Nadie te dice esto sobre la IA: tu código legacy es el culpable del slop

Usas ChatGPT. Usas Claude. Usas Copilot. Y aún así, el código que genera la IA es mediocre, genérico, o directamente inservible.

Seguro has escuchado a cientos de desarrolladores quejándose: "La IA solo genera slop", "El código de Claude parece escrito por un becario", "GitHub Copilot no entiende mi proyecto".

Y tienen razón parcialmente. Pero se están equivocando en el diagnóstico.

La culpa no es de la IA. La culpa es de tu código legacy.

---

El argumento que cambió mi forma de ver la IA

Hace unos días, un artículo explotó en Hacker News con un ratio de discusión altísimo (43 puntos, 59 comentarios en pocas horas, ratio de 1.37). El autor plantea algo incómodo: la calidad del output de la IA depende más de tu codebase que de tu prompt.

Suena a excusa, pero tiene toda la lógica del mundo.

Los modelos de lenguaje aprenden de millones de repositorios públicos. Stack popular como Python, React, Rust, TypeScript — la IA los conoce al dedillo. Ha visto patrones, estructuras, convenciones y hasta bugs repetidos miles de veces.

¿El problema? Tu codebase no se parece en nada a eso.

El problema del contexto limitado

Cuando le pides a la IA que escriba código para tu proyecto, esto es lo que realmente pasa:

Escenario ideal → lees la spec → lees un codebase limpio con patrones consistentes → la IA genera el código correcto al primer intento.

Escenario real (tu empresa) → lees la spec → abres un codebase con 15 años de legacy, 3 frameworks mezclados, nombres de variables en spanglish y carpetas que nadie se atreve a tocar → intentas explicarle a la IA cómo funciona tu monstruo → consumes 4 veces más tokens → obtienes código que parece escrito por un borracho.

Esto no es culpa de la IA. Es culpa de tu deuda técnica.

"La calidad del output de la IA no está determinada únicamente por tu prompt. Está determinada por lo que el modelo ya sabe de los datos de entrenamiento y el contexto que le das para trabajar."

Por qué los stacks populares ganan (y tu stack legacy pierde)

Hay una razón por la que la IA es excelente generando React, Python o SQL y horrible con tu framework interno hecho por un internista que se fue en 2019.

Los modelos han visto millones de ejemplos de código React. Saben cómo se estructura un componente, cómo se manejan los hooks, cómo se organizan los archivos.

Pero tu lenguaje propietario, tu framework interno sin documentación, tus patrones inconsistentes — la IA tiene que aprenderlos desde cero, consumiendo tu valioso contexto de ventana.

Cada vez que la IA se equivoca, tú pagas el costo. En tokens. En tiempo. En calidad.

Los datos no mienten

Un estudio sobre ingeniería de software asistida por IA mostró que los equipos con codebases limpios y estandarizados obtienen hasta un 40% más de código aceptado que aquellos con codebases legacy inconsistentes.

💡 Dato clave: si tu empresa usa un stack que la IA no conoce bien, estás perdiendo entre un 30-50% del potencial de la herramienta.

La conclusión incómoda

Reescribir tu código legacy ya no es solo una cuestión de "modernización tecnológica". Es una decisión económica de IA.

Cada línea de código legacy mal escrita, cada patrón inconsistente está subsidiando a tus competidores que sí tienen un codebase limpio y amigable para la IA.

¿Qué hacer? Mi opinión polémica

1. Estandariza tu stack. Migra a tecnologías que la IA conoce bien.
2. Paga la deuda técnica primero. Antes de pedirle a la IA que genere features nuevas, refactoriza lo que ya tienes.
3. Adopta patrones consistentes. Si cada archivo se ve diferente, la IA no va a saber qué patrón seguir.
4. Considera reescribir módulos clave. La IA cambió las reglas del juego económico.

Lo que nadie te dice

Las empresas de IA no quieren que sepas esto. Porque si sabes que el problema no es el modelo sino tu código legacy, entonces tienes dos opciones: arreglar tu casa o seguir culpando a la IA y pagando suscripciones que nunca te darán el resultado que esperas.

Comparte esto con ese compañero que sigue culpando a la IA por su código legacy. O mejor, compártelo con tu CTO. Tal vez así entiendan que el problema no es la herramienta — es la base sobre la que construyen. 🎯

¿Tú qué opinas? ¿Has notado que la IA funciona mejor con stacks modernos que con legacy? Déjalo en los comentarios 👇