Usar IA bien

Cada pocos años la industria pierde la cabeza por algo nuevo. Ahora es IA. Probablemente hayas visto ambas versiones del pánico: la gente convencida de que lo cambia todo y estás terminado si no te subes al tren para el viernes, y la gente convencida de que es una estafa a punto de colapsar en cualquier momento. Ambas son ruidosas. Ambas están mayormente equivocadas.
La verdad es más tranquila y más útil. IA es una herramienta capaz con modos de fallo reales y específicos. No es un salvador, no es una amenaza, es una herramienta. La pregunta que vale tu tiempo no es si alinearte con el entusiasmo o el pesimismo. Es cómo usar esta cosa bien: dónde se gana un lugar en tu trabajo, dónde no, y cómo mantener tu propio criterio mientras el resto del sector está ocupado perdiendo el suyo.
Eso es de lo que trata este capítulo. El resto del manual te enseña cómo funciona la máquina; este es sobre cómo sostenerla.
Dónde realmente te ayuda
Pon a un lado el ruido y el caso práctico es sólido. Un modelo es muy bueno en el trabajo que solía comerse tu tarde: redactar una primera versión, explicar una base de código desconocida, convertir texto desordenado en datos estructurados, escribir la prueba repetitiva, resumir un hilo largo, sacarte de un atascadero en una sintaxis que medio recuerdas. Nada de ello es glamoroso. Todo es tiempo real recuperado.
Lo que eso te compra como profesional de tecnología es influencia. El piso en el trabajo rutinario sube, así que pasas menos de tu día en las partes que nunca fueron interesantes y más en las que sí: el diseño, las decisiones críticas, las cosas que solo tú puedes ver porque entiendes el sistema completo. Usado así, IA no está reemplazando el trabajo. Está limpiando la maleza para que puedas llegar a él.
La captura es que solo funciona si puedes distinguir buen resultado de malo. Un modelo te entregará una respuesta confidentemente incorrecta tan fácilmente como una correcta, y es la forma en que estos modelos funcionan lo que hace eso inevitable. El profesional que se beneficia es el que puede leer lo que produjo, detectar el error, y seguir adelante. El que no lo puede está entregando las conjeturas de otro con su propio nombre en ellas.
Lo que no puede reemplazar
Aquí está la parte que el entusiasmo se salta. Todos están construyendo con IA ahora, y eso no ha eliminado la necesidad de humanos que realmente entiendan las cosas. Si acaso la ha aumentado.
Un modelo no tiene interés en tu proyecto, no tiene memoria de por qué el sistema está formado de la manera en que lo está, y no tiene idea de qué importa a la gente que lo usa. Va por la siguiente palabra plausible, no la decisión correcta. Así que las cosas que siguen siendo tuyas son las cosas que siempre fueron la parte difícil: decidir qué construir, saber qué compromiso vale la pena hacer, notar que la respuesta convincente es incorrecta para este contexto, sostener el sistema completo en tu cabeza. Estrategia, gusto y comprensión no vienen en la caja.
Por eso "entender la máquina" corre a través de todo el manual. Cuanto más diriges una herramienta que no entiendes, más estás adivinando. El ingeniero que sabe cómo se comporta el modelo lo apunta a donde es fuerte y lo mantiene alejado de donde es débil. El que lo trata como un oráculo obtiene lo que al oráculo le apeteció decir. Mantente en el bucle, al nivel donde se toman las decisiones reales.
Usarla éticamente
Efectivo y ético no son objetivos separados aquí. Son el mismo hábito visto desde dos lados.
Comienza con la regla que cubre la mayoría: eres dueño de lo que entregas. Si un modelo lo escribió, aún así lo leíste, lo entendiste, y te paras detrás de él, igual que código de cualquier compañero. Entregar resultados que no has verificado, como si estuviera terminado y fuera tuyo, es cómo una respuesta confidentemente incorrecta termina en producción con tu nombre en ella. Verifica antes de entregar, cada vez que importe.
El resto viene de tratar a las personas como personas. Ten cuidado con lo que le das: datos de clientes, secretos, y cualquier cosa privada no pertenecen a una instrucción que no controlas. Sé franco sobre de dónde vino el trabajo cuando importa. Y resiste la versión codicioso de esto, la urgencia de cortar cada esquina, inundar cada canal, o cambiar trabajo cuidadoso por volumen puro. La herramienta es un multiplicador, y un multiplicador hace más grande la descuidada también. Mantén tus principios y mantienes la parte del trabajo que valía la pena hacer.
Mantén la cabeza
El sector se mueve en olas, y ha hecho esto antes. Su historia es una serie de booms e inviernos, cada uno tan seguro en su momento como este se siente ahora, cada uno seguido de una corrección cuando las promesas superaban los resultados. Ese patrón es la mejor razón para mantenerse sereno: la afirmación más ruidosa es raramente la que perdura.
Así que trata el entusiasmo como clima, no como evangelio. El modelo que encabeza los rankings este mes será reemplazado, la demostración que parece magia generalmente tiene un camino feliz estrecho, y "esto lo cambia todo" ha sido dicho sobre la mayoría de las cosas que no lo hicieron. Lo que no es reemplazado es tu comprensión de cómo funcionan estos sistemas, de la misma manera que las ideas de cada era superaron los productos construidos en ellas. Sigue aprendiendo la capa duradera, mantén tu criterio encendido, y usa la herramienta para lo que es buena. Ese es todo el movimiento: toda la influencia, sin el ruido.
Esa es la postura en la que está escrito este manual: IA es una herramienta capaz, eres el profesional sosteniéndola, y la ventaja va a la gente que entiende con qué están trabajando. Con eso en mente, el próximo capítulo abre la máquina misma. Cómo funcionan los LLMs es donde comienza el resto.

