Herramientas de IA repiten errores de ingeniería

Todos esperaban que las herramientas de IA para programar barrieran con los ingenieros de un plumazo. En cambio, estamos condenados a repetir los mismos errores estúpidos... a menos que aprendamos de 20 años de sufrimiento.

Las herramientas de IA para programar están a punto de repetir el gran fiasco de la ingeniería de software — theAIcatchup

Key Takeaways

  • Las herramientas de IA para programar brillan con simplicidad: olvida plugins, ve a prompts directos.
  • La complejidad mató sueños de software antes; ahora envenena la IA.
  • Riesgos de seguridad en plugins son reales: 92% de chance de exploit con solo 10.

Todo el mundo habla de las herramientas de codificación con IA —ya sabes, OpenClaw, Claude Code, esos reemplazos relucientes para nosotros, los ingenieros de carne y hueso. ¿La promesa? Generar código perfecto, eliminar bugs y dejar que los jefes se salten el drama de los sueldos. Tan fácil como escribir ‘hazme una app’.

Pero un momento. Llevo 20 años en el frente y veo fantasmas de malas decisiones pasadas.

Aquí va el contexto que se pierde entre las demos. Pensamos que la IA iba a arrasar con el mundo del desarrollo de la noche a la mañana: adiós reuniones, adiós noches en vela comiendo fideos. No cambia nada si caemos en las mismas trampas de siempre: complejidad disfrazada de progreso.

He visto esta película. Empieza inocente. Ingenieros novatos (o PMs emocionados) descubren patrones de diseño, microservicios, orquestación con Kubernetes. Se siente genial. Los sistemas zumban con catorce capas. Hasta que llega la 1 de la madrugada y nada funciona porque los parches de fin de semana no escalan.

Siempre volvemos a lo simple.

¿Por qué estamos condenando a las herramientas de IA para programar al mismo destino?

Ese principio KISS no es un mantra hippie. Kelly Johnson en Lockheed Skunk Works en los 60 construyó aviones espía que un mecánico podía arreglar con una llave en una zanja. ¿Demasiado listo? A la basura.

Sesenta años después, lo ignoramos con la IA. Enciendes Claude, pegas un prompt —¡pum!, código listo. Magia. Luego llega la tentación: mercados de skills, flujos prearmados, cadenas de webhooks. Instalas doce. Te sientes mago.

¿La realidad? La mitad de esas ‘skills’ son solo prompts con maquillaje. Escríbelo tú mismo y ahorra clics. El resto adivina mal tu contexto y te obliga a parches que te chupan el alma.

Un prompt limpio en una ventana de chat básica aplasta cualquier montaje de Rube Goldberg.

apex predator of grug is complexity complexity bad say again: complexity very bad you say now: complexity very, very bad given choice between complexity or one on one against t-rex, grug take t-rex: at least grug see t-rex

Eso sale de The Grug Brained Developer. Léelo. Ríete. Luego llora, porque los mercados de IA para skills son la pesadilla de Grug.

Pero aquí va mi visión única, que no encontrarás en el rant original. Esto es un calco de la locura de microservicios en 2015. Todos abandonaron monolitos por la gloria distribuida, persiguiendo vibras de Netflix. Los VCs tiraron miles de millones. ¿Y luego? El 90% volvió arrastrándose a stacks más simples cuando las caídas se acumularon y la latencia mató las interfaces. La IA va por ahí ahora: imperios de plugins hoy, purismo de prompts mañana. Predicción audaz: para 2027, los ‘frameworks de simplicidad para IA’ serán cosa seria, burlándose de la hype actual.

¿Vale la pena el infierno de plugins en herramientas de IA por una pesadilla de seguridad?

Los plugins no son solo hinchazón. Son bombas de tiempo.

Expertos en seguridad de Pynt probaron plugins MCP —esos adorados que conectan tu IA a GitHub, navegadores, WhatsApp. El 10% totalmente hackeables. ¿Instalas diez? 92 % de probabilidades de que uno filtre tus secretos.

Predicción para 2025: chats de WhatsApp robados, repos privados vaciados, exploits RCE en Cursor AI. No es ‘quizás’. Pasó.

Cambias un prompt simple por noches de niñera a crashes y rezando para que nadie te chupe los datos.

Y ni hablemos de costos. Los devs aman máquinas potentes: MacBooks, 64 GB de RAM, monitores duales. Parece derroche. Pero Forrester calculó con números de Apple: esas máquinas ahorran 54 mil dólares por dev a lo largo del tiempo gracias a velocidad y menos dolores de cabeza. Misma cuenta para IA: escatimas en simplicidad, pagas en infierno de debugging.

¿Pasar noches ajustando doce integraciones? ¿O un prompt que da en el clavo?

Menos partes ganan. Prueba lo simple primero. Añade lo fancy solo cuando te estrelles contra la pared: la mayoría nunca llega.

¿Quién se está forrando de verdad con esta máquina de hype de

Sarah Chen
Written by

AI research editor covering LLMs, benchmarks, and the race between frontier labs. Previously at MIT CSAIL.

Worth sharing?

Get the best AI stories of the week in your inbox — no noise, no spam.

Originally reported by dev.to