaje histórico: el “software casero”. Mucho antes de la inteligencia artificial, los desarrolladores creaban pequeñas herramientas para ellos o su comunidad. Aquí encontramos el “amabilidad” Teorizado por Ivan Illich: la idea de una herramienta que el individuo puede moldear sin depender de una abrumadora estructura industrial.
llamaré sociedad amigable una sociedad en la que las herramientas modernas estén al servicio de la persona integrada en la comunidad, y no al servicio de un cuerpo de especialistas. La sociedad donde el hombre controla el instrumento es agradable.
Iván Illich, Socialidad (1973),
En este modelo se acepta la imperfección. El código a veces está “sucio”, pero es “lo suficientemente bueno” para su uso inmediato. La inteligencia artificial industrializa este impulso artesanal. Permite a quienes comprenden los problemas específicos de una profesión convertirse en sus propios constructores, derribando la jerarquía habitual donde el código dictaba la ley.
El inglés como nuevo lenguaje de máquina
El cambio se produce porque el inglés (o francés) se ha convertido en el lenguaje de programación dominante. Como señaló Andrej Karpathy, ex director de inteligencia artificial de Tesla, las habilidades de programación ya no son un obstáculo: “La naturaleza de los errores ha evolucionado mucho: ya no son simples errores de sintaxis, sino errores conceptuales sutiles, del tipo que podría cometer un desarrollador junior descuidado y apresurado. El problema más común es que los modelos hacen suposiciones erróneas y las aceptan sin probarlas. » A partir de ahora, el desarrollador ya no modela cada línea, sino que supervisa un flujo automático de código.
Esta velocidad hace que una estrategia que alguna vez fue herética: producir una herramienta ultraespecífica para una pequeña necesidad. Pasamos de varios días a unos minutos de desarrollo. En lugar de agotarse manteniendo un enorme panel de control que se ha vuelto demasiado complejo e ilegible, los equipos de datos ahora prefieren crear un pequeño programa personalizado que verifique los datos una vez y luego desaparezca.
La contaminación invisible del código huérfano
Esta agilidad produce una descarga digital silenciosa. EL “Variación de código” (la cantidad de código agregado y luego modificado o eliminado inmediatamente) se duplicó entre 2021 y 2024 con el uso de IA. Se acumula código que nadie ha escrito ni revisado, a menudo en producción en empresas e instituciones, a veces sobre datos sensibles y, a menudo, apenas protegidos.
es el nacimiento de “código huérfano”. Scripts desechables olvidados en los servidores, API abiertas y nunca cerradas. El problema no es sólo el espacio de almacenamiento; es una vulnerabilidad permanente ofrecida a los piratas informáticos. Las fugas en el código sin propietario rara vez se solucionan. La “deuda técnica” se convierte en deuda de conocimiento: nadie sabe realmente cómo funcionan las herramientas que gestionan el negocio.
El abismo financiero de los gigantes
Pero mientras los equipos juguetean con scripts aparentemente de bajo costo, la infraestructura necesaria está lejos de ser liviana. OpenAI, a pesar de su éxito, está quemando capital a una velocidad récord. HSBC predice que la compañía necesitará recaudar 207 mil millones de dólares para 2030 para financiar sus centros de datos. También según el banco, la empresa matriz de ChatGPT se enfrenta a una pérdida de efectivo titánica, y se esperan pérdidas operativas de casi 500 mil millones de dólares durante el período.
Entre los contratos de TI con Microsoft o Amazon por 792 mil millones y los alquileres de centros de datos que alcanzan los 620 mil millones al año, los costos son incomprensibles. A medida que el software se vuelve volátil y “ gratis » para el usuario se basa en un abismo financiero que ni siquiera un volumen de negocios de 213 mil millones de dólares es suficiente para colmar, lo que deja una necesidad financiera en continuo aumento de 207 mil millones.
30% para modelos?
El problema es quién se embolsará el margen. Para HSBC, los proveedores de modelos como OpenAI solo podían captar el 30% del valor de mercado de la IA. El resto iría a parar a pequeños operadores especializados y editoriales verticales (medicina, derecho, industria). Estos expertos en código capturarían el valor agregando la capa empresarial y el cumplimiento que las plantillas generales no ofrecen.
La proliferación de este software desechable también plantea un problema legal. El RGPD o las leyes de responsabilidad del producto presuponen un fabricante identificado. ¿Quién es responsable cuando un script generado por un pasante que se fue hace seis meses continúa procesando datos sin supervisión?
Aprende a apagar
La profesión de desarrollador se está deslizando hacia la arqueología del software. Los equipos dedican cada vez más tiempo a investigar las bases de código para descubrir qué es vital y qué se puede eliminar. ellos empiezan a pensar “fechas de caducidad” registros técnicos u obligatorios para estas herramientas efímeras.
El mundo digital se está fragmentando. Por un lado, infraestructuras titánicas controladas por unos pocos; por el otro, millones de firmwares desechables producidos por todos. Esta transición requiere una nueva contabilidad. El coste del software ya no se calcula sólo en el momento de su creación, sino en el de su desaparición.
En un ecosistema saturado, saber generar código se ha vuelto sencillo. La verdadera habilidad del mañana será saber cuáles eliminar.
About The Author
