Uso la IA a diario, pero pierdo 2 horas arreglando lo que entrega

Probablemente ocupas la IA a diario... pero hay un problema que no se si te has dado cuenta... pasas más tiempo arreglando el código que genera que escribiéndolo tú mismo, esto se llama Workslop.
Desarrollando este ultimo tiempo he visto de primera mano cómo la IA puede acelerar mi velocity x1000 ⚡... o destruir mi productividad completamente.
Hace poco descubrí que no estoy solo... un estudio dice que el 41% de los developers experimentan esto mensualmente, y estamos perdiendo aprox 2 horas debuggeando el output que la IA entrega, literal "se veía bien" pero no sirve para nada 😦

Por qué importa esto...

Un 41% de developers encontrando "Workslop" en el último mes 😫 es algo que hay que prestar atención, por lo mismo es el tema que está en tendencia hoy, ya que sus impactos económicos y directos hacia nosotros es demasiado alto.

¿Entonces qué es exactamente el Workslop?

La definición académica:

"Contenido generado por la IA que se hace ve a simple vista como buen trabajo, pero carece de peso/fondo para avanzar significativamente en la tarea dada"

El costo es brutal... cada incidente de Workslop toma en promedio unas 2 horas en resolver, como developers, esto significa 2 horas debuggeando código generado por la IA que no funciona 🤬 , o reescribiendo documentación que no sirve. Eso en el día a día en nuestro flujo, pero sumale a eso que en el día a día te lleguén resultados de tareas o trabajos que son derechamente Workslop ufff, me pasa... y más de lo que quisiera, uno ya se da cuenta cuando viene el contenido directo de la IA y no se revisó antes...
Este es uno de los problema más grave que yo veo, el costo humano, cuando recibes Workslop de un compañero de trabajo, cambia tu percepción de el, menos confianza y con justa razón. Entonces después de recibir trabajo generado por la IA de baja calidad el 50% lo ven como que son menos creativos, capaces y confiables y hasta un 37% los consideran menos inteligentes.

Pero por qué está pasando esto, si la tecnología, los modelos y todo lo de IA es tan impresionante bueno? - yo soy un convencido que así es - ¿pero por qué estamos viendo fracasos tan masivos y costos tan altos?
El MIT tiene la respuesta

"El mayor problema no es la capacidad del modelo de IA, sino la 'brecha de aprendizaje', las personas y organizaciones no entienden cómo ocupar las herramientas correctamente o cómo diseñar Workflows que entreguen beneficios reales mientras se minimizan los riesgos."

Como siempre... no es la tecnología... es cómo la estamos ocupando.

Lo que nos importa como developer

Oliver Wyman encontró algo interesante al estudiar implementaciones con IA: el éxito no viene de la tecnología (10%), ni de la infraestructura (20%)... viene de las personas (70%).
Traducido para nosotros:

1. 10% Tecnología: GPT, Claude, Gemini... todos tenemos acceso a las mismas herramientas. La tecnología es un commodity.
2. 20% Setup: Saber integrar la IA en tu Workflow diario. Prompts efectivos, herramientas correctas. Esto se aprende rápido...
3. 70% Entender limitaciones: Aquí está la diferencia. Saber CUÁNDO la IA alucina, cuando no ocuparla, cuando hacer doble verificación... esto lo aprendes con experiencia (y algunos golpes 😓).

Como developers ocupamos la IA a diario pero no estamos dedicando el tiempo a entender sus limitaciones sistemáticamente. Aprendemos por ensayo y error... generando Workslop en el proceso, y es muy costos.

Entonces para no caer en eso acá te dejolo que he descubierto, a mi me funciona y he visto que a otros developers le funciona

Lo primero, es aprender las limitaciones antes de depender, no necesitas un "training formal" en IA o las herramientas, pero sí dedicarle tiempo a entender cuándo alucina tu IA favorita, además de entender como los "expertos" la están ocupando... sus mejores practicas.

