Un día de septiembre de 2026, un proyecto llamado OpenJev se encaramó a lo más alto de Hacker News, cosechando 521 puntos y 235 comentarios. Según las métricas habituales, aquello debería haber sido el lanzamiento triunfal de un producto. Sin embargo, al abrir el hilo de comentarios se revelaba un espectáculo desconcertante: ninguno de los diez comentarios más valorados discutía las funcionalidades de la herramienta; todos estaban dedicados a despedazar la página web.
521 puntos y 235 comentarios dedicados a despedazar la web
El comentario principal no se anduvo con rodeos: «Los sitios generados íntegramente por IA son invariablemente un desastre visual: textos interminables de relleno sin sustancia, lugares comunes por doquier y un desprecio absoluto por la usabilidad». El segundo comentario recurrió a una analogía académica: los textos generados por la IA actual se asemejan al trabajo final de un estudiante presa del pánico. En lugar de podar con rigor para ganar claridad y concreción, hacen exactamente lo opuesto: embutir cada mínimo detalle concebible bajo la premisa de que el lector no tendrá más remedio que leérselo todo.
La flagrante contradicción entre la puntuación y el contenido de los comentarios constituía el verdadero meollo del asunto. Los 521 puntos demostraban que la atención y el tráfico estaban ahí. No obstante, la comunidad ignoró por completo el producto en sí para disparar toda su artillería contra un único blanco: «parece hecho por una IA». Algunos participantes rescataron sitios web corporativos de la vieja escuela para establecer comparaciones: Berkshire Hathaway, McMaster-Carr, Craigslist. El catálogo en papel de McMaster-Carr es prácticamente un manual canónico de taxonomía, y su equipo trasladó esa misma filosofía utilitaria a la web, sin artificios ornamentales. También hubo voces que intentaron romper una lanza por OpenJev: si apuestas por un minimalismo austero, la queja inmediata será que «tras leerlo entero sigues sin entender qué demonios hace».
Pero el centro de gravedad del debate había dejado atrás la calidad de una página concreta. La verdadera encrucijada que latía bajo ese hilo de 521 puntos era otra: ahora que la IA permite producir formas y apariencias a coste prácticamente cero, ¿cuánto vale realmente «parecer un producto acabado»?
Cuando el coste de la forma cae a cero, la señal pierde su valor
Una web impecable, una documentación bien estructurada, un informe con diseño elegante: en el pasado, estos formatos transmitían una señal fidedigna de que detrás había alguien que había dedicado tiempo, esfuerzo y rigor. El coste de producción operaba como el aval que garantizaba la fuerza de esa señal. En el momento en que la IA redujo a prácticamente cero el coste marginal de pulir la fachada, ese aval se esfumó. Una presencia reluciente ya no permite distinguir entre la artesanía esmerada y la generación descuidada mediante un clic: se ha degradado a simple ruido cognitivo.
Ese mismo día, varios acontecimientos convergieron en las comunidades técnicas hacia este idéntico dictamen. La publicación satírica McSweeney’s Internet Tendency lanzó un artículo titulado «We Must Create the Shit Machine», que alcanzó 89 puntos en Lobsters. Imitando la pomposa retórica de las presentaciones de las grandes tecnológicas, presentaba la construcción de «una máquina para generar mierda» como una necesidad humana ineludible, acompañada de un paraguas que apenas frena una fracción de las salpicaduras y unas condiciones de servicio que eluden cualquier responsabilidad sobre las consecuencias. La respuesta más votada en Lobsters fue demoledora por su brevedad: «¿A qué viene eso de ‘debemos crear’? Ya la construimos hace tiempo». El segundo comentario fue aún más tajante: «La máquina de mierda jamás sería capaz de escribir esto».
Figura: Artículo satírico de McSweeney’s. Fuente: McSweeney’s Internet Tendency
La sátira caló hondo porque tocó una fibra muy sensible y compartida por los desarrolladores: a la comunidad no le falta conciencia sobre lo que la IA es capaz de fabricar; lo que necesitaba con urgencia era una válvula de escape para gritar: «¡Basta ya!».
La regla de oro de un ensayo de 350 puntos: jamás uses una palabra sugerida por el modelo
Ese mismo día causó sensación otro artículo que cosechó 350 puntos y 238 comentarios: un ensayo de un veterano ingeniero de sistemas publicado en sockpuppet.org bajo el título «How to Write with an LLM». Su diagnóstico resultaba afilado como un bisturí: «Los lectores detectan las palabras generadas por un LLM con una precisión de una parte por billón. Por mucho empeño que pongas en pulir o humanizar el texto, para la inmensa mayoría de los lectores la prosa de un LLM no cuenta como escritura: cuenta como salida computacional».
El autor formulaba dos reglas intransigentes. Primera: no utilices jamás una sola de las palabras sugeridas por el LLM, incluso si parece objetivamente mejor que la tuya. Segunda: huye de los halagos del modelo; sus lisonjas te incitan a reafirmarte en los impulsos viscerales del primer borrador, precisamente cuando deberías estar reescribiendo, repensando y eliminando párrafos enteros. El autor subrayaba que esas reconsideraciones constituyen los auténticos elementos portantes («load-bearing») de la voz y el estilo propios. Su método de trabajo: escribir la totalidad del borrador de su propio puño y letra, y emplear el modelo única y exclusivamente como corrector de pruebas. Solo para señalar fallos lógicos o erratas, sin permitirle jamás escoger el vocabulario ni estructurar las frases.
