Las herramientas de codificación AI, un desafío para el software de código abierto

Las herramientas de codificación impulsadas por inteligencia artificial (AI) han revolucionado la creación de software, permitiendo a los desarrolladores crear nuevas funciones con mayor facilidad. Sin embargo, este avance ha traído consigo un aumento alarmante de código de mala calidad que amenaza con abrumar a muchos proyectos de código abierto. Según expertos de la industria, aunque construir nuevas características se ha vuelto más accesible, el mantenimiento de estas es igual de complicado y puede fragmentar aún más los ecosistemas de software.

El impacto de estas herramientas en el software de código abierto ha sido mixto. Mientras que algunos proyectos se benefician de la eficiencia que ofrecen, otros enfrentan una avalancha de solicitudes de fusión (merge requests) que disminuyen la calidad de las contribuciones. Jean-Baptiste Kempf, CEO de VideoLan, que supervisa el popular reproductor VLC, expresó que "la calidad de las solicitudes de fusión que vemos es abismal" y añadió que los problemas son más evidentes entre los desarrolladores menos experimentados.

Por su parte, Francesco Siddi, CEO de la Blender Foundation, que gestiona el software de modelado 3D Blender, observó que las contribuciones asistidas por modelos de lenguaje suelen "perder tiempo a los revisores y afectar su motivación". A pesar de esto, Siddi mantiene una postura cautelosa, indicando que su organización aún está desarrollando una política oficial sobre el uso de herramientas de AI en sus contribuciones.

El desafío radica en que, a medida que las herramientas de codificación AI facilitan la creación de nuevas funciones, también complican el mantenimiento de las existentes. Mitchell Hashimoto, un desarrollador, ha lanzado un sistema que limitaría las contribuciones en GitHub a usuarios "verificados", cerrando efectivamente la política de puertas abiertas que caracteriza al software de código abierto. "La AI eliminó la barrera natural de entrada que permitía a los proyectos OSS confiar por defecto", comentó Hashimoto.

El mismo fenómeno se ha observado en programas de recompensas por errores, que permiten a investigadores externos informar sobre vulnerabilidades de seguridad. El programa de recompensas por errores de cURL fue suspendido recientemente debido a un aumento en lo que su creador, Daniel Stenberg, describió como "basura generada por AI". "Antes, alguien invertía mucho tiempo en un informe de seguridad", explicó Stenberg. "Ahora, no hay esfuerzo alguno. Las compuertas están abiertas".

A pesar de los problemas, muchos proyectos de código abierto también están viendo beneficios gracias a las herramientas de codificación AI. Kempf señaló que ha facilitado la creación de nuevos módulos para VLC, siempre que un desarrollador experimentado esté al mando. "Puedes darle al modelo todo el código de VLC y decirle, 'estoy portando esto a un nuevo sistema operativo'", explicó Kempf. "Es útil para las personas senior para escribir nuevo código, pero es difícil de manejar para aquellos que no saben lo que están haciendo".

El problema más amplio para los proyectos de código abierto radica en las diferentes prioridades entre las empresas y el software de código abierto. Las empresas como Meta valoran la creación de nuevo código y productos, mientras que el trabajo de software de código abierto se centra más en la estabilidad. "El problema es diferente para las grandes empresas y los proyectos de código abierto", comentó Kempf. "Ellos son promovidos por escribir código, no por mantenerlo".

La llegada de herramientas de codificación AI se produce en un momento en que el software, en general, es particularmente fragmentado. El inversor en código abierto Konstantin Vinogradov advirtió que estas herramientas están chocando con una tendencia de larga data en la ingeniería de código abierto. "Por un lado, tenemos una base de código que crece exponencialmente con un número creciente de interdependencias. Por otro lado, el número de mantenedores activos está creciendo lentamente, pero definitivamente no al ritmo necesario", comentó Vinogradov. "Con la AI, ambas partes de esta ecuación se han acelerado".

Esta situación plantea una nueva forma de pensar sobre el impacto de la AI en la ingeniería de software, con implicaciones alarmantes para la industria en su conjunto. Si se considera la ingeniería como el proceso de producción de software funcional, las herramientas de codificación AI facilitan este proceso. Sin embargo, si la ingeniería se entiende como la gestión de la complejidad del software, estas herramientas podrían dificultarlo. En última instancia, será necesario realizar una planificación activa y un trabajo considerable para mantener la complejidad en control.

Para Vinogradov, la conclusión es familiar para los proyectos de código abierto: hay mucho trabajo por hacer y no hay suficientes ingenieros calificados para llevarlo a cabo. "La AI no aumenta el número de mantenedores activos y calificados", afirmó. "Empodera a los buenos, pero todos los problemas fundamentales permanecen".