En mi experiencia las cosas que más me pasan y a lo que tu también debes colocar ojo por darte algunas son:

📅 Fechas y timezones: La IA es experta en inventar fechas que suenan reales pero que no tienen nada que ver con el contexto o la actualidad, se quedó en el 2024 xD

🔌 APIs deprecadas: La IA entrena con documentación obsoleta, sugiere métodos obsoletos, se inventa endpoints o payloads y no tiene nada que ver con lo que desarrollamos o necesitamos para integrarnos.

🔒 Security best practices: La IA optimiza todo el desarrollo para que "funcione", no para que además "sea seguro", ojo con esto.

🏗️ Contexto específico de tu código: La IA no conoce tus convenciones o tu forma de desarrollar, a veces hace un desmadre que te toca corregir.

Dedica por lo menos 1 ó 2 semanas a explorar sus límites. Luego usala con confianza (sabiendo cuándo y dónde dudar) así colocas un ojo más profundo y puedes en tus prompts agregarle de antemano algunos limites o condiciones especificas que ya sabes que necesita.

Define tus reglas personales Anti-Workslop

No necesitas permiso de nadie, define TUS reglas:
✅ Ocupo la IA para:

• Drafts de documentación interna
• Brainstorming
• Boilerplate code
• Refactor o Debug

❌ NUNCA envío algo sin revisar:

• PRs con código 100% de la IA
• Commits a producción sin revisar
• Correos o cualquier comunicación
• Análisis técnicos
• Código que otros developers van a mantener
• Conexión directa a BD de producción 😅

Regla de oro: Si va con tu nombre, hay que validar cada línea. Si no tienes tiempo para validar, mejor no uses la IA en esa tarea, te ahorraras tiempo.

Mide tú impacto real (No solo "uso la IA")

No te engañes pensando... "uso la IA, soy más productivo" no funciona así... mide honestamente si realmente te está ayudando como la ocupas o no te das cuenta y te estas saboteando sólo:

✅ Tiempo real ahorrado: (tiempo ocupando IA) - (tiempo debuggeando)

✅ ¿Tu código con la IA pasa los code review más rápido o más lento?

✅ ¿Aprendiste algo nuevo o solo copiaste sin entender?

✅ ¿Tu equipo confía en tu código más o ahora revisa con mucho más cuidado?

Ojo que si encuentras que pasas más tiempo debuggeando el código que escribiéndolo tú... estás generando Workslop y a la larga será más costoso.

Que hacen los developers que la están ocupando bien?

Sigo a varios developers que usan la IA brutalmente bien. Aquí te dejo mi resumen de lo que están haciendo diferente y de lo que en su momento me di cuenta y estoy aplicando:

1. Tratan a la IA como el Junior Dev
   Es un junior muy rápido que puede escribir/vomitar mucho código... pero necesita supervisión. No esperes que entienda:
   1. Contexto específico de tu negocio
   2. Trade-offs de arquitectura
   3. Casos bordes raros o de negocio
   4. Implementación de seguridad out the box

Úsala como lo que es: un asistente rápido que necesita guía.

2. Aprenden sus limitaciones antes de depender de ella
   Hay que dedicarle tiempo a entender dónde el modelo está fallando, no esperes a descubrirlo en producción, como dije antes invierte 1 a 2 semanas explorando:
   1. Qué tipos de bugs genera más frecuentemente
   2. Cuándo alucina normalmente? (fechas, APIs, nombres de funciones)
   3. Qué temas NO entiende bien (tu stack específico, security, performance)
   4. Como puedo entregarle más contexto

Luego en el día a día ya sabes dónde y cuando dudar.

