Un editor de texto que completa funciones enteras, un chatbot que refactoriza clases en segundos, un asistente que escribe pruebas más rápido de lo que uno alcanza a teclear “npm run test”. La promesa de la inteligencia artificial generativa parece irresistible; sin embargo, cuanto más código produce, menos preguntas formula el programador que la usa. Y cuando las preguntas desaparecen, también lo hace la comprensión. Este artículo explora por qué confiar ciegamente en GenAI puede estancar el crecimiento profesional, cómo evitarlo y qué prácticas fomentan un aprendizaje activo que perdure.De la curiosidad al piloto automático: el peligro de delegar el pensamientoLos mejores ingenieros se distinguen por una cualidad simple: curiosidad insaciable. Quienes adoptan GenAI como “cerebro externo” corren el riesgo de silenciar esa voz interior que pregunta “¿por qué?”. El arquitecto Ben Hoskin advierte que, si se delega todo el razonamiento, el desarrollador “ya no piensa”. Es parecido a depender de un GPS: llegas al destino, pero olvidaste el camino. Con el tiempo, la habilidad para trazar rutas propias se atrofia.GenAI y la fragilidad del conocimiento de copia-y-pegaImitar sin entender genera un saber que se derrumba fuera del tutorial. El código “limpio” que no resuelve el problema correcto es como un castillo de naipes: luce impecable hasta que cambia el viento. Un estudio del MIT detectó que apoyarse excesivamente en LLM reduce la capacidad de análisis; Hoskin coincide: aplicar principios sin comprender su propósito crea soluciones frágiles. Dicho de otro modo, copiar una receta no te convierte en chef; quemar un par de pasteles mientras experimentas sí.Experimentos antes que ejecuciones ciegas: cultivar el aprendizaje activoAprender a programar se parece más a un laboratorio que a una fábrica. La CEO de Workers IO, Chaitanya Choudhary, construyó un sistema de autenticación exquisito… que los usuarios abandonaron por complejo. Desde entonces, valida el problema con prototipos mínimos y solo invierte en arquitectura cuando la hipótesis resiste la prueba. Pensar cada funcionalidad como un experimento —“¿y si estamos equivocados?”— mantiene abiertas las vías de escape y, sobre todo, la mente.Cuando el código correcto resuelve el problema equivocadoMuchos fallos emergen tarde: en la demo o durante la prueba de aceptación del usuario. Entonces descubrimos que la aplicación cumple requisitos mal planteados. El error no estaba en la sintaxis, sino en la premisa. Igual que un ingeniero civil revisa primero el suelo antes de diseñar el puente, un software engineer debería cuestionar la necesidad antes de escribir la primera línea. GenAI puede acelerar la construcción, pero también acelerar el desastre si el plano original es defectuoso.Usar GenAI como acelerador, no como muletaAutomatizar tareas repetitivas libera tiempo para pensar, siempre que el desarrollador revise la salida con escepticismo. La revisión resulta “aburrida”, admite Hoskin, y ahí yace la tentación de confiar. Para evitarla:Pregunta antes de pedir código: “¿Qué alternativas existen?” o “¿qué suposiciones estás haciendo?”. Obliga a la IA a exponer su razonamiento.Refactoriza a mano: toma la propuesta de la IA y mejórala. Así practicas lectura crítica y diseño.Inyecta casos límite: genera “situaciones incómodas” que revelen debilidades lógicas.Documenta por tu cuenta: escribir explicaciones consolida la comprensión y detecta huecos.Encender y mantener la chispa de la curiosidadLa tentación de volverse complaciente crece con la experiencia. Alex Dunlop confiesa que, tras años como senior, sentía la carga de “tener todas las respuestas”. Recuperó el entusiasmo al declararse explorador de lo desconocido: cada tarea es una incógnita, no una rutina. Choudhary practica proyectos de curiosidad: pequeñas herramientas que resuelven problemas reales y fuerzan a desmontar motores internos de la IA para entender “por qué eligió este enfoque”. Esa actitud convierte a GenAI en acelerador de aprendizaje, no en sustituto.En un mercado donde la generación de código se vuelve commodity, la ventaja competitiva será pensar más hondo, no teclear más rápido. Quien conserve la costumbre de preguntar, experimentar y validar seguirá creando software que importa. Quien delegue su juicio a la máquina terminará escribiendo programas impecables pero irrelevantes. Al final, la herramienta que más importa sigue siendo la curiosidad humana.La noticia ¿Está GenAI apagando la curiosidad de los desarrolladores? fue publicada originalmente en Wwwhatsnew.com por Juan Diego Polo.