En la era de la IA, las razones para aprender a programar han cambiado

Al finalizar este tema

Comprenderá por qué los fundamentos de la programación siguen siendo necesarios en la era de la inteligencia artificial y podrá establecer el enfoque mental adecuado para abordar esta lección.

La educación en programación del pasado

Durante mucho tiempo, la programación fue un dominio exclusivo de la ingeniería informática y la ingeniería de software.

Existían decenas de lenguajes como C, Java, Python y JavaScript; era necesario memorizar su sintaxis, aprender sus frameworks y escribir manualmente miles de líneas de código para depurarlas. Adquirir todo esto por cuenta propia se acercaba casi a lo imposible. Se requerían años o incluso décadas para completar los grados universitarios, acumular experiencia en proyectos prácticos y colaborar estrechamente con compañeros de equipo para poder crear un solo servicio.

Por ello, el enfoque educativo del pasado se estructuraba naturalmente en fundamentos sólidos paso a paso. Debía aprender qué son las variables, luego las condicionales, después los bucles, luego las funciones y luego los objetos; era necesario escalar cada uno de estos escalones para avanzar al siguiente nivel. El curso CS50 de la Universidad de Harvard enseña binario y punteros en C desde la primera semana, mientras que el curso representativo coreano "Saehan Coding" comienza con HTML y guía al estudiante durante 12 semanas hasta la creación de un servidor web. Este método es sin duda sistemático, pero partía de una premisa fundamental: uno debe escribir todo el código manualmente.

Lo que la IA ha transformado

Luego llegó la inteligencia artificial.

Con el lanzamiento de ChatGPT de OpenAI a finales de 2022 y la adopción generalizada de GitHub Copilot en 2023, el panorama de la programación cambió por completo. La IA ahora escribe código a un nivel que supera al humano. No es necesario memorizar sintaxis; basta con describir la intención para obtener el código, pegar un error para que analice la causa y pedir "optimiza este código" para que realice las mejoras necesarias.

Andrej Karpathy, director de IA de Tesla y cofundador de OpenAI, declaró lo siguiente:

"El lenguaje de programación más popular del momento es el inglés." — Andrej Karpathy, enero de 2023 en X (antiguo Twitter)

Ahora vivimos en una era en la que trabajamos junto a los mejores programadores del mundo.

Este cambio no significa que "no sea necesario aprender a programar". De hecho, es todo lo contrario: ha cambiado el tipo de cosas que debemos aprender.

Entonces, ¿por qué son necesarios los fundamentos?

Con códigos muy simples no hay problema. Si le pide a la IA "crea una página de inicio de sesión", ella lo hará.

Sin embargo, la situación cambia cuando el código se extiende a decenas de miles o incluso cientos de miles de líneas. Cuando los archivos se multiplican por cientos, las tablas de la base de datos se entrelazan y los servidores y el frontend comienzan a conectarse de manera compleja, ni la IA ni las personas pueden gestionarlo por sí solas.

En ese momento, ¿qué ocurre si no se sabe qué es la refactorización, no se comprende la estructura del código y se desconocen conceptos como la normalización o la optimización?

No se pueden dar instrucciones a la IA.

Se puede decir "corrige este código", pero para decir "refactoriza este componente para que sea reutilizable separándolo" es necesario saber qué es la refactorización. Se puede decir "la base de datos es lenta", pero para decir "resuelve el problema de las consultas N+1 de esta tabla mediante JOINs" es necesario saber qué son los JOINs y qué es un problema N+1.

En la era de la IA, las personas no necesitan memorizar todos los detalles del código. La IA puede encargarse desde la explicación de conceptos hasta la escritura de código, el diseño de la estructura básica y la optimización. Sin embargo, si se desconoce la terminología y no se comprenden los fundamentos de la informática, ni siquiera se podrá realizar una depuración menor, y mucho menos juzgar si la dirección que toma la IA es correcta o incorrecta.

Lo que ocurre en la realidad

Esto no es teoría. Es lo que está sucediendo actualmente en el campo laboral.

Abogados llevados a los tribunales por no verificar el código generado por IA

En junio de 2023, el abogado Steven Schwartz fue sancionado en el Tribunal Federal del Sur de Nueva York (caso Mata v. Avianca, Inc.). Encargó la investigación legal a ChatGPT y presentó directamente ante el tribunal 6 precedentes judiciales inventados por la IA. El juez Kevin Castel dictaminó que "aunque es libre usar herramientas, la responsabilidad de verificar los resultados recae en el usuario".

