La expansión de las herramientas de programación con inteligencia artificial está transformando el desarrollo de software, pero no como muchos imaginaban. En teoría, si la IA abarata y acelera la creación de código, los proyectos de software —especialmente los de código abierto— deberían multiplicar sus avances. En la práctica, la realidad es mucho más ambivalente.
Responsables de proyectos emblemáticos como el reproductor multimedia VLC y la suite 3D Blender denuncian una caída notable en la calidad media de las contribuciones recibidas. Jean-Baptiste Kempf, CEO de VideoLAN (VLC), afirma que muchas solicitudes de cambios de desarrolladores poco familiarizados con el proyecto son “abismales”. Francesco Siddi, CEO de Blender Foundation, explica que las aportaciones asistidas por modelos de lenguaje suelen hacer perder tiempo a los revisores y minar su motivación, hasta el punto de que la organización trabaja en una política específica sobre el uso de IA, que por ahora ni exige ni recomienda.
El problema no es solo la calidad: también es el volumen. La facilidad con la que cualquiera puede generar código ha abierto las compuertas. Para intentar contener la marea, algunos desarrolladores están creando mecanismos de filtrado. Mitchell Hashimoto ha propuesto limitar en GitHub las contribuciones a usuarios “avalados”, rompiendo con la tradicional puerta abierta del software libre. Algo similar ha ocurrido en la seguridad: el proyecto cURL se vio obligado a suspender su programa de recompensas por errores tras ser inundado por informes superficiales generados con IA, descritos por su creador, Daniel Stenberg, como “AI slop”. Antes, reportar un fallo de seguridad implicaba tiempo y esfuerzo; ahora el coste de lanzar decenas de reportes es casi cero.
Paradójicamente, las mismas herramientas que generan ruido también ofrecen beneficios claros a los equipos experimentados. Kempf admite que la IA facilita enormemente desarrollar nuevos módulos o portar VLC a otros sistemas operativos cuando quien la usa domina el código base: los modelos pueden procesar grandes porciones de proyecto y ayudar a producir código nuevo coherente. Sin embargo, esto no resuelve el cuello de botella principal del software abierto: la falta de mantenedores expertos.
Aquí emerge la tensión de fondo: mientras las grandes tecnológicas incentivan escribir código nuevo y sacar productos al mercado, los proyectos de código abierto priorizan la estabilidad, el mantenimiento y la coherencia a largo plazo. Según el inversor en software libre Konstantin Vinogradov, el ecosistema ya sufría una expansión exponencial del tamaño y las dependencias de los proyectos, frente a un crecimiento mucho más lento del número de mantenedores activos. La IA acelera ambas dinámicas: dispara la cantidad de código, pero no aumenta el número de personas capaces de entenderlo, revisarlo y sostenerlo en el tiempo.
El artículo plantea así un cambio de enfoque sobre la ingeniería de software en la era de la IA: si se entiende como mera producción de programas que “funcionan”, las herramientas de código asistido parecen un gran avance. Pero si la ingeniería se concibe como la gestión de la complejidad del software, la IA puede agravar el problema, generando más piezas que mantener, más bugs potenciales y más carga de revisión. La conclusión, para muchos actores del mundo open source, es clara: la IA potencia a los buenos ingenieros, pero no resuelve los problemas estructurales de falta de personal y de gobernanza del código. Lejos de matar al ingeniero de software, esta nueva etapa podría hacerlo más necesario que nunca.
