COINTELIGENCIA · EDUCACIÓN EN INGENIERÍA
Si la máquina ya escribe el código, ¿qué estudia quien quiere ser ingeniero? La pregunta parece de currículo. Resulta que es de aviación.
Son las dos y diez de la madrugada, hora universal, sobre el Atlántico. Un Airbus A330 lleva horas volando solo —piloto automático, altitud fija, doscientas veintiocho personas dormidas o fingiendo dormir—. Entonces el hielo tapa los tubos que miden la velocidad, los instrumentos empiezan a contradecirse, y la máquina hace lo único que puede hacer cuando no entiende lo que lee: suelta el mando. Dos copilotos con miles de horas de vuelo se quedan con una palanca en la mano. Les toca volar. Hacía años que no lo practicaban.
Cuatro minutos y veintitrés segundos después, el avión toca el mar. Entre las lecciones que dejó el accidente hay una que suena a perogrullada: quien tiene un piloto automático debe seguir practicando el vuelo manual. Esa noche volvió a mi cabeza cuando una pregunta no me dejó en paz: si la inteligencia artificial ya escribe el código, ¿qué estudia un futuro ingeniero de sistemas? Me formé antes de que el siglo cambiara y la pregunta me quemaba. Se la llevé a Claude. Lo primero que hizo fue contradecirme.
La lectura cómoda de la pregunta es un tachón: se hace la lista de lo que la máquina ya hace mejor que nosotros y se borran esas materias del plan. La lectura verdadera es una trampa con forma de lista.
· · ·
01 — La calculadora y el cuatro millones
La objeción de Claude cabía en una frase: no existe una asignatura de la que la máquina se encargue por completo, porque la pregunta confunde a quien ejecuta con quien debe entender. Pensé en la calculadora. Divide mejor que cualquiera de nosotros desde hace medio siglo, y seguimos enseñando la división larga. No para dividir. Para que, el día en que el resultado diga cuatro millones y deba decir cuatrocientos, algo en el estómago proteste.
Para que, el día en que el resultado diga cuatro millones y deba decir cuatrocientos, algo en el estómago proteste.
De ahí sale un criterio con dos llaves. Una materia abandona el plan solo si la máquina la hace mejor que nosotros y saber hacerla no hace falta para verificar lo que la máquina entrega. Casi ninguna cruza las dos puertas. La primera se abre con facilidad —sintaxis, plantillas, consultas de rutina—. La segunda se atasca siempre en el mismo sitio. No se puede auditar lo que no se sabría hacer.
No se puede auditar lo que no se sabría hacer.
Cuando se ignora esa segunda llave ocurre lo que bauticé atrofia delegada: la pericia no se pierde de golpe, se desvanece en silencio mientras la máquina acierta, y nadie lo nota hasta la noche en que deja de acertar.
· · ·
02 — El peldaño perdido
En 1983, la psicóloga británica Lisanne Bainbridge publicó un artículo breve con un título que parecía broma: Las ironías de la automatización. Su tesis cabía en un renglón. Cuanto más automatizamos un trabajo, más difícil es lo que le queda al humano —hereda solo lo que la máquina no resolvió—, y menos ocasiones tiene de practicarlo.
Bainbridge hablaba de operadores en plantas industriales. No imaginó que automatizaríamos también el aprendizaje. Eso ocurre hoy en la ingeniería de software: lo que la máquina hace mejor que el ingeniero promedio —el código de rutina, la prueba escrita a mano, la migración de un lenguaje a otro— era justo el trabajo con el que los novatos aprendían el oficio. El primer empleo era la escalera. La máquina se llevó los primeros peldaños.
La máquina se llevó los primeros peldaños.
Llamo el peldaño perdido a ese hueco, y el currículo enfrenta por su causa una tarea que nunca tuvo: fabricar a propósito la práctica que el trabajo ya no regala —talleres sobre sistemas heredados, simulacros de incidentes, auditoría de código ajeno—. Un ascensor lleva a cualquiera al piso veinte. Solo la escalera da piernas para el día del apagón.
Un ascensor lleva a cualquiera al piso veinte. Solo la escalera da piernas para el día del apagón.
· · ·
03 — La lista que sobra
¿Qué sobra, entonces? Aplicadas las dos llaves, la lista es larga y no duele. No se enseñará a escribir a mano aplicaciones de formularios. No se enseñará la sintaxis de un framework que caducará antes de la graduación. No se enseñará a dibujar a pulso un diagrama que la máquina traza en segundos. En esas tareas —el código de rutina, la consulta a la base de datos, la documentación, la prueba unitaria, el guion de despliegue— los modelos de frontera ya rinden mejor que el ingeniero promedio. Claude mismo puso la salvedad que yo habría puesto. El juez es parte interesada.
El juez es parte interesada.
