tecnologia

Torvalds, escéptico de la ia: '90% marketing, 10% realidad'

Linus Torvalds, el legendario creador de Linux, ha reevaluado su postura sobre la inteligencia artificial, alejándose del escepticismo inicial y aceptando su potencial, pero con una cautela férrea. En una reciente charla en el Open Source Summit Europe de Viena, el ingeniero de software desmintió la promesa de una revolución inmediata, argumentando que el ruido comercial que rodea a la tecnología supera con creces su utilidad práctica.

Un comienzo cauteloso: la desconfianza de 2024

Al principio, las herramientas de IA generativas fueron recibidas con recelo por la comunidad de programación. La capacidad de generar código en segundos era atractiva, pero la proliferación de ‘alucinaciones’, errores y resultados engañosamente convincentes obligaba a una revisión exhaustiva. Torvalds, fiel a su estilo pragmático, resumió su visión con una frase contundente: “90% marketing y 10% realidad”. La promesa de una transformación instantánea, lejos de materializarse, se topó con la dura realidad de aplicaciones fiables y limitadas, lo que le llevó a esperar varios años para observar qué proyectos resistían el paso del tiempo tras la efervescencia inicial.

Pero la historia no termina ahí. Torvalds comenzó a explorar usos concretos de la IA, integrándola en proyectos personales como AudioNoise, donde empleó C y el entorno Antigravity de Google para desarrollar un visualizador en Python. Incluso se mostró receptivo al ‘vibe coding’, una metodología para aprender y experimentar con proyectos pequeños. Sin embargo, la condición era ineludible: generar código sin una comprensión profunda era inaceptable, especialmente si debía ser revisado, corregido y mantenido por otros durante años.

La ia entra en la revisión del kernel

La ia entra en la revisión del kernel

El punto de inflexión llegó cuando las herramientas de IA dejaron de limitarse a la generación de código y comenzaron a participar activamente en la revisión, las pruebas y la detección de errores. Greg Kroah-Hartman, un pilar fundamental del desarrollo de Linux, ha experimentado con sistemas de ‘fuzzing’ asistidos por IA, una técnica que introduce datos erróneos para provocar fallos y revelar problemas ocultos. Se han aplicado estas pruebas a componentes críticos como el servidor SMB del kernel, USB, HID, Wi-Fi, redes y la arquitectura LoongArch, donde la IA identifica comportamientos sospechosos, pero sin tomar decisiones definitivas sobre las correcciones a implementar. Un programador sigue siendo quien analiza minuciosamente cada resultado, descartando los falsos positivos y preparando las correcciones necesarias.

Más allá de la simple generación de código

Más allá de la simple generación de código

Otro ejemplo es Sashiko, un sistema que analiza los parches enviados al kernel y proporciona observaciones sobre posibles errores. Funciona como un revisor adicional, complementando, pero no reemplazando, la labor de los mantenedores. Ya no se trata de rechazar la IA, sino de integrarla de forma inteligente en el proceso de desarrollo. Torvalds sigue criticando los parches inútiles y los informes inventados, pero ha reconocido que prohibir una tecnología capaz de detectar errores y automatizar tareas repetitivas sería miope.

Linux, un proyecto abierto a la ia, con reglas claras

Linux, un proyecto abierto a la ia, con reglas claras

En julio de 2026, Torvalds dejó claro que Linux no se adscribirá a un enfoque anti-IA. A quienes intenten imponer una prohibición, les respondió con una directriz inequívoca: “O simplemente márchate”. Linux, sin embargo, mantiene reglas estrictas: el código debe cumplir con la licencia GPL-2.0 y un humano debe revisarlo, entenderlo y asumir la responsabilidad de su calidad. Cuando la participación de una herramienta es significativa, se indica con la etiqueta ‘Assisted by’. La evolución de Torvalds ha sido notable, transformando su escepticismo inicial en una aceptación pragmática, pero siempre con un ojo puesto en la calidad y la integridad del código. La inteligencia artificial y los modelos generativos pueden asistir en las tareas de programación y la escritura de código, pero la supervisión humana sigue siendo indispensable.