Un estudio reciente investigó si la productividad ganada al usar asistencia de inteligencia artificial en la programación se produce a expensas del desarrollo de habilidades fundamentales en ingenieros de software. La investigación, un ensayo controlado aleatorizado, buscó determinar si la delegación cognitiva a herramientas de IA obstaculiza la comprensión profunda de los sistemas que se están construyendo.
La preocupación central radica en que, si bien la IA acelera la producción de código, los profesionales aún necesitan habilidades críticas para depurar errores y supervisar resultados en entornos de alto riesgo. El estudio, cuyos hallazgos fueron publicados en anthropic.com, examinó cómo los desarrolladores adquirían una nueva biblioteca de Python, Trio, con y sin ayuda de IA.
Los resultados mostraron una disminución estadísticamente significativa en el dominio entre el grupo asistido por IA. En una prueba sobre conceptos recién utilizados, el grupo de IA obtuvo un 50% de acierto, frente al 67% del grupo que codificó a mano, una diferencia equivalente a casi dos calificaciones de letra. Aunque el grupo de IA terminó la tarea ligeramente más rápido, esta aceleración no alcanzó significancia estadística.
Un hallazgo crucial fue que la forma en que se utilizó la asistencia de IA determinó la retención. Los participantes que lograron mayor dominio emplearon la IA no solo para generar código, sino también para solicitar explicaciones y hacer preguntas conceptuales. Por el contrario, los patrones de interacción que implicaban una dependencia excesiva para la generación o depuración de código resultaron en puntuaciones inferiores al 40% en las pruebas.
El análisis cualitativo reveló que los participantes que codificaron manualmente encontraron más errores, lo que, según la hipótesis de los investigadores, pudo haber fortalecido sus habilidades de depuración al resolverlos de forma independiente. Esto sugiere que el esfuerzo cognitivo, incluso el estancamiento temporal, es importante para fomentar el dominio técnico.
Estos resultados tienen implicaciones amplias para el diseño de productos de IA y las políticas corporativas, especialmente en el sector tecnológico. Existe el riesgo de que los ingenieros junior, bajo presión de tiempo, prioricen la velocidad sobre el aprendizaje, lo que podría mermar su capacidad para validar código generado por máquinas.
Los gestores deben considerar diseños intencionales que aseguren que los ingenieros continúen aprendiendo activamente mientras trabajan, garantizando así una supervisión significativa sobre los sistemas automatizados. El estudio apunta a la necesidad de un desarrollo de habilidades intencional incluso al integrar herramientas de IA a gran escala.
