Ia: el código que no entiende – y el desastre que podría dejar

La inteligencia artificial ha dejado de ser una promesa futurista para convertirse en una herramienta omnipresente, capaz de generar páginas web completas, corregir errores en software y, en cuestión de segundos, incluso desarrollar aplicaciones enteras. Pero detrás de esta aparente revolución, se esconde una creciente preocupación entre los expertos, y especialmente entre los desarrolladores veteranos.

Un código que deja de ser código

Bjarne Stroustrup, el creador del lenguaje C++, no se anda con rodeos. Para él, gran parte del código que generan herramientas como Claude Code, GitHub Copilot o Codex, es, sencillamente, técnicamente deficiente. No se trata de errores aislados, sino de una raíz mucho más profunda: la IA, en su afán por imitar la lógica humana, identifica patrones estadísticos, aprende de millones de ejemplos, pero no comprende realmente la arquitectura de un sistema ni las consecuencias de sus decisiones. Es como un aprendiz que repite ejercicios sin entender por qué son correctos.

Esto produce soluciones que pueden parecer funcionales a primera vista, pero que introducen redundancias, estructuras de código engorrosas, malas prácticas – y, lo que es peor, problemas ocultos de rendimiento y seguridad. En proyectos pequeños, quizás se pasen por alto, pero en software complejo, donde cientos de desarrolladores colaboran durante años, estos pequeños errores se acumulan hasta convertirse en un auténtico desastre.

La reacción de Stroustrup refleja una fractura cultural dentro de la industria tecnológica. Para muchos programadores experimentados, la programación no se limita a escribir líneas de código rápidamente. Implica diseñar sistemas comprensibles, eficientes y, sobre todo, mantenibles a largo plazo. Se trata de entender exactamente qué hace cada componente y por qué funciona de la manera en que lo hace.

Y aquí reside el rechazo a la IA. Muchos sienten que estas nuevas herramientas fomentan una cultura donde se acepta código generado automáticamente sin entenderlo completamente, un proceso que, a la larga, pondrá en riesgo la calidad y la fiabilidad del software.

Pero no todo está perdido. Herramientas como Claude Code o Codex son útiles para tareas repetitivas, para generar documentación o para crear prototipos rápidos. Son un apoyo valioso, no un sustituto del trabajo humano. La IA puede escribir código funcional a gran velocidad, pero aún le cuesta mantener coherencia arquitectónica compleja o detectar consecuencias a largo plazo dentro de sistemas grandes.

La guerra entre la velocidad y la comprensión

El debate entre la velocidad y la comprensión es, en definitiva, una guerra. Y, según Stroustrup, algunos programadores preferirían jubilarse antes que depender constantemente de sistemas de generación automática. La prioridad, para él, es la calidad, la robustez y la capacidad de mantener el software a largo plazo – algo que la IA, por ahora, no puede garantizar.

Y no es que la IA sea inútil. Al contrario, muchos ingenieros la utilizan diariamente para acelerar tareas, corregir errores o crear prototipos. El problema surge cuando estas herramientas dejan de ser un complemento y empiezan a reemplazar la labor de los profesionales. La capacidad de generar soluciones rápidamente no compensa la falta de una comprensión profunda del código.

La controversia continúa, y las herramientas generativas seguirán mejorando. Pero, como recuerda Stroustrup, la verdadera esencia de la programación nunca ha sido únicamente cuestión de velocidad, sino también de criterio, experiencia y, sobre todo, de comprensión. Y esa, por ahora, es una fortaleza humana que la IA aún no puede igualar.