Si la inteligencia artificial puede escribir código por ti, ¿sigue valiendo la pena aprender a programar? Sí, pero por razones distintas a las de hace unos años. Hoy programar sirve para dirigir, evaluar y corregir lo que la IA produce, y esa habilidad parte de tener fundamentos sólidos para no tratar las herramientas como cajas negras.
¿Para qué aprender a programar si existe la inteligencia artificial?
La respuesta corta está en el criterio. Sin fundamentos, cuando algo falla no sabes por dónde empezar a arreglarlo. Con fundamentos, las mismas herramientas se convierten en amplificadores: hacen lo que tú ya sabías hacer, pero más rápido y a mayor escala [02:00].
Aprender a programar es, en el fondo, aprender a comunicarse con precisión sobre los problemas que vas a resolver con ingeniería. La máquina no infiere lo que quisiste decir, necesita instrucciones sin ambigüedad. Y resulta que reducir la ambigüedad es justo lo que distingue a alguien que usa IA con criterio de alguien que solo espera que la IA le entienda.
¿Por qué importa el vocabulario técnico?
Un cocinero profesional no dice pedazo, dice julienne, dice brunoise. Esas palabras no son esnobismo, son precisión. Lo mismo pasa con la programación: cada concepto nuevo te permite pensar cosas que antes no podías pensar, pedir cosas que antes no podías pedir y leer cosas que antes no podías entender [03:00].
¿Qué son los fundamentos de programación en la era de la IA? Son el vocabulario y los conceptos que te permiten dirigir, revisar y corregir el código que produce la inteligencia artificial. Sin ellos, no puedes evaluar si lo que recibes está bien.
¿Qué es el AI Fluency y cuáles son las 4 D?
Cuando dejas que la IA te entreviste, la precisión no es tuya ni de ella, es del encuentro. Esa colaboración tiene nombre: AI Fluency, y se organiza alrededor de cuatro capacidades conocidas en inglés como las cuatro D [04:30].
- Delegation: decidir qué delegar a la IA y qué hacer tú. El criterio para elegir es una habilidad en sí misma.
- Description: comunicarte con precisión, ya sea en un prompt o construyéndola dentro de una conversación.
- Discernment: evaluar críticamente lo que la IA entrega, porque puede equivocarse de formas sutiles que solo se detectan con vocabulario para revisar.
- Diligence: actuar con responsabilidad. Lo que publicas con tu nombre tiene que ser algo que entiendes, no solo algo que aceptaste sin revisar.
Cada una de las cuatro D va a aparecer una y otra vez en el curso, no como un módulo separado, sino como un músculo que vas a ejercitar clase tras clase.
¿Por qué dos conversaciones iguales con IA dan resultados distintos?
Claude, ChatGPT, Gemini y modelos similares funcionan con grandes modelos de lenguaje o LLMs. Hacen una cosa muy bien: predecir qué texto viene a continuación basándose en patrones aprendidos de cantidades enormes de datos. No calculan, no recuperan, no consultan una base de datos. Predicen [06:30].
Cuando le preguntas a Claude cuánto es uno más uno, no está sumando. Está prediciendo que el siguiente texto más probable es el número dos. El resultado coincide con una calculadora, pero el proceso es completamente distinto.
¿Qué significa que la IA sea probabilística?
Predecir no es determinístico, es probabilístico. La misma pregunta puede tener varias respuestas igualmente probables y el modelo elige una. La próxima vez puede elegir otra. Esa es la primera razón por la que dos conversaciones idénticas dan resultados distintos [07:30].
¿Qué es un LLM en términos simples? Es un modelo que predice la siguiente palabra más probable en un texto, basándose en patrones aprendidos de millones de datos. No razona ni calcula, predice.
¿Qué es el contexto en una conversación con inteligencia artificial?
La segunda razón de las respuestas distintas es el contexto: toda la información que el modelo tiene disponible en una conversación específica. Eso incluye tu prompt actual, los mensajes anteriores, las instrucciones configuradas y, en algunas plataformas, una memoria persistente entre conversaciones [08:00].
La IA no responde a tu mensaje en el vacío, lo responde dentro de un contexto. Cambia el contexto, cambia la respuesta. Y aquí viene lo interesante: el contexto es algo que tú puedes preparar deliberadamente.
¿Cómo puedo preparar mejor contexto para la IA?
Hay dos formas principales de hacerlo:
- Construir un documento corto donde definas los términos de tu proyecto, lo que en ingeniería se llama el dominio, y pegarlo al inicio de cada conversación nueva.
- Dejar que la IA pregunte para construir el contexto sobre la marcha, como en una entrevista guiada.
Algunas herramientas como Lovable o Cursor tienen un Plan Mode donde la IA arma el plan completo y tú lo apruebas o ajustas. Es útil en algunos contextos, pero cuando estás construyendo el músculo de articular lo que quieres, delegar la articulación elimina justo lo que estás aprendiendo [10:30].
¿Cómo medir tu progreso aprendiendo a programar con IA?
Al final de cada módulo vas a poder pedirle algo a la IA con términos más precisos que al inicio. No midas tu progreso solo en lo que sabes ejecutar, sino también en cómo lo pides y cuánto entiendes de lo que te entrega.
Cada palabra que aprendas es una forma nueva de pensar sobre el mundo digital. Y eso, a diferencia de las herramientas, no se vuelve obsoleto.
¿Qué parte del proceso te cuesta más hoy: delegar, describir, discernir o ser diligente con lo que la IA te entrega? Cuéntalo en los comentarios.
