Por qué la codificación en lenguaje natural no es para todos (aún)

El estado actual de la codificación en inglés simple en febrero de 2025

Introducción

Imagina que le ordenas a tu computadora “Constrúyeme una aplicación” y la ves materializarse, sin necesidad de una sintaxis arcana ni de una formación avanzada. Esto es codificación en lenguaje natural (NLC): la inteligencia artificial traduce el inglés cotidiano a código funcional. Para febrero de 2025, GitHub Copilot liderará la iniciativa, ofreciendo un nivel gratuito con 2000 finalizaciones de código mensuales, accesible para sus aproximadamente 2 millones de desarrolladores, un salto desde los 1,5 millones de 2024. [ GitHub Copilot - Wikipedia ] Se han sumado nuevas herramientas como Cursor, Windsurf, Lovable, Bolt y Cline, cada una de las cuales amplía los límites de la accesibilidad y la eficiencia. Sin embargo, a pesar de este impulso, NLC sigue estando fuera del alcance de muchos. Habiendo probado estas plataformas yo mismo, he encontrado de primera mano sus fortalezas y deficiencias. Este artículo examina las capacidades actuales de NLC, sus barreras persistentes y el camino por delante.

¿Qué es la codificación en lenguaje natural en 2025?

La codificación en lenguaje natural permite a los usuarios emitir comandos en lenguaje sencillo (“ordenar esta lista”) y recibir código ejecutable al instante. GitHub Copilot, ahora gratuito para uso básico y 10 dólares al mes para su nivel Pro, es la base del ecosistema, integrado a la perfección en Visual Studio Code. Es probable que su adopción haya superado los 2 millones de desarrolladores a principios de 2025, basándose en su aumento de productividad del 55 % documentado en años anteriores. [ Microsoft tiene más de un millón de usuarios pagos de Github Copilot | ZDNET ] Las herramientas emergentes mejoran el panorama:

• Cursor : $20/mes, genera proyectos de múltiples archivos a partir de indicaciones como "crear una aplicación de tareas pendientes".

• Windsurf : gratuito de Codeium, predice patrones de codificación con precisión.

• Adorable : $15 al mes, simplifica la creación de aplicaciones para principiantes: “diseñar un cuestionario” produce resultados rápidos.

• Bolt : gratuito, basado en navegador, ofrece prototipos completos en cuestión de segundos.

• Cline : extensión de VS Code de $5 al mes que refina entradas vagas y las convierte en scripts.
  

  
  

  Impulsadas por modelos avanzados de inteligencia artificial, estas herramientas impulsan las ambiciones de acceso universal a la codificación, aunque aún quedan obstáculos importantes.

Obstáculos persistentes a la adopción universal

Incluso con estas innovaciones, la NLC plantea desafíos:

Ambigüedad en el lenguaje

Los matices del lenguaje natural suelen confundir a la IA. Cuando le pedí a Cursor que "actualizara mi aplicación", modificó un módulo irrelevante, lo que requirió correcciones manuales. Un estudio de Stanford de 2023 descubrió que aproximadamente el 40 % del código generado por IA contiene errores sutiles cuando las indicaciones carecen de precisión, un desafío que aún es evidente en 2025. [ Programación en lenguaje natural - GeeksforGeeks ] Los desarrolladores experimentados pueden ajustar dichos resultados, pero los novatos carecen de la perspicacia necesaria para proceder de manera efectiva.

Conocimientos previos requeridos

Las herramientas de NLC exigen un conocimiento básico de los conceptos de codificación para aprovechar al máximo sus resultados. Cuando le pedí a Lovable que generara una calculadora básica, generó una aplicación de calculadora basada en la web completamente funcional, con una interfaz de usuario que incluye botones para operaciones como suma, resta, multiplicación y división, como se muestra a continuación.

Si bien la aplicación era impresionante, manejaba aritmética básica sin problemas, pero carecía de manejo de errores (por ejemplo, para entradas no numéricas como letras o caracteres especiales) que podían bloquear la interfaz o producir resultados inesperados. Para reconocer estas deficiencias, era necesario comprender TypeScript, React y la gestión de estados. Sin conocimientos de "variables", "funciones" o "componentes", los principiantes tienen dificultades para evaluar, depurar o mejorar dicho código, lo que limita su capacidad para adaptar el resultado de Lovable de manera eficaz.

Desafíos de complejidad y depuración

Las tareas complejas revelan las limitaciones de NLC, incluso con herramientas avanzadas. Cuando le pedí a Bolt que “creara un punto final de API REST para obtener datos de usuario en Python”, generó una aplicación web funcional basada en Flask con dos puntos finales: uno para recuperar todos los usuarios ( /api/users ) y otro para un usuario específico ( /api/user/<user_id> ). El resultado incluía datos de usuario de muestra, respuestas JSON y manejo básico de errores, como se muestra a continuación.