Lo mismo ocurre con la programación. Aunque el código escrito por la IA parezca "funcionar", se necesita alguien con conocimientos fundamentales para determinar si la lógica es correcta, si maneja los casos límite adecuadamente y si no presenta problemas de seguridad.

Informe de GitClear: El costo oculto del código generado por IA

En enero de 2024, la empresa de análisis de software GitClear publicó un informe basado en el análisis de 150 millones de líneas de código. Tras la adopción de herramientas de codificación con IA (como Copilot), la tasa de variación del código (code churn) aumentó un 39%. Aumentaron drásticamente las líneas de código escritas rápidamente pero que pronto se eliminan o reescriben.

La razón es clara: si el código generado por la IA no es revisado por alguien que comprende su estructura, se repite el ciclo vicioso de crear rápido y romper rápido. Es necesario contar con líderes que comprendan conceptos como refactorización, modularización y separación de preocupaciones para que el código creado por la IA perdure.

Pipeline de datos de investigadores no especializados en informática

Esto no es un caso aislado, sino una situación que ocurre a diario en los laboratorios de todo el mundo. Un investigador con pocos conocimientos de Python escribe código de análisis de datos con la ayuda de la IA. Funciona bien con 1.000 registros de prueba. Pero al introducir 1 millón de datos reales, el servidor se bloquea.

La causa suele ser la misma: un bucle for anidado creado por la IA, es decir, un código con una complejidad temporal de O(N²). Si alguien conociera la complejidad temporal, al ver el código, identificaría de inmediato que "esto fallará cuando aumenten los datos" y podría indicarle a la IA que lo cambie por una solución basada en una tabla hash con una complejidad de O(N).

Como aprendemos un idioma

Aprendemos nuestro idioma materno escuchando e imitando a nuestros padres y a las personas que nos rodean, de forma natural. Con eso, ya podemos mantener conversaciones cotidianas.

Pero en algún momento, aprendemos el abecedario, escribimos textos y estudiamos la gramática y la estructura de las oraciones. Sin este proceso, no podríamos leer contratos, redactar informes ni transmitir una lógica compleja con precisión.

Lo mismo ocurre con la programación. Podemos crear cosas sencillas interactuando con la IA. Pero si no sabemos qué son las variables, qué son las funciones o cómo funciona una base de datos, no podremos dar instrucciones correctas a la IA para resolver problemas complejos.

Por eso ha cambiado la forma de aprender

Antes, teníamos que estudiar los fundamentos uno por uno, escribir código, ejecutarlo, equivocarnos y corregirlo, repitiendo este proceso durante años.

Ahora es diferente.

Aprendemos los fundamentos y, basándonos en nuestros conocimientos del dominio, navegamos junto a la IA por el vasto mundo de la programación.

Un biólogo puede aplicar la programación directamente al análisis de datos genómicos; un químico, a simulaciones moleculares; un profesional de negocios, a paneles de control de ventas; un diseñador, a portafolios interactivos. Quien haya adquirido una base sólida puede predecir por sí mismo qué problemas surgirán y puede guiar la dirección cuando surjan problemas estructurales que ni siquiera la revisión recursiva de la IA logre detectar.

La implementación técnica de la programación la realiza la IA. Sin embargo, el propósito, la dirección y la planificación basados en el conocimiento del dominio —esto solo lo puede hacer una persona—, y si damos estas instrucciones correctamente, la IA las implementará sin problemas.

El propósito de este curso

Lo diré con sinceridad.

Es posible que, incluso después de completar este curso, sea difícil escribir código desde cero para crear un sitio web completo por uno mismo. En el pasado, eso habría significado un fracaso, pero ahora no lo es.

Si adquirimos estos fundamentos y avanzamos junto a la IA, es totalmente posible.

Pueden olvidarlo. No importa si no lo recuerdan. Pueden detenerse en cualquier momento, crear cosas con la IA y, cuando encuentren algo que no saben, volver aquí.

Sin embargo, es fundamental comprender lo que dice la IA. Si la IA dice: "Procesaré esta parte de forma asíncrona", y simplemente se responde "de acuerdo" sin saber qué significa el procesamiento asíncrono, más adelante será imposible determinar dónde se originó el problema.

Comprender lo que dice la IA y ser capaz de dirigir el rumbo como líder. Ese es el objetivo de esta capacitación.