La lección de la línea magenta
En 1997 el capitán de American Airlines Warren Vanderburgh dio a los pilotos de su compañía una charla llamada “Children of the Magenta Line”, los hijos de la línea magenta. Los pilotos jóvenes se habían acostumbrado a seguir la línea de ruta que dibuja la computadora de a bordo y a pilotar la automatización en lugar del avión. Vanderburgh revisó incidentes de varios años, y más de dos tercios venían de personas que no supieron manejar la automatización (capítulo “Where Will the Seniors Come From”). La grabación de la charla está en la página “El capitán Vanderburgh sobre la dependencia de la automatización”.
La noche del 1 de junio de 2009, los sensores de velocidad de un Airbus de Air France que volaba de Río a París se congelaron, y el piloto automático devolvió el control a las personas. La situación tenía solución, pero el piloto a los mandos nunca había practicado volar a mano un avión así a esa altitud. Cuatro minutos y medio después el avión cayó al océano y murieron doscientas veintiocho personas. En enero de 2013 la autoridad de aviación estadounidense recomendó a las aerolíneas que los pilotos volaran más a mano. Con la programación está pasando lo mismo, solo que sin cabina y sin cajas negras.
Qué muestran ya los datos
En el verano de 2025, economistas de Stanford encabezados por Erik Brynjolfsson revisaron las nóminas de millones de estadounidenses. En las profesiones más expuestas a la IA, el empleo de quienes tienen entre veintidós y veinticinco años cayó un trece por ciento desde fines de 2022 en relación con los demás, y entre los desarrolladores jóvenes, cerca de una quinta parte. A los experimentados casi no les afectó. El artículo se titula “Canaries in the Coal Mine”, canarios en la mina de carbón (mismo capítulo).
A comienzos de 2026, dos investigadores de Anthropic pusieron a cincuenta y dos desarrolladores, en su mayoría principiantes, a aprender una biblioteca de Python que no conocían, la mitad con un asistente de IA y la mitad a mano. En una prueba sin asistente, el primer grupo sacó en promedio un cincuenta por ciento y el segundo un sesenta y siete, y donde peor le fue al grupo con asistente fue en la depuración. Dentro de ese grupo, quienes le preguntaban al modelo por qué las cosas estaban hechas así sacaban un sesenta y cinco por ciento o más. Quienes le pedían que escribiera el código no llegaban a cuarenta (mismo capítulo).
Por qué se rompió la escalera
Durante siglos la gente llegó a maestro del mismo modo. El aprendiz barría el taller, el oficial hacía trabajos más difíciles bajo supervisión y, al cabo de cinco a siete años, había alguien a quien se le podían confiar los muros de carga. En programación el papel de la escoba lo cumplían las tareas pequeñas: arreglar un formulario, terminar un informe, perseguir un error aburrido. Justo esas son las que ahora los agentes hacen mejor y más rápido que nadie (mismo capítulo).
Lo que no sabe un principiante se ve mejor con un ejemplo. Dos clientas reservan con la misma manicurista a la misma hora en el mismo instante, el programa ve el turno libre para las dos y las anota a ambas. Eso es una condición de carrera, y el administrador que prueba el sitio solo nunca la verá (capítulo “Why a Beginner with Claude Did Not Become a Senior”). Puede seguir la carrera paso a paso en el experimento “Un sillón y un doble toque”. El modelo sabe todo sobre condiciones de carrera, pero no las menciona si nadie pregunta. Por eso repito la fórmula: la IA potencia a quien entiende y acelera la catástrofe de quien no entiende, y la diferencia entre ambos se reduce a la lista de preguntas que la persona sabe hacer (mismo capítulo).
Qué propongo
Empezar por donde empezaron los pilotos: volar a mano. A comienzos de los años 2000, cuando trabajaba en Nienschanz, Kostia y yo pasábamos los descansos armando Linux con el libro Linux From Scratch, todo desde el código fuente. No tenía ningún sentido práctico, pero después el sistema operativo dejó de ser una caja negra para mí para siempre. El principiante necesita su propio Linux From Scratch: unas pocas cosas armadas enteramente con sus propias manos (mismo capítulo).
A partir de ahí, la máquina puede ser el mejor maestro que hayan tenido los principiantes, siempre que se le pregunte “por qué”. La escuela pasa a ser revisar el código de los agentes junto a alguien que sabe dónde mirar, y el simulador de accidentes son servidores apagados a propósito, restaurar una copia de seguridad en una hora, una migración rota adrede y los análisis de desastres ajenos, como los de GitLab y Knight Capital (mismo capítulo).
El dinero, aquí, juega en contra de quienes tienen veintidós años. A cada empresa le conviene esperar a que otra forme al principiante, y si todas piensan igual, dentro de diez años no habrá de dónde contratar gente lista. Los economistas lo llaman la tragedia de los comunes. Alguien tendrá que decidir que formar a su propia gente sale más barato y empezar antes que la competencia (mismo capítulo). La obra maestra del nuevo maestro, creo, será un sistema que diseñó, rodeó de prohibiciones y comprobaciones, dejó funcionar sin supervisión y que no destrozó nada a su alrededor.
