Google Translate nos enseña que no es para tanto

En los últimos tiempos, la irrupción de los grandes modelos de jerga (o LLMs), o más adecuadamente la constatación de su capacidad para difundir código, ha desatado una mezcla de entusiasmo, incredulidad y pánico entre los profesionales del software. Y la pregunta que todos nos hacemos es: ¿pueden estas herramientas poner fin a la falta de programadores humanos?

Más aún, ¿es el vibe coding, ese estilo de avance basado en la mera vivientes cibernética de código a partir de prompts, el principio del fin de la programación tal y como la conocemos?

Antaño de posicionarnos entre catastrofismo o el negacionismo (dos variantes del reduccionismo, al fin y al sitio), resulta útil mirar a otra profesión que ya ha itinerario ayer un camino similar: la traducción.

Y es que, según sostiene esta programadora en su blog, la historia de Google Translate y su impacto en la industria de la traducción puede ofrecernos valiosas lecciones sobre cómo pensar (y sentirnos) respecto a la futura influencia de la IA en el trabajo.

El paralelismo: de la traducción cibernética al vibe coding

Desde su impulso, Google Translate ha evolucionado enormemente. El brinco más significativo ocurrió en 2018 con la entrada de la traducción cibernética neuronal (NMT), una mejoramiento sustancial respecto a los enfoques anteriores basados en reglas y estadísticas.

En ese momento, asimismo surgieron predicciones apocalípticas: "Ya nadie necesitará traductores humanos", decían algunos. Lo cierto es que la verdad, finalmente, ha sido asaz diferente.

Sí, Google Translate funciona sorprendentemente adecuadamente para tareas básicas, y ha mejorado notablemente. Un turista que viaja a Japón puede valerse del traductor para comunicarse en situaciones cotidianas. Sin incautación, ¿esto significa que ya no necesitamos intérpretes ni estudiar idiomas?

La verdad es que esas personas que hoy usan Google Translate durante sus viajes probablemente no hubieran contratado a un intérprete de todos modos. Lo más probable es que habrían improvisado o aceptado sus limitaciones lingüísticas. De hecho, y aquí está la paradoja, la demanda de traductores e intérpretes profesionales ha aumentado en los últimos primaveras.

¿Qué hacen en realidad los traductores (y los programadores)?

La idea popular de que un traductor es simplemente un diccionario ambulante está remotamente de la verdad. El trabajo de traducción requiere interpretar el contexto, desambiguar significados y adaptar el mensaje culturalmente para que sea relevante y apropiado para la audiencia a la que va destinado.

Nuestra protagonista, Ingrid, pasa a poner el ejemplo de una traducción entre el inglés y el noruego, dos idiomas con contextos culturales y gramáticas similares. Pero la dialecto noruega tiende a ser persuasivo en sus expresiones y a obviar ciertas cortesías, por lo que allí donde un traductor humano traduciría un "¿Podrías pasarme las patatas, por confianza?", Google Translate ofrece un seco y agresivo (pero idéntico) "Quiero las patatas".

"Debería ser evidente por qué no es recomendable sustituir a un intérprete por Google Translate en una audiencia sumarial".

De forma similar, hoy vemos usuarios fallar que tras crear una pequeña aparejo con un LLM, concluyen que todos los programadores estarán desempleados en pocos primaveras. Este punto de instinto ignora completamente lo que implica en verdad programar. Al igual que ocurre con la traducción profesional, la programación es mucho más que "convertir palabras" o "escribir líneas de código".

Humanos, ni sustituibles ni (esperemos) mecanizables

Al igual que los traductores han comenzado a integrar la IA en sus flujos de trabajo (para mejorar la redacción, inquirir una mejor expresión o comparar alternativas), los programadores asimismo están empezando a usar LLMs para tareas específicas. Pero no como sustituto, sino como complemento. Sin incautación, de nadie sirve eso si no reivindicamos asimismo la forma humana de programar.

Porque, al final, el seguro problema podría ser otro: no que la IA reemplace al programador, sino que reduzcamos la programación a una tarea mecánica de producir líneas de código. La existencia de herramientas que 'vomitan' código puede engrosar esta percepción equivocada, y cambiar la idea de lo que se considera un 'buen programador'.

Imagen | Marcos Merino mediante IA

En Genbeta | El problema que ya surge en los equipos de avance: programadores que culpan a la IA de los errores de código