En el Día Mundial de la Programación, 29 de octubre, el sector se enfrenta a un marco en el que la IA se está imponiendo en el desarrollo, pero en el que un 46% de los desarrolladores no confía en la precisión de los resultados generados por las herramientas de IA. Es una situación paradójica, en un escenario en el que producir código es cada vez más sencillo, y en el que la capacidad de comprender cómo funciona podría convertirse en la competencia más valiosa.
Pero una línea de código generada en segundos también peude ocultar un error, fallo de seguridad o problema de diseño. Entonces, el tiempo ganado inicialmente corre peligro de convertirse en trabajo adicional de verificación y currección. El peligro no es tanto dejar que la IA programe, sino confundir rapidez de ejecución con calidad de desarrollo. Porque sin una comprensión sólida de las bases, es muy difícil que los desarrolladores puedan tomar la distancia crítica necesaria sobre lo producido por la IA.
Por esto, el reto actual es formar a desarrolladores que puedan trabajar con la IA sin hacerse dependientes de ella. Para ello, en primer lugar, es necesario conseguir que consoliden las bases de la programación, y que desarrollen el espítitu crítico desde el aprendizaje mientras se les amplía el acceso a estas competencias.
Por esto, Acer apoya en Francia a la asociación Stem4All, que favorece el acceso de las mujeres a las formaciones de ingenieras e investigadoras a través de su programa STEM IA, así como a la ciberseguridad. Para aprender a identificar los límites de la IA, se necesita poder experimentar, probar y corregir resultados en condiciones determinadas.
Entornos de desarrollo, como la estación de trabajo Acer Veriton GN100, utempleada en el Spark Hack Series de Nueva York para experimentar con modelos de IA en local, ejemplifican la necesidad de pasar del dominio de los fundamentos a su aplicación práctica.
Con esta solución, desarrolladores, investigadores, científicos de datos y estudiantes pueden usar frameworks y herramientas comunes, como PyTorch, Jupyter y Ollama, para prototipar, afinar, probar y desplegar modelos grandes de lenguaje en local para escalar y trabajar con modelos de IA de hasta 405.000 millones de parámetros.
En la era de la IA, aprender a programar ya no puede por tanto limitarse a dominar uno o varios lenguajes de programación. La verdadera brecha no estará entre los desarrolladores que usan la IA y quienes no lo hacen, sino entre quienes saben controlar sus resultados y quienes tienen que fiarse ciegamente de ella. Es esta capacidad de juicio y de dominio la que hay que colocar ahora en el centro del aprendizaje en desarrollo.
Karim Ouahioune, Director de Marketing y Comunicación en Acer EMEA, señala sobre esto que «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».