Nuestra conferencia AI Codecon comenzó hoy con la codificación con AI: el ultimate del desarrollo de software program tal como la conocemos. Aquí están mis comentarios de apertura presentando los temas de la serie. Puede reservar su asiento para los próximos eventos de Codecon de IA aquí.
Muchas gracias por acompañarnos hoy. Tenemos más de 20,000 personas registradas para este evento, ambos suscriptores en el O’Reilly Studying Platform Y los que aún no son suscriptores. Creo que estás aquí porque todos sienten lo que hago: estamos presenciando no el ultimate de la programación, sino su notable expansión. Este es el momento más emocionante en el desarrollo de software program que he visto durante mis más de 40 años en esta industria.
Organicé este evento porque me he vuelto cada vez más frustrado con una narrativa persistente: que la IA reemplazará a los programadores. He escuchado versiones de esta misma predicción con cada salto tecnológico hacia adelante, y siempre ha estado mal. No solo es un poco incorrecto, sino que fundamentalmente malinterpreta cómo evoluciona la tecnología.
La programación, en su esencia, es una conversación con las computadoras. Es cómo traducimos la intención humana en la acción de la máquina. A lo largo de la historia de la computación, hemos construido continuamente mejores capas de traducción entre el pensamiento humano y la ejecución de la máquina, desde el cableado físico hasta el lenguaje de ensamblaje hasta los idiomas de alto nivel hasta la pink mundial, que integró las llamadas a los sistemas de backend en un interfaz compuesto por documentos legibles por humanos. Los LLM son simplemente la próxima evolución en esta conversación, haciendo que el acceso a la potencia de la computadora sea más pure y accesible que nunca.
Y esto es lo que la historia nos muestra constantemente: cada vez que la barrera para comunicarse con computadoras disminuye, no terminamos con menos programadores: descubrimos territorios completamente nuevos para que el cálculo se transforme.
Hay una especie de equilibrio puntuado, en el que un avance de la industria restablece la industria, hay un período de innovación furiosa seguida de la consolidación del mercado y, francamente, un poco de estasis, hasta que alguna tecnología nueva altera el carro de Apple y establece otro período de reinvención.
El patrón histórico de expansión
Considere cuán dramáticamente la programación ha evolucionado a lo largo de las décadas. Solía ser realmente difícil decirle a las computadoras lo que queríamos que hicieran. Los primeros programadores tuvieron que conectar físicamente los circuitos para ejecutar diferentes operaciones. Luego vino la arquitectura del programa almacenado de von Neumann. Eso permitió que los programadores proporcionen instrucciones binarias a través de interruptores del panel frontal. Eso fue seguido por el lenguaje de ensamblaje, luego compiladores que tomaron descripciones de alto nivel y más humanos y las tradujeron automáticamente al código de la máquina que coincidía con la arquitectura del sistema subyacente. Con la pink mundial, la interfaz de las computadoras se convirtió en legible documentos que tenían algunas de las características de un programa. Los enlaces no solo convocaron nuevas páginas, sino que ejecutaron otros programas. Cada paso hizo que la conversación de la máquina humana fuera más pure.
Con cada evolución, los escépticos predijeron la obsolescencia de la “programación actual”. Los programadores reales depuraron con un osciloscopio. Sin embargo, ocurrió lo contrario. El campo se expandió, creando nuevas especialidades y trayendo a más personas a la conversación.
Tome la hoja de cálculo digital, una herramienta revolucionaria que cambió los negocios para siempre. Dan Bricklin y Bob Frankston primero prototiparon VisicalC en Primary, el equivalente de la década de 1970 de la “codificación de ambientes” de hoy. Para crear un producto viable, lo reescribieron en lenguaje de ensamblaje para el microprocesador 6502, la CPU para la Apple II. Tuvieron que hacerlo de esta manera para optimizar el rendimiento y adaptarse al programa dentro de las limitaciones de memoria de Apple II. Este patrón es instructivo: las herramientas simplificadas permiten la prototipos y la experimentación rápidos, mientras que el conocimiento técnico más profundo sigue siendo esencial para la producción.
Veinte años después, Tim Berners-Lee creó el prototipo World Extensive Net en una próxima máquina, otro salto hacia adelante en la accesibilidad de programación. Muchos de nosotros aprendimos a construir nuestra primera página net simplemente retirando un menú, haciendo clic en “Ver fuente” y modificando el código HTML easy. Muchas de las personas que crearon negocios de miles de millones de dólares en la net temprana comenzaron como programadores aficionados. Muchos de ellos me dijeron que aprendieron lo que necesitaban saber de un libro de O’Reilly.
Programación asistida hoy: Democratización en esteroides
Ese mismo patrón se repite ahora, pero a una escala y velocidad sin precedentes.
Recientemente, un ejecutivo de tecnología me contó sobre la pasantía de verano de su hija de la escuela secundaria con un profesor biomédico de Stanford. A pesar de no tener antecedentes de programación, sus intereses eran en biología y medicina, tenía la tarea de un desafío ambicioso. El profesor señaló que los oxímetros de pulso no funcionan muy bien; La única forma de obtener una buena lectura de oxígeno de sangre es con un sorteo de sangre. Él dijo: “Tengo una concept de que podría ser posible obtener una buena lectura de los capilares en la retina. ¿Por qué no investigas eso?” Entonces ella lo hizo. Ella alimentó a Chatgpt muchas imágenes de retinas, lo consiguió para aislar los capilares y luego preguntó cómo podría detectar la saturación de oxígeno. Que implicó alguna codificación. Bastante reconocimiento de imágenes retorcidos que normalmente habría tomado mucha experiencia en programación para escribir. Pero a fines del verano, tenía un programa de trabajo que podía hacer el trabajo.
