Hay un tipo de energía que surge cuando uno es nuevo en algo. Haces preguntas sin vergüenza, cometes errores sin el peso de una reputación y tratas de aprender algo real cada día. Eso lo tuve cuando era becario. Pensaba que era una sensación que nunca volvería a experimentar.
Me equivocaba. La IA me lo devolvió.
Soy lo que se conoce como un desarrollador profesional. He implementado sistemas de producción, dirigido migraciones y creado API que gestionan cargas reales. Pero en algún momento de esa acumulación de competencias, noté que algo cambiaba. La curiosidad se volvió más selectiva. Dejé de intentar entender cosas que ya no comprendía.
El uso diario de los LLM cambió eso, y no de la manera obvia de “escribo código más rápido”.
La sensación de ser becario
Cuando era becario, tenía un superpoder: el acceso a personas que sabían más que yo y, lo que es más importante, el permiso social para molestarlas constantemente. Podía hacer la misma pregunta de tres maneras diferentes y nadie me juzgaba. Podía plantear ideas a medio formar y averiguar rápidamente si tenían futuro.
Eso es lo que he descubierto que es lo más útil de un LLM: un compañero de pensamiento que está ahí siempre que tú estés.
Puedo pedirle que me explique un concepto como si nunca hubiera tocado un ordenador. Luego le pido que profundice, suponiendo que conozco los fundamentos. Luego, que profundice aún más, suponiendo que he leído el artículo. Se ajusta. No se impacienta. Y me permite trabajar en el desordenado centro de una idea sin tener que fingir confianza que no tengo.
Un LLM, si se utiliza bien, recompensa el hecho de intentar realmente entender las cosas.
El resultado es que vuelvo a ser curioso de una manera que resulta casi vergonzoso admitir. Me adentro en caminos que antes habría evitado porque me parecían demasiado alejados de la tarea. Pruebo enfoques que antes habría descartado por demasiado arriesgados. Cuestiono supuestos que había aceptado durante años simplemente porque nadie a mi alrededor los cuestionaba tampoco.
La parte que la gente entiende mal
Quiero ser directo sobre algo, porque la conversación sobre la IA se vuelve descuidada aquí.
Los LLM están entrenados para estar de acuerdo contigo. No es un accidente. Es una consecuencia de cómo están construidos. El aprendizaje por refuerzo a partir de la retroalimentación humana recompensa las respuestas que las personas valoran positivamente, y las personas tienden a valorar positivamente las respuestas cuando confirman lo que ya creen. El modelo está estructuralmente inclinado a decirte lo que quieres oír.
Lo que significa que si lo utilizas sin crítica, no estás filtrando las malas ideas. Las estás blanqueando. Haces una pregunta tendenciosa, obtienes una respuesta halagadora y te marchas más seguro de algo que merecía ser examinado.
Me opongo a las respuestas que recibo. Le pido que argumente la otra parte. Le pido que me diga qué podría salir mal específicamente con un enfoque. Trato una respuesta segura de un LLM de la misma manera que trataría una respuesta segura de alguien que quiere que me guste: con interés, no con confianza automática.
También está el problema de la retención. Un estudio que encontré recientemente descubrió que la mejor manera de absorber realmente la información de un LLM es combinarla con la toma de notas propia (https://www.sciencedirect.com/science/article/pii/S0360131525002829). Leer una buena explicación no es lo mismo que saber algo. Tomo notas. Escribo las cosas con mis propias palabras. El LLM saca a la luz la comprensión; yo hago el trabajo de apropiarme de ella.
Ver uno, hacer uno, enseñar uno
Soy un gran fan de Anatomía de Grey 🩺. y recuerdo haber oído esto en la serie: el entrenamiento sigue un ciclo sencillo. Ver uno. Hacer uno. Enseñar uno. Cada etapa profundiza en la comprensión.
Personalmente, creo que este es exactamente el modelo mental adecuado para trabajar con la IA.
Ver uno: Utiliza el LLM para entender realmente algo, con la profundidad que sea necesaria. Haz preguntas de seguimiento. Insiste hasta que el concepto esté claro.
Hacer uno: Cierra la conversación y hazlo tú mismo. No dejes que te escriba todo el código. Escríbelo -> Comete errores -> Encuentra los casos límite. El LLM puede ayudarte cuando estés atascado, pero tú tienes que ser el que lleve el volante.
Enseñar uno: Explica lo que has aprendido y refuta las respuestas del LLM para debatirlo. Tal vez, escribe una entrada de blog sobre ello 😉. El acto de enseñar expone todas las lagunas que pensabas haber llenado.
No te detengas solo en “ver uno”. Un LLM, un desarrollador senior, un profesor de cualquier tipo… te dan un mapa. Es tu trabajo recorrer el territorio.
En qué consiste esto realmente
Lo que la IA ha hecho por mí es comprimir el ciclo de retroalimentación del aprendizaje sin comprimir el aprendizaje en sí. Cuando la utilizo bien.
La curiosidad que sentía como becario no tenía que ver con la ignorancia. Tenía que ver con el permiso. El permiso para no saber cosas, para hacer preguntas, para probar cosas que podían fracasar.
Lo mejor que la IA me ha devuelto no es la productividad. Es ese permiso. Y con él, la sensación de que el trabajo sigue siendo interesante. Que sigo descubriendo cosas. Que aparecer mañana puede sacar a la luz algo que no esperaba.
Eso vale más que un autocompletado más rápido.