Desde que empezó la revolución de la inteligencia artificial, todo el mundo intenta usarla para resolver problemas del día a día: qué comer, qué rutina de gimnasio hacer, dudas existenciales, ayuda para el estudio… Hoy vengo a analizar, desde mi punto de vista como usuario principiante, el uso de la IA en la programación.
Ver cómo transforma el lenguaje natural a código es una maravilla: es como tener un mini programador en el equipo, alimentado a base de tokens. Pero hay un dicho que encaja con lo que vamos a analizar:
“Los tiempos difíciles crean hombres fuertes, los hombres fuertes crean tiempos fáciles, los tiempos fáciles crean hombres débiles y los hombres débiles crean tiempos difíciles.”
Me refiero a que al facilitar la ejecución de ciertas tareas perdemos el reto y la complejidad, y eso puede hacer que la base no sea sólida.
La IA ha venido para quedarse, pero no es un fin en sí misma
La inteligencia artificial ha llegado para quedarse, eso es evidente. Pero la estamos usando mal cuando la tratamos como un fin. Es una tecnología recién nacida que evoluciona rápidamente (modelos como ChatGPT, Google Gemini, Anthropic Claude o Meta Llama mejoran a gran velocidad), pero todavía comete errores. Por eso hay que saber cómo usarla.
Riesgo: dependencia y pérdida de aprendizaje
Usar la IA como atajo permanente tiene consecuencias:
- Pierdes el proceso de aprendizaje profundo.
- Dependencia de soluciones sin entender la lógica.
- Errores sutiles que pasan desapercibidos si no conoces la base.
Cómo la uso yo: IA como herramienta didáctica, no como sustituto
En mi flujo de trabajo la IA actúa como medio y no como fin. No uso técnicas avanzadas de prompt engineering, ni “tips ultra secretos”. La utilizo para filtrar y sintetizar información que yo previamente he buscado y trabajado.
Workflow práctico: estudio y depuración paso a paso
- Buscar recursos: tutoriales en YouTube, documentación oficial, ejemplos.
- Practicar el código: intento escribir y entender por mí mismo.
- Si algo no lo entiendo, llamo a un asistente (por ejemplo ChatGPT, Gemini o Claude) y le pego el fragmento que no entiendo.
- Pido una explicación didáctica: “Explícamelo paso a paso como si fuera un niño”. No le pido que reescriba el código; le pido que razone y explique lo que ocurre.
- Si el código no funciona, le pido que lo revise y explique el fallo (no solo que lo corrija). Quiero entender el error para poder resolverlo en el futuro.
Ejemplo de prompt educativo
“Te paso este fragmento de JavaScript. Explícamelo paso a paso en lenguaje sencillo y dime por qué podría fallar. No lo reescribas; explícame la lógica.”
Revisar, entender y corregir: la clave del aprendizaje con IA
Cuando la IA te corrige sin explicarte, te quedas con la solución pero no con la razón. Para mí, la IA educativa debe actuar como un tutor, no como un programador que escribe por ti.
¿Qué pido cuando pido revisión de código?
- Explicación de cada parte de la función.
- Posibles causas del error (ej.: punto y coma faltante, scope, tipos).
- Sugerencias para pruebas sencillas o console.log para depurar.
- Referencias a documentación oficial cuando procede.
IA para diseño e imágenes: coherencia visual rápida
Cuando practico, necesito una parte visual. En lugar de perder tiempo buscando imágenes, pido a la IA que genere assets coherentes con el proyecto (mockups, iconos, paletas). Esto da consistencia visual y evita que el prototipo parezca una plantilla vacía.
Herramientas IA útiles para imágenes y diseño
- Nano Banana Copilot para generar ilustraciones.
- Ajustar prompts para que la estética encaje con tu branding.
Modelos que utilizo o consulto con frecuencia
- ChatGPT (OpenAI).
- Google Gemini. (Nano banana)
Diversificar modelos evita sesgos y amplía la comprensión.
Buenas prácticas para usar IA mientras aprendes a programar
- Usa la IA como segundo cerebro, no como sustituto.
- Exige explicaciones, no solo resultados.
- Escribe código a mano, no todo copiar/pegar.
- Contrasta siempre con documentación oficial.
- Haz pruebas: casos límite, errores comunes, pequeños tests.
- Lleva un diario de errores para reforzar aprendizaje (tu propio blog puede ser ese diario).
Evita caer en la trampa del copy/paste
Copiar acelera, pero empobrece el aprendizaje. Si usas snippets, reescríbelos y comprende cada línea.
Ventajas reales: cuándo la IA realmente acelera tu trabajo
- Acelera la investigación.
- Permite generar prototipos visuales.
- Sugiere diseño y arquitectura.
- Te da soporte inmediato 24/7.
Conclusión: úsala con cabeza
La IA duplica mi velocidad de producción en muchos ámbitos (maquetación, diseño, prototipado), pero no debe sustituir tu percepción e interpretación. Úsala como segundo cerebro, no como el primero, para evitar dependencia y asegurar que tu base técnica siga siendo sólida.
Nota final
Mi consejo es sencillo: usa la IA, pero exige explicaciones; escribe el código, arréglalo, rompe cosas y vuelve a levantarlas. Así se aprende de verdad.
