La inteligencia artificial está escribiendo para quien no quiere escribir y resumiendo para quien no quiere leer.

En medio de esa operación, alguien todavía tiene que entender.

Me parece una ironía especialmente buena cuando aparece en una revisión de código: el trabajo de examinar una modificación de software, buscar problemas y discutir qué debe cambiar antes de incorporarla. Es lo que llamamos code review, o simplemente review.

Ahorras unos minutos al generar el informe. Tu compañero recibe una pequeña enciclopedia y debe descubrir qué es un problema real, una repetición, una hipótesis o simplemente un párrafo con buena presencia.

Enhorabuena. La escritura se automatizó. La lectura tiene un nuevo responsable.

TL;DR

La IA puede investigar código, poner a prueba hipótesis y hacer más clara una revisión. Publicar su salida sin leer, comprobar y eliminar duplicados puede trasladar el trabajo al resto del equipo. El criterio de una buena revisión es la contribución verificable: qué problema existe, dónde, en qué condición, con qué consecuencia y qué añade el comentario a lo ya señalado. Un texto largo puede ser necesario. El volumen, por sí solo, no demuestra análisis. Quien publica el review debe responder por lo que decidió conservar.

El comentario ya estaba. Llegaron otros parecidos.

En una revisión hice un análisis dirigido y usé IA para volver el texto más concreto. El criterio seguía siendo mío: qué investigar, qué estaba sustentado y qué merecía llegar a la discusión.

Después, un compañero publicó una revisión extensa generada por otra IA. Según mi lectura, repetía tres o cuatro veces puntos que ya se habían señalado.

Ese es mi recuerdo y mi interpretación del episodio, no una auditoría independiente. La empresa, las personas y los detalles de la modificación quedan fuera de este texto. Me interesa más el hábito que la identidad del compañero.

La molestia estaba en la contribución: más texto no significaba, en aquel caso, más problemas descubiertos ni más decisiones aclaradas.

La revisión también necesitaba revisar lo que ya se había revisado.

Uno ve el ahorro. La cuenta llega al equipo.

Producir texto con IA puede ser rápido. Recibir ese texto no vuelve instantánea su evaluación.

Alguien debe abrir la modificación, entender el contexto, localizar el fragmento, verificar si existe el riesgo y comparar el comentario con lo que la discusión ya contiene.

Si el mismo problema aparece con cuatro formulaciones, el destinatario debe darse cuenta de que no son cuatro problemas. Si una sugerencia depende de una premisa sin confirmar, alguien debe descubrirla. Si el comentario llega después de una corrección, alguien debe notar que ya perdió su objeto.

La generación salió barata para quien envió. La clasificación quedó en manos de quien recibió.

Ese coste puede convertirse en atención interrumpida, respuestas duplicadas, investigación repetida y trabajo que hay que rehacer. No tengo un porcentaje que atribuirle. Tengo un criterio: el ahorro de quien genera no debería evaluarse ignorando el trabajo de quien necesita comprobar.

“Mi review estuvo listo más rápido” describe una etapa. Todavía falta saber si el equipo llegó más rápido a una modificación mejor.

Repetir el hallazgo no confirma el problema

Un hallazgo es el problema concreto que una revisión afirma haber encontrado.

Si dos análisis llegan a la misma sospecha y uno aporta una prueba que la reproduce, una condición antes ignorada o una consecuencia distinta, existe una contribución nueva.

Si el segundo solo cambia el vocabulario y repite la conclusión, hay más texto.

Una hipótesis también puede ser útil, siempre que siga presentada como hipótesis y explique qué falta verificar. Lo que no ayuda es darle a una sospecha el tono de un defecto demostrado porque así el comentario resulta más imponente.

Quiero que la revisión ayude a decidir. Para eso hay que leer el código, los criterios de la modificación, los comentarios existentes y las correcciones que ya ocurrieron.

Generar un informe sobre un fragmento y volcarlo en una discusión viva sin reconciliar ese contexto es una forma eficiente de llegar tarde con mucha convicción.