No solo copian y pegan... entienden... aunque sea después
Tienen una regla de oro... no se puede omitir: "Si lo comiteo, lo entiendo."
Puedes usar la IA para velocity... yo lo hago, pero hay que asegurarse de entender qué hace cada línea... si algo no te hace sentido, hay que estudiarlo o refactorizarlo.
La tentación de copiar y pegar es muy alta, demasiado, pero la realidad es otra, ese código va a romperse ... si o si ... y TÚ vas a tener que arreglarlo 😪 . Por eso la importancia de entenderlo ahora y no después cuando ya nada funciona.

3. Ajustan el Workflow según las fortalezas o debilidades de la IA
   No puedes usar la IA para todo. Hay que ocuparla donde brilla:
   1. ✅ Boilerplate (tests, configs, types)
   2. ✅ Largas transformaciones mecánicas (refactors, conversions)
   3. ✅ Primeros drafts (documentation, comments)
   4. ✅ Mocks
   5. ✅ Demos rápidas

Y se saltan la IA dónde falla:

1. ❌ Arquitectura de alto nivel
2. ❌ Security-critical código
3. ❌ Código que requiere un contexto profundo del negocio

Conocer las fortalezas, conocer las debilidades es muy importante... hay que usar la IA tácticamente y así que esta sea un aliado que trabaja para ti y te ahorra tiempo, no al revés.

Si ya eres parte de los que ocupa una o varias IA a diario, pero no estás seguro si generas Workslop, estas preguntas te ayudarán a detectarlo:

Antes de ocupar la IA:

1. ¿Detecto cuándo el modelo alucina?
2. ¿Tengo tiempo para validar el output línea por línea?
3. ¿Esto irá directo a producción/cliente o es para mi?
4. ¿Entiendo el problema lo suficiente para validar si la solución realmente tiene sentido?

Mientras la usas:

5. Lee cada línea de código como si el nuevo del equipo te esta pasando un cambio
6. Busca y entiende términos técnicos que suenen raros o no conoces
7. Prueba los casos borde que la IA probablemente no consideró
8. Pregúntate: "Enviaría esto con mi nombre?" "Público este articulo con mi nombre? 😉"
9. Si algo no hace sentido, investiga. No copies/pegues y envíes.

Después de usar IA:

10. ¿Ahorraste tiempo?
11. ¿Aprendiste algo nuevo o solo copiaste sin entender?
12. ¿Tu PR pasó el code review más rápido o recibiste muchos comentarios ?
13. ¿Generaste deuda técnica que "arreglarás después"? (spoiler: no lo harás xD)

Si después de eso aún no estás claro te dejo 🚨 7 señales de alerta:

• Tus PRs reciben más comentarios de code review que antes
• Pasas más tiempo debuggeando código de la IA que escribiéndolo tú
• Tu equipo revisa tu código con más cuidado (perdiste confianza)
• Sientes que "algo está raro" pero lo envías igual
• Dices "lo arreglo después" frecuentemente
• No entiendes qué hace el código pero lo commiteas igual
• Evitas PRs grandes porque sabes que hay issues

Si respondiste más de 3 afirmativamente... estás generando Workslop sin darte cuenta 😅

La IA no es el Problema, es cómo la usamos.

¿Recuerdas al inicio cuando te hablé de perder 2h debuggeando código de la IA?
La diferencia entre velocity x1000 y destruir tu productividad está en dominar
el 70% que decía Wyman: entiende las limitaciones de lo que ocupas y setea mejor tu workflow.

En resumen las 4 reglas:

• Define tus límites personales
• Trata la IA como el junior dev
• Aprende limitaciones sistemáticamente
• Mide impacto real

Tu próximo paso: Mide honestamente si ahorras tiempo y si estas generando Workslop sin darte cuenta.

Para mi ya es un default, mientras desarrollo 🎯, aplico esto diariamente por que no puedo permitirme quemar horas rehaciendo trabajo, cada hora de re-trabajo mata mi momentum ⚡y este tenemos que cuidarlo.

Finalmente la IA es poderosa pero como cualquier herramienta poderosa, puede construir o destruir, la gracia es que depende de nosotros ocuparla para que nos ayude a construir la mayoría de las veces.