Lo que sobra importa menos que lo que queda en pie. Queda la lógica, porque define qué significa «correcto»; las bases de datos, porque el modelo de datos es una decisión de negocio disfrazada de tabla; los sistemas operativos y las redes, porque las fallas viven en las fronteras entre capas; y la lectura de código ajeno, que ahora pesa más que la escritura del propio. Y suben tres materias en lugar de bajar: probabilidad, porque los sistemas dejaron de ser deterministas y evaluarlos es estadística; requisitos, porque especificar se volvió el cuello de botella; y verificación. Generar cuesta casi nada. Confiar cuesta lo mismo que siempre.
Generar cuesta casi nada. Confiar cuesta lo mismo que siempre.
Dos oficios se asoman detrás de esa lista:
- El ingeniero de producción
- Escribe el código
- Mide su valor en entregas
- Confía en lo que compila
- Teme llegar tarde
- El ingeniero de gobierno
- Escribe la especificación
- Mide su valor en fallas evitadas
- Confía en lo que verifica
- Teme no entender
· · ·
04 — Gimnasio y taller
Cambia también cuándo se permite la máquina. Primero el gimnasio: los fundamentos se examinan sin asistente, el estudiante levanta el peso con sus propios brazos y a nadie le preguntan por el resultado, sino por el músculo. Después el taller: la misma materia con la máquina al lado y otra pregunta —¿puedes demostrar que lo que ella produjo es correcto?—. Nadie levanta pesas porque falte una grúa.
Nadie levanta pesas porque falte una grúa.
Lo mismo sube por los escalones del posgrado. La especialización enseña a gobernar: arquitectura con IA, riesgo, calidad de sistemas que ya no responden igual dos veces. La maestría enseña a medir con rigor: evaluar agentes, inferir causas, verificar componentes que nadie programó línea a línea. El doctorado se queda con las preguntas que ninguna máquina ha formulado todavía: qué significa especificar, qué cuenta como prueba de corrección cuando el autor del código no es humano, qué le ocurre al criterio de quien decide con un copiloto al lado.
Esa última pregunta es mi oficio de psicólogo, y me niego a tratarla como nota al pie. La agencia humana no es un detalle de diseño. No se añade al final. No se parchea después. Se dibuja en el primer diagrama.
La agencia humana no es un detalle de diseño.
· · ·
05 — El ingeniero del noventa y ocho
Yo soy ese ingeniero. Me formé antes de que el siglo cambiara, con fundamentos sólidos, y lo moderno lo aprendí por fuera, a golpes de proyectos. Si un colega de mi promoción me preguntara por dónde empezar, le diría que no vuelva a un aula a cursar materias. Que construya.
Primero, que se siente cada día con un agente de código, en un proyecto real, hasta aprenderle la forma. Ethan Mollick y sus colegas la llamaron frontera irregular: la máquina brilla en una tarea y tropieza en la vecina, sin avisar. Yo añadiría que la irregularidad también vive en nosotros. Desconfiamos donde deberíamos fiarnos, y nos fiamos justo donde la fluidez nos anestesia. Segundo, los fundamentos que su época no incluía: probabilidad bayesiana, álgebra lineal, bueno esa sí, y construir un transformer diminuto desde cero —no para entrenarlo, sino para quitarle el misterio—. Tercero, ingeniería con evaluaciones: escribir primero cómo se sabrá que el sistema acierta. Cuarto, gobierno: regulación, responsabilidad y enseñar. Explicar es la verificación más honesta de que se entiende.
Explicar es la verificación más honesta de que se entiende.
Lo que viene tiene ritmo. METR, una organización que mide las capacidades de la IA, encontró que la duración de las tareas que un agente completa sin ayuda se duplicaba cada siete meses. No sé cuánto durará la curva; extrapolar es el vicio de los profetas. Pero planear como si durara cuesta poco, y no planear cuesta una carrera. Apuesto a que en diez años el valor habrá migrado de escribir a especificar, de producir a verificar, de entregar a responder por lo entregado. La máquina no comparece ante un juez. Alguien sí.
Pero planear como si durara cuesta poco, y no planear cuesta una carrera.
· · ·
Coda
¿Qué estás dejando de practicar porque tu herramienta ya lo hace por ti? No pregunto contra la herramienta: la uso cada día, y me alegra. Pregunto por el músculo. Por lo que sigue ahí cuando el automático suelta el mando.
Ocurre rara vez. Casi siempre de noche. Y cuando ocurre, nadie improvisa lo que no ha practicado: se vuelve a lo que las manos recuerdan, o a nada.
Alguien tiene que saber volar.
Dedicado a quienes enseñan a volar aunque el avión ya sepa hacerlo solo.
Fuentes
- Bainbridge, L. (1983). «Ironies of Automation». Automatica, 19(6), 775–779.
- Bureau d’Enquêtes et d’Analyses pour la sécurité de l’aviation civile (2012). Rapport final — Accident survenu le 1er juin 2009 à l’Airbus A330-203 immatriculé F-GZCP, vol AF 447 Rio de Janeiro–Paris.
- Dell’Acqua, F. et al. (2023). «Navigating the Jagged Technological Frontier». Harvard Business School Working Paper 24-013.
- Kwa, T. et al., METR (2025). «Measuring AI Ability to Complete Long Tasks». arXiv.
Por Uriel Hurtado
