aiartificial intelligenceautomationcodingCopilotdevelopersGeneraljob marketskillswork

El interesante efecto de la IA en los desarrolladores

IMAGE: OpenAI's DALL·E, via ChatGPT

La llegada de GitHub Copilot, un asistente de generación y autocompletado de código desarrollado por Microsoft y OpenAI en 2021, y su fuerte nivel de adopción entre la comunidad de desarrolladores empieza a permitir algunos estudios de sus efectos en su forma de trabajar y en su mercado de trabajo, y las conclusiones resultan, como mínimo, interesantes.

En muchos sentidos, GitHub Copilot ha dado lugar a un cierto nivel de automatización en el desarrollo de código, que permite que muchos desarrolladores multipliquen su productividad. Se calcula que hasta el 92% de los desarrolladores utilizan hoy en día alguna herramienta de inteligencia artificial para su trabajo, con Copilot como líder claro con un 54.8%, seguido de Tabnine (12.9%), AWS CodeWhisperer (5.1%) y otros, lo que implica no solo un porcentaje de adopción elevadísimo, sino además la evidencia de que, a pesar de ello, la categoría profesional de desarrollador no se ha resentido por ello ni parece haber experimentado un incremento significativo en su nivel de desempleo.

Por otr lado, el uso de este tipo de herramientas es claramente de asistencia, no de sustitución: autocompletado de líneas de código, el tediosísimo debugging y otras tareas pesadas y repetitivas que, al ser llevadas a cabo por el asistente, permiten al desarrollador centrarse en otras más interesantes y productivas. La herramienta mantiene la norma de todos los asistentes generativos: reduce el tiempo de creación, pero incrementa sensiblemente el tiempo de supervisión. Al estar entrenada con repositorios públicos y abiertos, la herramienta sugiere en muchas ocasiones código desactualizado o con problemas de seguridad, lo que obliga a mantener la atención y a no aceptar ciegamente sus propuestas.

Según una encuesta, los desarrolladores aceptan las propuestas de Copilot en torno a un 27% del tiempo, pero incluso cuando genera basura, es más cómodo aceptarlo y corregirlo manualmente que tener que escribirlo todo desde cero. Según algunos desarrolladores, este tipo de herramientas se encuentran aún en la fase de «ayuda a la conducción», ni mucho menos en la de «piloto automático», pero eso implica que les permite incrementar el tiempo que pasan sin tener que salir de su zona de concentración para salir a buscar algún detalle específico, o que sea especialmente bueno a la hora de corregir errores básicos y sencillos.

¿Es posible utilizar la experiencia de los desarrolladores como una forma de predecir el efecto de este mismo tipo de herramientas en otros colectivos? Considerando que su progresión es relativamente lenta y que, en sus primeras fases, se trata claramente de asistentes que distan mucho de ofrecer una automatización completa o una sustitución, parece que la idea de personas que pueden liberarse de las partes más tediosas o más mecánicas de su trabajo y dedicar ese tiempo a otras tareas de más valor añadido puede ser un horizonte más razonable que la ideas más simplista de «ahora tengo algoritmos que hacen a las personas más productivas y por tanto puedo prescindir de un cierto porcentaje de ellas», pero es muy posible que eso pueda depender del tipo de trabajador que hablemos, sobre todo teniendo en cuenta que el colectivo de desarrolladores está sujeto, en general, a porcentajes muy bajos de desempleo y a la posibilidad de moverse en un mercado de trabajo muy activo.

En cualquier caso, es interesante ver cómo uno de los primeros colectivos de trabajadores que aceptaron el uso de algoritmos generativos como una parte normal de su trabajo está viendo sus hábitos, su operativa y su mercado de trabajo afectado por ello. Ya veremos con el tiempo si esa experiencia puede de manera realista extenderse a otros trabajadores.

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Check Also
Close
Back to top button