La inteligencia artificial se consolida en el desarrollo de software, pero la confianza en sus resultados sigue siendo limitada: el 46% de los desarrolladores encuestados reconoce que no confía en la precisión del código generado por estas herramientas. Una paradoja que cobra especial relevancia con motivo del Día Mundial de la Programación, que se celebra el 29 de octubre. Mientras producir código resulta cada vez más sencillo y rápido, comprender cómo funciona se perfila como una de las competencias más valiosas para los desarrolladores.
Una línea de código generada en segundos puede esconder un error, una vulnerabilidad de seguridad o un problema de diseño. El ahorro de tiempo inicial corre así el riesgo de convertirse en una carga adicional de verificación, depuración y corrección. El desafío no consiste tanto en permitir que la IA programe como en evitar que la velocidad de ejecución se confunda con la calidad del desarrollo. Sin una base sólida de conocimientos, los desarrolladores difícilmente podrán evaluar de forma crítica las respuestas de estas herramientas, detectar sus limitaciones y garantizar la fiabilidad del software que producen.
El reto pasa ahora por formar a profesionales capaces de aprovechar la IA sin depender de ella. Para conseguirlo, es fundamental reforzar los fundamentos de la programación y fomentar el pensamiento crítico desde las primeras etapas del aprendizaje, al tiempo que se amplía el acceso a estas competencias. En esta línea, Acer apoya en Francia a la asociación STEM4ALL, que promueve el acceso de las mujeres a la formación en ingeniería e investigación mediante su programa STEM IA y de ciberseguridad.
Sin embargo, la formación teórica no basta. Para aprender a identificar los límites de la inteligencia artificial, los desarrolladores necesitan experimentar, poner a prueba sus resultados y corregir posibles errores en entornos reales. Las herramientas de desarrollo que permiten trabajar directamente con modelos de IA ofrecen una oportunidad para trasladar los conocimientos teóricos a la práctica.
Un ejemplo es la estación de trabajo Acer Veriton GN100, utilizada durante el evento Spark Hack Series de Nueva York para experimentar localmente con modelos de inteligencia artificial. Esta solución permite a desarrolladores, investigadores, científicos de datos y estudiantes trabajar con frameworks y herramientas habituales, como PyTorch, Jupyter y Ollama, para crear prototipos, ajustar, probar y desplegar modelos de lenguaje de gran tamaño (LLM) en local, incluidos aquellos de hasta 405.000 millones de parámetros. De este modo, los desarrolladores pueden explorar las posibilidades de la IA con mayor control sobre el entorno de trabajo y comprender mejor el funcionamiento de los modelos que utilizan.
Aunque la IA acelere el trabajo, la responsabilidad sobre el código y su calidad seguirá recayendo en los profesionales que lo desarrollan
«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 de Acer EMEA.
El 46% de los desarrolladores no confía en la precisión de los resultados generados por las herramientas de IA
En la era de la inteligencia artificial, aprender a programar ya no puede limitarse al dominio de un lenguaje o a la capacidad de generar código mediante instrucciones. Los desarrolladores también deben comprender la lógica de los programas, evaluar la calidad de las soluciones propuestas y detectar posibles errores antes de que lleguen a producción.
La verdadera brecha no estará entre quienes utilizan la IA y quienes prescinden de ella, sino entre quienes saben supervisar, verificar y controlar sus resultados y quienes dependen de ellos sin cuestionarlos. Por eso, el aprendizaje de la programación debe situar en el centro el criterio técnico, la comprensión de los fundamentos y la capacidad de tomar decisiones informadas. Porque, aunque la IA acelere el trabajo, la responsabilidad sobre el código y su calidad seguirá recayendo en los profesionales que lo desarrollan.