Figura: Interfaz construida por el autor para controlar el flujo de revisión minuciosa. Fuente: sockpuppet.org
El debate en los comentarios llevó esta metodología a un terreno puramente pragmático. Hubo quien señaló que pedirle al LLM revisiones sucesivas de calidad se convierte en una trampa devoradora de tiempo: «Editas tanto que acabas provocando la paradoja del barco de Teseo; para eso, te habría salido más a cuenta escribirlo tú solo desde el principio». Otros argumentaban que suministrar un ejemplo concreto de estilo resulta infinitamente más efectivo que pedir vaguedades como «escribe de forma concisa y profesional», para luego someter el texto al escrutinio frase por frase: «¿se puede suprimir esta oración?». El comentario más lúcido destapó la paradoja subyacente: cada vez más lectores emplean a su vez herramientas de IA para resumir lo que leen, de modo que quien escribe debería aplicar ese mismo prisma crítico para evaluar su propio texto antes de publicarlo.
Esta observación saca a relucir una simetría esperpéntica: quien escribe utiliza la IA para redactar y quien lee utiliza la IA para consumir el texto. Ambas partes subcontratan el trabajo cognitivo al modelo, pero la carga de la verificación no la absorbe la máquina: simplemente se transfiere.
El 75 % de la jornada lidiando con la IA: el robo del placer de programar
Un reputado ingeniero de seguridad plasmó este hartazgo en su blog personal con una entrada titulada «Everybody’s Lost Their Minds», que se alzó al primer puesto de Lobsters con 191 puntos y 63 comentarios. Sus palabras no dejaron indiferente a nadie: más del 75 % de su jornada laboral se consume directa o indirectamente en gestionar asuntos derivados de la IA, lo que «ha arrebatado la mayor parte del placer que sentía por mi trabajo». Comprobó cómo los correos electrónicos de sus compañeros empezaban a sonar calcados a las publicaciones de los influencers de LinkedIn, recurriendo a párrafos formados por una única frase grandilocuente.
Denunció asimismo una distorsión de recursos mucho más profunda: los laboratorios punteros de IA compiten por lanzar «iniciativas» de investigación y cartas abiertas sobre seguridad, reasignando a decenas de ingenieros de élite con sueldos astronómicos a la búsqueda exclusiva de vulnerabilidades de IA, consumiendo horas de desarrollo valoradas en decenas de millones de dólares. Sin embargo, en el ámbito de la ciberseguridad encontrar fallos nunca ha sido el cuello de botella: el verdadero cuello de botella es parchear y desplegar soluciones en producción. Se ha abierto una brecha abismal entre hacia dónde fluyen los recursos multimillonarios y dónde se sitúan los problemas reales de la infraestructura.
Uno de los comentarios más apoyados en Lobsters diseccionó la creciente brecha entre comunidades: mientras que en Lobsters (nutrido mayoritariamente por ingenieros sénior con gran bagaje) el escepticismo frente a la IA cobró fuerza a gran velocidad, Hacker News se movió en la dirección contraria. Una respuesta desgranó los mecanismos de fondo: una comunidad expulsa sin miramientos el ruido fuera de tema y la publicidad encubierta, mientras que la otra funciona como tablón corporativo de grandes entidades y otorga un trato preferencial a las startups de su propia incubadora. La presión selectiva y los incentivos de ambas plataformas son intrínsecamente incompatibles.
Informes militares alucinados y demostraciones vibe: redefiniendo el concepto de prueba
Ese mismo día, trascendió en Hacker News que las fuerzas armadas de Estados Unidos habían estado a punto de desencadenar un grave incidente operativo debido a un informe de inteligencia plagado de alucinaciones fabricadas por una IA (el tema acumuló 342 puntos y 275 comentarios, coronándose como el más concurrido de la jornada). En paralelo, el artículo de Dan Abramov titulado «I proved Conway’s conjecture with vibe» (197 puntos y 174 comentarios) abordaba la otra cara de esta misma moneda: la validez epistemológica de una demostración matemática descansa en la capacidad de los seres humanos para verificarla paso a paso; si ese proceso de verificación también se subcontrata al modelo, el propio concepto de «demostración» deja de tener sentido.
Todos estos episodios convergen en una misma arquitectura subyacente: la IA ha desplomado los costes de producción, pero el coste de la verificación no ha descendido ni un solo ápice. Redactar un informe de inteligencia cuesta hoy una miseria, pero constatar que no es una alucinación inventada exige exactamente la misma pericia humana que antaño. Generar una supuesta demostración matemática lleva segundos, pero comprobar el rigor lógico de cada eslabón sigue demandando horas impagables de matemáticos humanos. Publicar una web deslumbrante toma unos minutos, pero cerciorarse de si detrás late un proyecto genuino sigue obligando al lector a invertir su propia atención.
El salto de productividad en la fase de creación se ha transformado en una asfixiante sobrecarga de auditoría en la fase de consumo. Quién correrá con la factura de esa verificación es un interrogante que sigue sin respuesta. Hay quienes sostienen que este es el próximo reto a resolver por las herramientas de IA; otros recuerdan —como proclamaba el título de otro artículo viral de danluu publicado ese mismo día— que «no existe un solo momento en el que te puedas permitir apagar el cerebro».
La contestación colectiva que estalló en septiembre de 2026 encierra algo mucho más profundo que un mero rechazo a la tecnología. Saca a la luz una verdad inapelable: una vez que el envoltorio formal ha perdido su valor, la atención humana vuelve a tasarse en función de «quién lo ha construido y quién da la cara por ello».
Enlaces de referencia:
- Discusión en Hacker News (OpenJev)
- sockpuppet.org: “How to Write with an LLM”
- McSweeney’s Internet Tendency: “We Must Create the Shit Machine”
- netmeister.org: “Everybody’s Lost Their Minds”
- Discusión en Lobsters
- Blog de danluu
- Dan Abramov: “I Proved Conway’s Conjecture with Vibe”
