El científico ya no programa. Conversa.
Diario de Innovación #362
Durante años acordamos que saber programar era una especie de superpoder.
Python.
R.
SQL.
Shell scripting.
El lenguaje de acceso a la computación.
Pero quizá estamos entrando en una etapa bastante distinta. Una donde la interfaz ya no es el código. El lenguaje natural.
Y eso puede cambiar mucho más que la productividad. Puede cambiar quién tiene permiso para crear.
Un artículo reciente de Nature explora cómo investigadores de distintos campos están empezando a usar modelos de IA para “vibe codear”: construir herramientas, visualizaciones, automatizaciones y pequeños productos simplemente describiendo lo que quieren en lenguaje natural.
No escribiendo código línea a línea.
Sino conversando con una máquina.
Y lo interesante no es solo la velocidad.
Es el desplazamiento cultural que empieza a aparecer detrás.
Porque hasta ahora la ciencia computacional tenía una barrera bastante clara: si no sabías programar, dependías de alguien que sí.
Un estudiante.
Un ingeniero.
Un equipo técnico.
Pero de repente una investigadora en biología molecular puede pedirle a Claude o Cursor:
“conecta estos datasets”,
“hazme esta visualización”,
“automatiza este pipeline”,
“prueba esta hipótesis”,
“genera una web interactiva para explorar estos datos”.
Y la máquina responde.
No siempre bien.
No siempre seguro.
No siempre correctamente.
Pero suficientemente bien como para desbloquear algo nuevo.
Eso es lo verdaderamente importante.
No hablamos de la democratización del conocimiento, sino de la democratización de la ejecución.
Y eso tiene implicaciones enormes.
Porque históricamente la tecnología avanzaba en capas.
Primero aparecía la infraestructura.
Luego las herramientas.
Luego los especialistas.
Y finalmente las interfaces simples que permitían al resto del mundo usar todo aquello.
Pasó con los ordenadores.
Pasó con Internet.
Pasó con el cloud.
Y probablemente estamos viendo lo mismo con la IA generativa aplicada al desarrollo.
La programación empieza a parecerse menos a escribir instrucciones exactas y más a dirigir intención.
El programador tradicional quizá no desaparezca.
Pero puede que se convierta en otra cosa.
Un arquitecto.
Un supervisor.
Un editor.
Un diseñador de sistemas.
Alguien que entiende qué pedir, cómo validarlo y cómo integrarlo.
No necesariamente quien escribe cada línea.
Y aquí aparece una idea bastante incómoda para muchas organizaciones.
Porque durante años hemos tratado el conocimiento técnico como una barrera de entrada defensiva. Pero cuando la capacidad de construir software se abarata radicalmente, la ventaja competitiva deja de ser “saber programar”.
Y pasa a ser:
entender problemas reales,
tener criterio,
conocer el dominio,
validar resultados,
conectar piezas,
formular buenas preguntas.
Exactamente igual que ocurrió con Excel.
Hubo un momento donde saber usar hojas de cálculo era una habilidad diferencial.
Hoy no.
La diferencia está en qué haces con ellas.
Con la IA puede ocurrir algo parecido.
El nuevo cuello de botella quizá no sea generar código.
Sino saber qué merece la pena construir.
Y eso conecta con otra transformación silenciosa.
Porque muchos científicos entrevistados en el artículo describen la IA como una especie de “graduate student infinito”.
Uno que trabaja rápido.
No se cansa.
Itera constantemente.
Sugiere caminos alternativos.
Documenta código.
Prueba ideas.
Pero también inventa cosas.
Alucina.
Se equivoca con autoridad.
Y produce resultados peligrosamente convincentes.
Por eso la gran habilidad emergente no será solo crear.
Será auditar.
La próxima generación de profesionales probablemente necesitará menos tiempo para ejecutar y mucho más criterio para verificar.
Porque cuanto más fácil sea producir, más valioso será distinguir lo correcto de lo plausible.
Y eso afecta especialmente a la ciencia.
Porque la ciencia no es generar resultados.
Es confiar en ellos.