Sin embargo, la aplicación encontró un problema: Bolt no pudo generar o configurar un archivo requirements.txt , marcado con un error (“X” roja), lo que dejó dependencias como Flask sin definir. Este descuido requiere una intervención manual (instalar Flask ( pip install flask ) y crear el archivo) para que la API sea ejecutable. Los desarrolladores experimentados pueden resolver esto rápidamente, pero los novatos, que carecen de conocimientos sobre la gestión de dependencias o la configuración de Flask, se enfrentan a una barrera insuperable. Esta brecha subraya la dependencia de NLC de la experiencia técnica subyacente, incluso cuando las herramientas parecen ofrecer soluciones completas.

Los desarrolladores experimentados se sienten frustrados por tales descuidos, mientras que los novatos se enfrentan a una barrera de depuración infranqueable. La encuesta para desarrolladores de Stack Overflow de 2024 reveló que el 45 % de los desarrolladores profesionales cree que las herramientas de IA son inadecuadas o muy inadecuadas para gestionar tareas complejas, una tendencia que he observado que persiste en 2025, en particular con herramientas como Bolt y Cline. [Encuesta para desarrolladores de Stack Overflow de 2024 ]

Ventajas y consideraciones éticas para los desarrolladores

Para los desarrolladores experimentados, NLC simplifica las tareas repetitivas: las funciones predictivas de Windsurf aceleran las pruebas y la creación de prototipos de Bolt ahorra tiempo. Sin embargo, las limitaciones persisten. Mi experiencia con Cline dio como resultado un script que fallaba silenciosamente, lo que obligaba a reescribirlo manualmente, una frustración recurrente.

Las preocupaciones éticas también son importantes. La dependencia inicial de GitHub Copilot de repositorios públicos generó debates sobre propiedad intelectual. [ Controversia sobre la propiedad intelectual de Copilot - The Verge ] En 2025, Bolt contrarresta esto delimitando los resultados para evitar la replicación, mientras que Lovable utiliza conjuntos de datos seleccionados para garantizar la originalidad. Estas medidas mitigan los riesgos, aunque aún queda pendiente una mayor claridad legal sobre la propiedad del código, un factor crítico para la adopción empresarial.

El camino a seguir en 2025

Las herramientas actuales del NLC indican progreso:

• Precisión mejorada : la función Flow de Windsurf aclara entradas vagas con preguntas de seguimiento.
• Acceso simplificado : la interfaz basada en aplicaciones de Lovable evita los IDE complejos.
• Soporte especializado : la detección de errores de Cursor señala los problemas de forma proactiva.
  Si bien estos avances reducen la brecha, la adopción universal depende de un mayor perfeccionamiento y educación de los usuarios.

Conclusión y llamada a la acción

La codificación en lenguaje natural prosperará en 2025 (millones de desarrolladores aprovechan su eficiencia), pero no es accesible para todos. La ambigüedad, los conocimientos necesarios y las complejidades de la depuración excluyen a muchos, mientras que los marcos éticos evolucionan. Los desarrolladores deben integrar herramientas como Cursor o Bolt para mejorar la productividad y perfeccionar las habilidades para superar las brechas de la IA. Los principiantes se enfrentan a una elección: adquirir conocimientos básicos o esperar una mayor simplificación.

"La pregunta no es si la IA cambiará la codificación: ya lo ha hecho. El verdadero desafío es asegurarnos de que moldeemos su futuro en lugar de que nos moldee ella".

Referencias

• GitHub Copilot - Wikipedia : adopción estimada en 2025 a partir de las tendencias de 2024.
• Microsoft tiene más de un millón de usuarios que pagan Github Copilot | ZDNET – Estadística de productividad del 55%.
• Programación en lenguaje natural - GeeksforGeeks : tasa de errores del 40 %, contexto de entrenamiento de IA.
• Encuesta para desarrolladores de Stack Overflow 2024 : dificultad de tareas complejas del 45 %.
• Controversia sobre la propiedad intelectual de Copilot - The Verge – Contexto ético.

Acerca del autor: Soy Jay Thakur, ingeniero de software sénior en Microsoft y estoy explorando el potencial transformador de los agentes de IA. Con más de 8 años de experiencia en la creación y escalado de soluciones de IA en Amazon, Accenture Labs y ahora Microsoft, combinados con mis estudios en Stanford GSB, aporto una perspectiva única a la intersección de la tecnología y los negocios. Me dedico a hacer que la IA sea accesible para todos, desde principiantes hasta expertos, con un enfoque en la creación de productos de impacto. Como orador y aspirante a asesor de empresas emergentes, comparto conocimientos sobre agentes de IA, GenAI, LLM, SML, IA responsable y el panorama de la IA en evolución. Conéctate conmigo en Linkedin