Crédito: dominio público Unsplash/CC0
A medida que los sistemas de IA expanden sus capacidades ya impresionantes, existe una creencia cada vez más común de que el campo de la informática (CS) pronto será cosa del pasado. Esto se está comunicando a los futuros estudiantes de hoy en forma de consejos bien intencionados, pero gran parte de esto equivale a poco más que un oídas de las personas que, a pesar de su inteligencia, hablan fuera de su experiencia.
Figuras de alto perfil como El economista ganador del premio Nobel Christopher Pissarides He hecho este argumento, y como resultado, ha arraigado en un nivel mucho más mundano: incluso he escuchado personalmente a los asesores de carreras de secundaria descartar la idea de estudiar CS directamente, a pesar de no tener conocimiento del campo en sí.
Estas afirmaciones generalmente comparten dos defectos comunes. Primero de ellos es que el consejo proviene de personas que no son informáticos. En segundo lugar, existe un malentendido generalizado de lo que realmente implica la informática.
Ai y el mito del reemplazo de código
No está mal decir que la IA puede escribir código de computadora a partir de indicaciones, así como puede generar poemas, recetas y cartas de presentación. Puede aumentar la productividad y acelerar el flujo de trabajo, pero nada de esto elimina el valor de la entrada humana.
El código de escritura no es sinónimo de CS. Uno puede aprender a escribir código sin asistir nunca a una sola clase universitaria, pero un título de CS va mucho más allá de esta habilidad. Implica, entre muchas otras cosas, sistemas de ingeniería complejos, diseñar infraestructura y futuros lenguajes de programación, garantizar la ciberseguridad y verificar los sistemas para la corrección.
La IA no puede hacer estas tareas de manera confiable, ni podrá en el futuro previsible. La aportación humana sigue siendo esencial, pero la información errónea pesimista corre el riesgo de dirigir a decenas de miles de estudiantes talentosos lejos de carreras importantes y significativas en este campo vital.
Lo que AI puede y no puede hacer
AI se destaca por hacer predicciones. La IA generativa mejora esto al agregar una capa de presentación fácil de usar al contenido de Internet: reescribe, resume y formata información en algo que se asemeja al trabajo de un humano.
Sin embargo, la IA actual no “piensa realmente”. En cambio, se basa en atajos lógicos, conocidos como heurísticaEse sacrificio de precisión por la velocidad. Esto significa que, a pesar de hablar como una persona, no puede razonar, sentir, cuidar o desear nada. No funciona de la misma manera que una mente humana.
No hace mucho, parecía que la “ingeniería rápida” reemplazaría a CS. Hoy, sin embargo, prácticamente no hay publicaciones de trabajo para ingenieros rápidos, mientras que compañías como LinkedIn informan que las responsabilidades de los profesionales de CS realmente se han expandido.
Donde la IA se queda corta
Lo que proporciona AI son herramientas más poderosas para que los profesionales de CS hagan su trabajo. Esto significa que ahora pueden llevar los conceptos, desde la ideación hasta la implementación del mercado, mientras requieren menos roles de apoyo y más liderazgo técnico.
Sin embargo, hay muchas áreas donde la aportación humana especializada sigue siendo esencial, ya sea para la confianza, la supervisión o la necesidad de la creatividad humana. Abundan los ejemplos, pero hay 10 áreas que se destacan en particular:
Adaptando un algoritmo de fondo de cobertura a nuevas condiciones económicas. Esto requiere un diseño algorítmico y una comprensión profunda de los mercados, no solo resumen de código. Diagnóstico de interrupciones intermitentes en la nube de proveedores como Google o Microsoft. La IA puede solucionar problemas a pequeña escala, pero no puede contextualizar la resolución de problemas a gran escala y alto riesgo. Reescritura de código para computadoras cuánticas. La IA no puede hacer esto sin extensos ejemplos de implementaciones exitosas (que actualmente no existen). Diseñar y asegurar un nuevo sistema operativo en la nube. Esto implica una arquitectura del sistema de alto nivel y pruebas rigurosas que la IA no puede realizar. Creación de sistemas de IA de eficiencia energética. AI no puede inventar espontáneamente una menor potencia Código GPUo reinventar su propia arquitectura. Construyendo software de control seguro, a prueba de hackers y en tiempo real para centrales nucleares. Esto requiere que la experiencia en sistemas integrados se mezcle con la traducción del diseño del código y el sistema. Verificar que el software de un robot quirúrgico funciona en condiciones impredecibles. La validación crítica de seguridad excede el alcance actual de la IA. Diseño de sistemas para autenticar fuentes de correo electrónico y garantizar la integridad. Este es un desafío criptográfico y multidisciplinario. Auditoría y mejora de herramientas de predicción del cáncer impulsadas por la IA. Esto requiere supervisión humana y validación del sistema continuo. Construyendo la próxima generación de IA segura y controlable. La evolución hacia la IA más segura no puede ser realizada por la propia AI, esta es una responsabilidad humana.
Por qué la informática sigue siendo indispensable
Una cosa es segura: la IA remodelará cómo se realiza la ingeniería y la informática. Pero lo que nos enfrentamos es un cambio en los métodos de trabajo, no una destrucción mayorista del campo.
Cada vez que enfrentemos un problema o complejidad completamente nuevo, la IA sola no será suficiente por una simple razón: depende completamente de los datos pasados. Mantener la IA, la construcción de nuevas plataformas y el desarrollo de campos como la gobernanza de IA y IA de confianza, por lo tanto, todos requieren CS.
El único escenario en el que podríamos no necesitar CS es si llegamos a un punto en el que ya no esperamos ningún lenguaje, sistemas, herramientas o desafíos futuros nuevos. Esto es desaparecidamente improbable.
Algunos argumentan que la IA puede realizar todas estas tareas. No es imposible, pero incluso si la IA se convirtió en tan avanzada, colocaría casi todas las profesiones con igual riesgo. Una de las pocas excepciones sería aquellos que construyen, controlan y avanzan la IA.
Hay un precedente histórico para esto: durante la revolución industrial, los trabajadores de la fábrica fueron desplazados en una proporción de 50 a 1 como resultado de avances rápidos en maquinaria y tecnología. En ese caso, la fuerza laboral en realidad creció con una nueva economía, pero la mayoría de los nuevos trabajadores eran aquellos que podían operar o arreglar máquinas, desarrollar nuevas máquinas o diseñar nuevas fábricas y procesos en torno a la maquinaria.
Durante este período de agitación masiva, las habilidades técnicas fueron en realidad las más demandadas, no menos importantes. Hoy, lo paralelo es cierta: la experiencia técnica, especialmente en CS, es más valiosa que nunca.
No confundamos la próxima generación con el mensaje opuesto.
Proporcionado por la conversación
Este artículo se republicó de La conversación bajo una licencia Creative Commons. Leer el artículo original.
Cita: La IA no reemplazará a los informáticos en el corto plazo, aquí hay 10 razones por las cuales (2025, 1 de julio) recuperado el 1 de julio de 2025 de https://techxplore.com/news/2025-07-ai-wont-scientists.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
