Nunca las habilidades: la investigación dice que los jóvenes nunca aprenden a depurar usando IA
Una investigación publicada este año nombra algo que los empleadores han estado dando vueltas durante un tiempo. Deskilling es cuando un experto deja de practicar y se deteriora. La falta de habilidades ocurre cuando un novato no es bueno en primer lugar, y es un problema aún más incómodo, porque afecta a las mismas personas que las empresas ya están subcontratando.
La evidencia más clara proviene de un ensayo controlado aleatorio realizado por los antropólogos Judy Hanwen Shen y Alex Tamkin, que se publicó en enero.
Contrataron a 52 ingenieros de software, en su mayoría jóvenes, le dieron a la mitad de ellos un asistente de inteligencia artificial, les pidieron a todos que aprendieran Trio, una biblioteca de Python que ninguno de ellos conocía, y luego los interrogaron a todos sobre los conceptos que habían usado unos minutos antes.
El grupo de IA promedia el 50%. El grupo que codificó manualmente obtuvo un promedio del 67%. La antropología describió la brecha como equivalente a aproximadamente dos calificaciones con letras y fue estadísticamente significativa con un valor de p de 0,01.
💜 de tecnología de la UE
Los últimos rumores de la escena tecnológica de la UE, una historia de nuestro sabio fundador Boris y algo de arte de inteligencia artificial dudoso. Es gratis, todas las semanas, en tu bandeja de entrada. ¡Regístrate ahora!
La ventaja de velocidad, que es la razón principal por la que cualquiera recurre al Asistente, en realidad no se ha materializado. El grupo de IA terminó unos dos minutos más rápido, una diferencia que no alcanzó significación, en parte porque varios participantes dedicaron hasta 11 minutos a redactar las preguntas, aproximadamente un tercio de su tiempo asignado.
Aprendieron menos, terminaron más rápido y salieron peor parados en lo más importante cuando la máquina falló. Depurando esa cosa, donde la brecha entre grupos era amplia. El grupo de control, al que se le negó un asistente, cometió errores y tuvo que resolverlos, lo cual es una descripción justa de cómo se aprende a depurar. El grupo de IA no cometió errores.
La medicina ha llegado a la misma idea desde un ángulo diferente. A Nature Medicine Perspective, publicado en mayo y dirigido por la Facultad de Medicina de Duke-NUS con coautores de Harvard, UCL y King’s College de Londres, defendió que los estudiantes se apoyaran en la IA en sus años clínicos de formación y no argumentaran que se necesita una práctica segura e independiente.
Esto añade una tercera categoría que recibe menos atención: las malas habilidades, el aprendiz que toma un error de IA sin crítica y lo archiva como verdadero.
Esos autores están alerta de una manera que no siempre lo estuvo su cobertura. Faltan pruebas directas de la formación médica, escriben. El argumento se basa en la teoría del aprendizaje y en señales primarias de entornos no clínicos, como investigaciones como Anthropic.
Su prescripción es un marco de tres etapas: desarrollar habilidades sin IA, luego enseñar a las personas a calibrar su escepticismo y luego introducir herramientas supervisadas.
Cómo se utiliza la herramienta es más importante que si se utiliza. En los juicios etnográficos, los que obtuvieron puntuaciones altas formularon preguntas conceptuales o solicitaron explicaciones junto con códigos. Quienes obtienen puntuaciones bajas delegan al por mayor o recurren a asistentes para que depuren por ellos.
Gartner predice que la atrofia del pensamiento crítico empujará a la mitad de las organizaciones globales a exigir evaluaciones de habilidades “libres de IA” para 2026, lo cual es una forma educada de decir que los reclutadores ya no confían en las carteras.
Mientras tanto, Ford está rehabilitando ingenieros para arreglar lo que salió mal con sus sistemas de inteligencia artificial, una costosa demostración de lo que sucede cuando las personas que detectan el error ya no están en la nómina.
El juicio tiene límites reales y así lo dicen sus autores. La muestra fue pequeña, el cuestionario midió la comprensión inmediatamente y no meses después, y utilizó un asistente de barra lateral en lugar de un codificador agente. Los investigadores esperan que sus efectos sean más pronunciados, no menos.
Vale la pena señalar quién lo dirige. Anthropic vende asistentes y publicó un artículo argumentando que usar asistentes descuidadamente te hace peor en tu trabajo. Esto es una claridad inusual o una apertura de tono para el modo de aprendizaje, y ambas lecturas pueden ser ciertas.
Lo que la investigación no dice es que los jóvenes deberían codificar a mano. Lo que dice es que los atajos y la eficiencia no son el mismo camino, y la industria lleva dos años adivinando.
