La inteligencia artificial se impone en el desarrollo informático, pero la confianza sigue siendo frágil: el 46% de los desarrolladores encuestados declara no confiar en la precisión de los resultados generados por las herramientas de IA. Una paradoja que cobra todo su sentido con motivo del Día Mundial de la Programación, el 29 de octubre: mientras que producir código es cada vez más fácil, la capacidad de comprender cómo funciona podría convertirse en la competencia más valiosa.
Una línea de código generada en segundos también puede ocultar un error, un fallo de seguridad o un problema de diseño. La ganancia de tiempo inicial corre el riesgo entonces de transformarse en trabajo adicional de verificación y corrección. El peligro no es tanto dejar que la IA programe, sino confundir rapidez de ejecución con calidad del desarrollo. Sin una comprensión sólida de los fundamentos, los desarrolladores difícilmente pueden ejercer la distancia crítica necesaria sobre lo que producen estas herramientas.
El reto ahora es formar a profesionales capaces de trabajar con la IA sin volverse dependientes. Esto supone, en primer lugar, consolidar los fundamentos de la programación y desarrollar el espíritu crítico desde el aprendizaje, al tiempo que se amplía el acceso a estas competencias. Es precisamente en esta lógica en la que Acer apoya en Francia a la asociación STEM4ALL, que favorece el acceso de las mujeres a las formaciones de ingenieras y de investigadoras a través de su programa STEM IA y de ciberseguridad. Pero la teoría no es suficiente: para aprender a identificar los límites de la IA, es necesario poder experimentar, probar y corregir sus resultados en condiciones concretas. Entornos de desarrollo como la estación de trabajo Acer Veriton GN100, utilizada durante el Spark Hack Series de Nueva York para experimentar con modelos de IA en local, ilustran esta necesidad de pasar del dominio de los fundamentos a su aplicación práctica. Con esta solución, los desarrolladores, investigadores, científicos de datos y estudiantes pueden utilizar frameworks y herramientas comunes (PyTorch, Jupyter y Ollama) para prototipar, afinar, probar y desplegar modelos de lenguaje de gran tamaño en local para escalar y trabajar con modelos de IA (hasta 405 mil millones de parámetros).
«La IA no debe conducir a formar desarrolladores que sepan obtener código sin comprender los mecanismos. Al contrario, su auge hace que los fundamentos de la programación sean aún más importantes. El objetivo no es rivalizar con la velocidad de las máquinas, sino desarrollar las competencias necesarias para explotar sus capacidades manteniendo una mirada crítica sobre sus resultados«, explica Karim Ouahioune, Director de Marketing y Comunicación en Acer EMEA.
En la era de la IA, aprender a programar ya no puede resumirse a dominar un lenguaje de programación. La verdadera brecha no estará entre quienes usan la IA y quienes prescinden de ella, sino entre quienes saben controlar sus resultados y quienes tienen que fiarse ciegamente de ella. Es esta capacidad de juicio y de dominio la que hay que colocar ahora en el centro del aprendizaje del código.
