Un bloguero clasifica 102 apps de F-Droid según cuánto código escribió una IA
Sin herramienta automática y a ojo de commits, un mantenedor de software libre repasa el último lote de aplicaciones del repositorio y reparte etiquetas de sospecha
Un mantenedor de software libre se puso a revisar las 102 aplicaciones que F-Droid publicó el 12 de septiembre y las clasificó una a una según la probabilidad de que su código lo hubiera escrito un LLM. No construyó ningún detector automático ni analizó el historial de los repositorios: miró los commits recientes, la estructura del proyecto y el aspecto de su identidad. Con eso repartió las apps en tres cajas.
Tres cajas y ningún detector
La primera es «mayormente IA», y ahí mete los proyectos con más del 50% del código generado. La presencia de infraestructura de agentes lo manda directo a ese grupo: su autor no cree que se pueda usar IA de forma responsable desde un entorno de agentes. La segunda, «difícil de decir / mayormente humano», recoge proyectos con commits puntuales de LLM, a veces con una política que permite ciertos usos, y ahí espera menos de la mitad del código generado. La tercera, «sin señales de IA», es para lo que no despertó sospechas o tiene una política estricta contra los modelos.
Las pistas que busca no son pruebas. Repositorios con rastro de Claude Code o Codex, pull requests aceptados de agentes, READMEs que nadie escribió a mano. El caso que abre el artículo es Amber, un firmante de eventos Nostr para Android: todos los commits recientes pasaron por un LLM y en el repositorio hay infraestructura de agentes, así que cae en el primer grupo. En el extremo contrario está Aria for Misskey, un cliente de esa plataforma de microblogging: el autor dudó porque los mensajes de commit le resultaban raros, pero no encontró nada más y prefirió no acusar.
Lo que el método no puede hacer
El propio autor lo deja claro: no hay forma fiable de saber si un programa lo escribió una máquina. El texto no lleva metadatos suficientes para evaluarlo y cualquier juicio se queda en lo superficial. Reconoce que su clasificación es tosca, que puede equivocarse y que no mira hacia atrás: si un proyecto existe desde 2014 pero sus commits recientes son de un modelo, lo etiqueta como «mayormente IA» igual. También declara su posición sin disimulo, y no es neutral: le parece que los LLM han degradado la programación y lo que la rodea.
Para quien instala software desde un catálogo alternativo como F-Droid, la conclusión práctica es incómoda. La procedencia del código que va a ejecutar en el móvil no se puede verificar con una herramienta, y lo único que queda es leer commits y sacar conclusiones. Los indicios que propone este análisis sirven para eso, siempre que se acepte lo que son: una impresión, no una auditoría.
