5 puntos de inflexión del software predichos por el cofundador de Hugging Face

Thomas Wolf publicó un artículo bastante provocador. Su argumento: en una era donde la IA escribe código, la estructura misma del software se pone patas arriba. Después de leerlo, estuve dándole vueltas durante un buen rato. Hay partes con las que estoy de acuerdo y otras que me parecen excesivas, así que decidí desglosarlo todo.

La era de acumular bibliotecas está llegando a su fin

Hasta ahora, utilizar paquetes creados por otros era lo más natural del mundo. Escribir todo uno mismo llevaba demasiado tiempo. Pero cuando puedes encargárselo a un agente de IA que construye desde cero, lo personalizado se vuelve realista. Menos paquetes externos significa menos agujeros de seguridad, aplicaciones más ligeras y ejecución más rápida.

Trabajando con Claude Code últimamente, he notado que la profundidad de mis dependencias npm se ha reducido drásticamente. ¿Estamos avanzando hacia una era de “cero dependencias”?

• La estructura de vulnerabilidades en cadena, donde un paquete comprometido pone en riesgo miles de proyectos, empieza a desaparecer
• Paquetes más pequeños significan tiempos de arranque y respuesta más rápidos

Se acabó la época de “no toques el código antiguo”

Seguramente conocéis el efecto Lindy: la idea de que una tecnología que ha sobrevivido mucho tiempo tiene buenas razones para seguir sobreviviendo. La reticencia a tocar código heredado sigue una lógica similar: nunca sabes qué puede romperse.

Pero si la IA puede leer decenas de miles de líneas de código y reescribirlo en otro lenguaje, esa lógica se debilita. Wolf reconoce honestamente una limitación: la IA sigue pasando por alto errores inesperados y casos extremos. Por eso la verificación formal, demostrar matemáticamente que el código se comporta como debe, pasa de ser un extra a ser un prerrequisito.

• El tiempo y el coste de reescribir código heredado se han reducido a menos de una décima parte
• Desplegar código escrito por IA en producción sin verificación formal sigue siendo una apuesta arriesgada

Los lenguajes difíciles para humanos son fáciles para la IA

La popularidad de los lenguajes de programación siempre ha sido más una cuestión de psicología que de méritos técnicos. ¿Es fácil de aprender? ¿La comunidad es acogedora? ¿Ayuda a encontrar trabajo? A los LLM todo eso les da igual. Los lenguajes con sistemas de tipos estrictos que detectan errores en tiempo de compilación son mucho más cómodos para la IA.

Rust es el ejemplo perfecto. Notoriamente difícil de aprender para humanos, pero para la IA las reglas son claras y el margen de error es pequeño.

• Lenguajes fuertemente tipados como Rust y Haskell están siendo reevaluados en la era de la IA
• Si Python puede mantener su posición dominante se sabrá en los próximos cinco años

El motor que impulsa el código abierto se tambalea

El código abierto nunca fue solo compartir código. Era una cultura de construir juntos, aprender juntos y sentir pertenencia. Cuando la IA escribe el código y la IA lo lee, esa estructura motivacional cambia fundamentalmente.

Wolf va un paso más allá. Imagina comunidades donde los modelos de IA crean y comparten bibliotecas entre sí. Si eso ocurre, la alineación de esos sistemas de IA determinará la dirección de todo el ecosistema open source.

• El futuro del código abierto sin las motivaciones humanas de aprendizaje y pertenencia se vuelve incierto
• La alineación de la IA se convierte en un factor que gobierna no solo la calidad del código sino también el funcionamiento de los ecosistemas

Podrían surgir lenguajes diseñados para la IA, no para humanos

Cuando los humanos diseñan lenguajes de programación, siempre hay un compromiso: más expresividad implica más complejidad, más seguridad implica menos libertad. Wolf sostiene que no hay garantía de que la IA enfrente el mismo dilema. Si los humanos ya no necesitan leer el código, podrían emerger formas de lenguajes completamente nuevas.

Este fue el punto de su ensayo que más estimuló la imaginación.

• El viejo debate de detección en tiempo de compilación frente a tiempo de ejecución podría volverse irrelevante para la IA
• Si un lenguaje no necesita ser legible para el ojo humano, las restricciones de diseño cambian por completo

Entre la realidad y la imaginación

De las cinco predicciones de Wolf, la reducción de dependencias y el auge de los lenguajes fuertemente tipados son cambios que ya se perciben sobre el terreno. El resto necesitará de tres a cinco años para ser validado.

Una cosa es segura: comprender las estructuras mediante las cuales se crea el código será más valioso que la capacidad de escribirlo.