De hecho, uno de los investigadores del artículo lanzó una advertencia bastante importante: “Vibe coding is not a substitute for understanding statistical analysis or computational logic.”
Traducido: la IA puede acelerar la construcción, pero no reemplaza la comprensión.
Y quizá ahí esté una de las grandes tensiones de esta década.
Estamos creando herramientas capaces de amplificar enormemente nuestra capacidad de actuar.
Pero no necesariamente nuestra capacidad de entender.
Y ambas cosas no son lo mismo.
Porque una civilización donde cualquiera puede generar software, análisis, papers, gráficos, agentes o automatizaciones, sin comprender realmente qué ocurre debajo. Es una civilización muy poderosa.
Pero también potencialmente muy frágil.
Especialmente cuando la velocidad empieza a sustituir al pensamiento.
Y aun así, es difícil no salir impresionado.
Porque probablemente estamos viendo el inicio de una nueva interfaz cognitiva para trabajar con ordenadores.
Una donde programar deja de ser escribir sintaxis y empieza a parecerse a pensar en voz alta.
Y eso puede cambiar quién puede crear tecnología durante los próximos 10 años. Mucho más de lo que parece.
🌍 El eco del mercado
💾 Snowflake compra músculo de IA a escala hyperscaler. Snowflake ha firmado un acuerdo multimillonario con AWS para asegurar capacidad de chips e infraestructura destinada a cargas de inteligencia artificial. El movimiento refleja cómo el acceso estable a compute empieza a ser más importante que el propio modelo.
🧠 Nvidia convierte Taiwán en su sistema nervioso industrial. Nvidia planea invertir hasta 150.000 millones de dólares anuales en la cadena industrial taiwanesa ligada a semiconductores e IA. Más que expansión, es una apuesta por blindar suministro, packaging avanzado y capacidad futura.
🔀 OpenRouter demuestra que el futuro será multimodelo. OpenRouter ha alcanzado una valoración superior a los 1.300 millones de dólares facilitando acceso unificado a múltiples modelos fundacionales. La capa de orquestación empieza a ganar relevancia frente al proveedor individual.
🇨🇳 Alibaba acelera la carrera china del coding AI. Los modelos Qwen de Alibaba continúan escalando posiciones en benchmarks orientados a programación y razonamiento técnico. China ya no solo compite en fabricación o despliegue: también quiere competir en calidad de modelo frontier.
👨💻 La automatización del software sigue atrayendo capital extremo. Cognition, creadora del agente Devin, ha levantado 1.000 millones de dólares con una valoración cercana a los 25.000 millones. El mercado sigue apostando fuerte por agentes capaces de desarrollar software de forma autónoma.
🔓 Una vulnerabilidad expone millones de agentes de IA. Una vulnerabilidad en Starlette, framework ampliamente utilizado en sistemas de IA y agentes, habría dejado expuestas enormes superficies de ataque en despliegues empresariales.
🕶️ La Shadow AI ya es un problema corporativo real. El uso no autorizado de herramientas de IA dentro de empresas sigue creciendo. Equipos enteros utilizan modelos externos sin control formal de compliance, privacidad o seguridad.
📲 Meta prepara el salto hacia redes sociales premium. Meta estudia introducir modelos de suscripción e IA avanzada dentro de Instagram, Facebook y WhatsApp. Las plataformas sociales buscan nuevas vías de monetización más allá de publicidad.
🤖 Alibaba y Tencent ya piensan en robots, no en chatbots. Los gigantes tecnológicos chinos están acelerando inversiones en robótica e IA encarnada. El objetivo empieza a desplazarse desde interfaces conversacionales hacia sistemas físicos autónomos.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD: Si te interesa esta transición entre programación, herramientas cognitivas y creatividad aumentada, te recomiendo:
The Dream Machine — sobre los orígenes de la computación interactiva y cómo algunos pioneros imaginaron ordenadores como extensiones de la mente humana.
Tools for Thought — probablemente uno de los mejores libros para entender cómo las interfaces cambian nuestra forma de pensar.
Gödel, Escher, Bach — una exploración fascinante sobre inteligencia, símbolos, lenguaje y consciencia computacional.