“Entonces pídele a la IA que lo resuma”

Claro que puedo.

La primera IA escribe demasiado. La segunda resume. Una tercera compara los resúmenes. Mientras tanto, alguien intenta descubrir si la primera tenía razón.

La escena es irónica. El recurso puede ser útil.

Un buen resumen ayuda a orientarse en un informe necesario. Pero reducir la extensión no verifica el contenido. Incluso puede borrar precisamente la condición que separaba un riesgo real de una sospecha genérica.

Tampoco quiero sustituir un texto enorme por un comentario breve y equivocado.

El trabajo sigue siendo seleccionar, comprobar y juzgar. La responsabilidad por lo que se publica permanece con quien incorpora el informe a la discusión.

Una revisión larga puede ser la revisión correcta

Hay modificaciones complejas. A veces hace falta una explicación larga para mostrar una secuencia de fallos, una restricción de compatibilidad o un riesgo que atraviesa varios componentes.

Mi criterio no es contar líneas ni imponer un comentario minimalista a todos los problemas.

Es preguntar qué hace cada fragmento por el lector y por la decisión.

La guía de revisión de código de Google sobre comentarios recomienda explicar el razonamiento y dejar claro por qué importa una sugerencia. Es una referencia de comunicación, no una medición del episodio que relaté.

Una buena justificación puede necesitar espacio. Cuatro versiones de la misma exigencia siguen necesitando edición.

Ser concreto es entregar información suficiente para la siguiente decisión, con la menor carga innecesaria posible.

La IA útil entra antes del botón de publicar

Quiero usar IA para investigar mejor y escribir con más precisión.

Puedo pedirle que busque casos que escaparon a mi análisis, cuestione una hipótesis, prepare una prueba, compare la modificación con sus requisitos o encuentre duplicados en mis propios comentarios. Puedo pedir una explicación más clara una vez que el razonamiento está sustentado.

Pero el resultado debe volver a una comprobación concreta:

• ¿Qué fragmento y qué condición sustentan este hallazgo?
• ¿El efecto se demostró, se infirió o todavía necesita una prueba?
• ¿Esto ya se señaló o se corrigió? ¿Qué añade este análisis?
• ¿La propuesta cabe en el alcance y el comportamiento esperado de la modificación?
• ¿Leí y puedo defender el comentario que voy a publicar?

Si varias observaciones describen el mismo problema, las consolido y conservo la evidencia nueva. Si no hay contribución adicional, descarto el duplicado. Si falta contexto, digo cuál, en vez de convertir la incertidumbre en una acusación técnica.

Eso también puede incorporarse al flujo de trabajo de la revisión. La generación no tiene por qué ser la última etapa antes del envío.

Alguien tiene que entender antes de firmar

La provocación sobre escribir menos y leer menos describe un atajo que quiero cuestionar. No es una estadística sobre todo el mundo ni un diagnóstico de la intención del compañero.

Hay usos excelentes de IA para leer, investigar y revisar más. Quiero esos usos.

Lo que rechazo es tratar la facilidad de producir un informe como autorización para dejar su comprensión en manos del destinatario.

Antes del próximo review, comprueba lo que ya se dijo, elimina lo que solo repite, marca lo que todavía es hipótesis y asume lo que quede.

Puedes automatizar una parte enorme del trabajo.

Solo no llames revisión concluida al paquete que todavía debe ser revisado por quien lo recibió.

Referencia y límites de uso

La guía de comentarios de revisión de Google sustenta la orientación de explicar el razonamiento y la relevancia de las sugerencias. No evalúa herramientas de IA, no mide productividad ni demuestra el comportamiento del episodio. El relato es del autor; la transferencia del coste de atención y los criterios propuestos son la interpretación práctica de este texto.

La portada es una ilustración editorial sintética, sin texto e independiente del idioma. No representa el entorno de trabajo ni a los participantes del relato.