En los últimos tiempos, la irrupción de los grandes modelos de lenguaje (o LLMs), o más bien la constatación de su capacidad para generar código, ha desatado una mezcla de entusiasmo, escepticismo y pánico entre los profesionales del software. Y la pregunta que todos nos hacemos es: ¿pueden estas herramientas poner fin a la necesidad de programadores humanos?
Más aún, ¿es el vibe coding, ese estilo de desarrollo basado en la mera generación automática de código a partir de prompts, el principio del fin de la programación tal y como la conocemos?
Antes de posicionarnos entre catastrofismo o el negacionismo (dos variantes del reduccionismo, al fin y al cabo), resulta útil mirar a otra profesión que ya ha recorrido antes un camino similar: la traducción.
Y es que, según sostiene esta programadora en su blog, la historia de Google Translate y su impacto en la industria de la traducción puede ofrecernos valiosas lecciones sobre cómo pensar (y sentirnos) respecto a la futura influencia de la IA en el trabajo.
El paralelismo: de la traducción automática al vibe coding
Desde su lanzamiento, Google Translate ha evolucionado enormemente. El salto más significativo ocurrió en 2018 con la introducción de la traducción automática neuronal (NMT), una mejora sustancial respecto a los enfoques anteriores basados en reglas y estadísticas.
En ese momento, también surgieron predicciones apocalípticas: «Ya nadie necesitará traductores humanos», decían algunos. Lo cierto es que la realidad, finalmente, ha sido bastante diferente.
Sí, Google Translate funciona sorprendentemente bien para tareas básicas, y ha mejorado notablemente. Un turista que viaja a Japón puede valerse del traductor para comunicarse en situaciones cotidianas. Sin embargo, ¿esto significa que ya no necesitamos intérpretes ni aprender idiomas?
La realidad es que esas personas que hoy usan Google Translate durante sus viajes probablemente no hubieran contratado a un intérprete de todos modos. Lo más probable es que habrían improvisado o aceptado sus limitaciones lingüísticas. De hecho, y aquí está la paradoja, la demanda de traductores e intérpretes profesionales ha aumentado en los últimos años.
¿Qué hacen realmente los traductores (y los programadores)?
La idea popular de que un traductor es simplemente un diccionario ambulante está lejos de la realidad. El trabajo de traducción requiere interpretar el contexto, desambiguar significados y adaptar el mensaje culturalmente para que sea relevante y apropiado para la audiencia a la que va destinado.
Nuestra protagonista, Ingrid, pasa a poner el ejemplo de una traducción entre el inglés y el noruego, dos idiomas con contextos culturales y gramáticas similares. Pero la lengua noruega tiende a ser contundente en sus expresiones y a obviar ciertas cortesías, por lo que allí donde un traductor humano traduciría un «¿Podrías pasarme las patatas, por favor?», Google Translate ofrece un seco y agresivo (pero literal) «Quiero las patatas».
«Debería ser evidente por qué no es recomendable sustituir a un intérprete por Google Translate en una audiencia judicial».
De forma similar, hoy vemos usuarios declarar que tras crear una pequeña herramienta con un LLM, concluyen que todos los programadores estarán desempleados en pocos años. Este punto de vista ignora completamente lo que implica en realidad programar. Al igual que ocurre con la traducción profesional, la programación es mucho más que «convertir palabras» o «escribir líneas de código».
Humanos, ni sustituibles ni (esperemos) mecanizables
Al igual que los traductores han comenzado a integrar la IA en sus flujos de trabajo (para mejorar la redacción, buscar una mejor expresión o comparar alternativas), los programadores también están empezando a usar LLMs para tareas específicas. Pero no como sustituto, sino como complemento. Sin embargo, de nada sirve eso si no reivindicamos también la forma humana de programar.
Porque, al final, el verdadero problema podría ser otro: no que la IA reemplace al programador, sino que reduzcamos la programación a una tarea mecánica de producir líneas de código. La existencia de herramientas que ‘vomitan’ código puede reforzar esta percepción equivocada, y cambiar la idea de lo que se considera un ‘buen programador’.
Imagen | Marcos Merino mediante IA
En Genbeta | El problema que ya surge en los equipos de desarrollo: programadores que culpan a la IA de los errores de código
–
La noticia
La IA ya ‘amenazó’ el empleo de los traductores como ahora a los programadores: Google Translate nos enseña que no es para tanto
fue publicada originalmente en
Genbeta
por
Marcos Merino
.