Ahora es fácil sacar la conclusión de una historia como esta que este es el ultimate de la programación profesional, que AI puede hacerlo todo. Para mí, la lección es todo lo contrario. Pre-AI, investigar una concept como esta habría significado tomarla lo suficientemente en serio como para escribir una solicitud de subvención, contratar a un investigador y un programador, y probarlo. ¡Ahora, es arrojado a un pasante de secundaria! Lo que eso me grita es que El costo de probar cosas nuevas ha disminuido por órdenes de magnitud. Y eso significa que la superficie de programación direccionable ha aumentado por órdenes de magnitud. Hay mucho más que hacer y explorar.
¿Y crees que ese experimento es el ultimate de este proyecto? ¿Es este prototipo el producto terminado? Por supuesto que no. Convertirlo en algo robusto, confiable y médicamente válido requerirá ingenieros de software program profesionales que comprendan el diseño de sistemas, las metodologías de prueba, los requisitos reglamentarios y la implementación a escala.
En este momento, estamos viendo a muchas personas reingenieras de viejas concepts para hacerlo mejor con la IA. La siguiente etapa va a abordar problemas completamente nuevos, cosas que no podríamos tener, o no nos habríamos molestado en probar, sin IA.
El nuevo espectro: desde la codificación de la vibra hasta la ingeniería de IA
Lo que emerge es un nuevo espectro de creación de software program. En un extremo está la “codificación de ambientes”: programación intuitiva e intuitiva asistida por AI. En el otro extremo está la ingeniería de IA sistemática, la integración disciplinada de los modelos en sistemas robustos.
Esto refleja la evolución de la net. Lo que comenzó como simples páginas HTML estáticas se convirtió en sistemas complejos e interconectados con marcos, API e infraestructura en la nube, lo que llamé en 2005 “Software program por encima del nivel de un solo dispositivo”. La Net no eliminó los trabajos de programación; Creó categorías completamente nuevas de trabajo de desarrollo. Ingeniería frontend, ingeniería de backend, DevOps, seguridad de la información. ¡Más marcos de JavaScript de los que cualquiera puede realizar un seguimiento!
Estamos viendo ese mismo patrón con LLM y agentes. El modelo RAW es solo el comienzo, como HTML fue en la net. La verdadera magia ocurre en cómo estos modelos están integrados, refinados e implementados como componentes en sistemas más grandes.
El nuevo paradigma de computación híbrida
Una herramienta como chatgpt, perplejidad o cursor destaca cuánto más hay para una aplicación de IA que el modelo. La modelo desnuda está vestida con modas soñadas por empresarios, moldeados por gerentes de productos y reconstruidos por ingenieros de IA. Cualquier aplicación de IA (incluido solo un chatbot) es en realidad un híbrido de IA e ingeniería de software program tradicional.
En una conversación reciente en un grupo de chat privado, Eran Sandler usó una metáfora de automóvil: “El modelo es el motor, pero necesita mucho a su alrededor para que sea un automóvil deportivo: gestión de contexto, flujos de trabajo codificados y más. Esos son los ‘usos reales’ de los modelos de IA”.
Esto me recordó a la visión de Phillip Carter de que ahora estamos programando con dos tipos de computadoras fundamentalmente diferentes: uno que puede escribir poesía pero que lucha con la aritmética básica, otro que calcula sin problemas pero carece de creatividad. El arte del desarrollo moderno está orquestando estos sistemas para complementarse entre sí.
Sam Schillace agregó otra dimensión: “Ahora hay una tensión entre confiable y versatile: el código es confiable pero rígido, la inferencia es versatile pero poco confiable”. Describió cómo el nuevo trabajo del programador es crear “recetas metacognitivas” cuidadosamente diseñadas: código que administra y dirige la inferencia de IA. Hacer esto bien puede transformar una tarea de 5% –10% confiable a casi 100% en dominios específicos.
Estas conversaciones revelan el panorama futuro. No estamos al ultimate de la programación, estamos al comienzo de su reinvención más profunda hasta ahora.
Un renacimiento de la innovación
Es un momento extraordinario para estar en el desarrollo de software program. Después de años de avances incrementales que hicieron que el campo se sintiera algo predecible, estamos entrando en un período de innovación radical. Los componentes básicos fundamentales de cómo creamos software program están cambiando.
No se trata solo de usar herramientas de IA para escribir código más rápido, aunque eso es valioso. Se trata de reinventar qué puede hacer el software program, quién puede crearlo y cómo abordamos los problemas que anteriormente parecían intratables.
Esta conferencia explorará tres dimensiones críticas de este nuevo paisaje:
- Cómo colaborar efectivamente con IA para mejorar su flujo de trabajo de desarrollo precise
- Los patrones emergentes y los antipatrones de la construcción de sistemas de IA confiables de grado de producción
- El panorama de las oportunidades en expansión a medida que los proyectos previamente no factibles se vuelven posibles
El mundo de la programación se estaba volviendo un poco predecible por un tiempo. La diversión ha vuelto, junto con una oportunidad sin precedentes. A lo largo de este evento, espero que no solo absorban información sino que considere activamente: ¿Qué problema parecía imposible ayer podría poder resolver?
Apreciemos este momento no con miedo sino con la emoción de los exploradores que descubren un nuevo territorio.
