IA y novatos: el peligro del 'nunca-aprendizaje' en depuración

¿Qué ha ocurrido?

Una investigación publicada este año en The Next Web ha identificado un fenómeno denominado 'never-skilling': los desarrolladores novatos que dependen de asistentes de IA (como GitHub Copilot o ChatGPT) para escribir código no desarrollan las habilidades de depuración necesarias. A diferencia del deskilling, que afecta a expertos que dejan de practicar, el never-skilling impide que los principiantes adquieran competencias básicas desde el inicio. El estudio, basado en entrevistas a reclutadores y formadores, señala que los juniors pueden generar código rápidamente, pero carecen de la capacidad de identificar y corregir errores. Según The Next Web, los empleadores ya están notando que los candidatos recién titulados muestran lagunas en habilidades fundamentales, especialmente en depuración y pensamiento crítico.

¿Por qué es importante?

La depuración es una habilidad central en ingeniería de software. Sin ella, los desarrolladores no pueden entender por qué falla el código, ni solucionar problemas complejos. La IA puede generar código funcional, pero cuando surge un error, el novato no sabe cómo abordarlo. Esto crea una dependencia tecnológica que, a largo plazo, reduce la calidad del software y la capacidad de innovación. Un estudio de 2023 de la Universidad de Stanford ya advertía que los estudiantes que usaban Copilot obtenían peores resultados en pruebas de comprensión de código. El never-skilling agrava este problema: no es que los novatos olviden cómo depurar, es que nunca lo aprenden. Esto tiene implicaciones directas en la seguridad: según un informe de 2024 de la empresa de ciberseguridad Snyk, el código generado por IA contiene un 40% más de vulnerabilidades que el escrito por humanos, y los desarrolladores sin experiencia en depuración no pueden detectarlas.

Consecuencias para la industria

• Productividad ilusoria: los novatos parecen productivos al generar código rápido, pero pasan más tiempo depurando errores que no entienden. Un estudio de GitClear (2024) encontró que el uso de asistentes de IA aumenta la velocidad de escritura en un 55%, pero el tiempo de depuración se duplica en equipos con juniors.
• Brecha de habilidades: las empresas enfrentarán una escasez de desarrolladores senior capaces de resolver problemas sin IA. Según una encuesta de Stack Overflow 2024, el 70% de los desarrolladores senior considera que los juniors dependen demasiado de la IA, y el 45% de los reclutadores reporta dificultades para encontrar candidatos con habilidades sólidas de depuración.
• Riesgo de seguridad: el código generado por IA puede contener vulnerabilidades que un novato no detecta ni corrige. Un análisis de la OWASP (2024) sobre código generado por ChatGPT mostró que el 30% de los fragmentos contenía fallos de seguridad críticos, como inyección SQL o desbordamiento de búfer.
• Costos a largo plazo: la deuda técnica se acumula cuando el código mal depurado se integra en sistemas productivos. Un informe de McKinsey (2024) estima que la deuda técnica global podría alcanzar los 1,5 billones de dólares en 2025, y el never-skilling contribuye a este aumento.

¿Qué deben saber los lectores?

No se trata de rechazar la IA, sino de usarla como complemento, no como sustituto del aprendizaje. Las empresas deben implementar programas de formación que aseguren que los juniors adquieran habilidades fundamentales de depuración, incluso si usan IA. Por ejemplo, Google ha introducido 'debugging sprints' sin IA en su onboarding. Los educadores deben rediseñar los currículos para incluir ejercicios de depuración sin asistencia, como propone el MIT con su curso '6.031: Software Construction', que prohíbe el uso de IA en las primeras etapas. Y los propios desarrolladores deben ser conscientes de que la IA es una herramienta, no una muleta. El estudio de The Next Web recomienda que los novatos practiquen la depuración manual al menos un 30% de su tiempo de codificación durante el primer año.

"El never-skilling es más peligroso que el deskilling porque afecta a toda una generación de profesionales que nunca desarrollarán la intuición técnica necesaria para innovar", señala el estudio.

Contexto histórico

Este fenómeno recuerda a la dependencia de calculadoras en matemáticas: los estudiantes que las usaban sin entender los conceptos básicos tenían dificultades en niveles avanzados. En software, la IA acelera este proceso, pero con consecuencias más amplias debido a la complejidad de los sistemas modernos. Un caso similar ocurrió con los IDE autocompletados en los años 2000, que redujeron la habilidad de memorizar APIs, pero no afectaron tanto a la depuración. El never-skilling es cualitativamente diferente porque la IA no solo completa código, sino que lo genera entero, eliminando la necesidad de entender la lógica subyacente. Además, la velocidad de adopción de la IA es mucho mayor: GitHub Copilot alcanzó 1 millón de usuarios en su primer año, mientras que los IDE tardaron una década en masificarse. Esto significa que toda una cohorte de desarrolladores podría formarse sin haber depurado nunca un error complejo, lo que tendría implicaciones para la innovación en áreas críticas como la inteligencia artificial, la ciberseguridad y los sistemas embebidos.