Operadores piden parar el relleno de inteligencia artificial en el trabajo diario

Los administradores de sistemas están hartos del ruido que generan los modelos de lenguaje. El problema no es la tecnología en sí, sino cómo se está usando en los canales de comunicación y flujos de trabajo cotidianos. Un operativo describe en una publicación la saturación por contenido artificial de baja calidad que recibe de sus compañeros y jefes.

El caso más evidente son los informes generados por inteligencia artificial. Un jefe envía un documento en formato HTML con múltiples páginas. El formato es un indicativo claro de que un modelo como Claude lo ha creado, ya que nadie redacta informes manuales en código HTML. El contenido es extenso, pero no aporta valor real. El receptor debe leer todo el texto para descifrar si hay algo útil entre el ruido.

El problema empeora con la colaboración técnica. Un compañero envía mensajes en Slack para resolver problemas. En lugar de una solución directa, el mensaje contiene un análisis artificial de por qué falla un contenedor en Kubernetes. El modelo sugiere que el culpable es la falta de acceso de red al pod. Esta conclusión es incorrecta. El entorno no permite acceso IP directo desde las portátiles a la infraestructura. La respuesta no solo es falsa, sino que busca engañar con una explicación técnica que suena creíble pero no se ajusta a la realidad.

El tono de las respuestas también cambia. Los modelos de lenguaje usan un estilo formal y estructurado que no coincide con la comunicación informal entre ingenieros. El resultado es un intercambio de mensajes donde los humanos actúan como papeles Moore de inteligencia artificial. Copian el problema, lo pegan en el modelo y reenvían la respuesta sin verificarla. El profesional que recibe la información debe hacer el trabajo de verificar la respuesta.

Este fenómeno convierte canales de resolución rápida en bucles de confirmación. El tiempo que se ahorra al generar el texto se pierde al verificar que no es mentira. Para un administrador, una respuesta errónea sobre acceso de red en Kubernetes puede llevar a desperdiciar minutos o horas investigando un problema inexistente.

El coste de la confianza ciega

La inteligencia artificial tiene casos de uso válidos. Ayuda a generar código, documentación o análisis previos. El problema surge cuando el usuario deja de ser el verificador y se convierte en el emisor final. El modelo no conoce el contexto del entorno. No sabe que el acceso a Kubernetes está restringido. No sabe que el equipo usa un tono directo y técnico. Solo genera texto probable.

La solución no es prohibir la herramienta. Es detener el uso automático. Leer la respuesta antes de enviarla. Verificar que la información es correcta para el entorno específico. Un compañero que reenvía texto sin procesar no está ahorrando tiempo al equipo. Está trasladando la carga de verificación a otro profesional.

El mensaje es claro. La inteligencia artificial no debe ser la voz del equipo. Es una herramienta de apoyo. Si el resultado final no pasa por el filtro humano, el valor operativo se reduce a cero. Y a menudo es negativo. El ruido aumenta. La confianza disminuye. Y el trabajo real se retrasa.