«Proxy de carne»: la persona que reenvía ChatGPT en vez de pensar
«Proxy de carne»: la persona que reenvía ChatGPT en vez de pensar
Un compañero ha adquirido un nuevo superpoder: responder a una pregunta sencilla con siete párrafos sospechosamente parecidos a un texto de ChatGPT. Ahora existe un término para este comportamiento: «proxy de carne» (meat proxy): una persona se convierte en un transmisor viviente de la respuesta de una red neuronal, sin añadir apenas ideas propias.
Según la información disponible, el término lo acuñó o popularizó el desarrollador alemán Niklas Gruhn. El 3 de agosto describió el fenómeno en su blog. Según el ingeniero, la situación se repetía en Slack, en conversaciones sobre código e incluso en chats de grupo con amigos: alguien hacía una pregunta y el interlocutor enviaba algo como «Claude dice:», seguido de una respuesta enorme copiada íntegramente.
El problema no es el mero hecho de usar IA. Las redes neuronales ya se han convertido en una herramienta de trabajo habitual. El problema empieza cuando quien envía el mensaje se limita a pulsar «copiar» y «pegar», sin leer ni comprobar el resultado. Quien lo recibe se encuentra con un texto largo, pulido y lleno de jerga corporativa, y tiene que averiguar por su cuenta qué se quería decir y si ese tono seguro está ocultando un error.
Gruhn puso como ejemplo una frase especialmente opaca de Claude sobre «eventos del plano de control de NATS» y «recuperación del cuórum R3». Para entenderla tuvo que buscar casi todas las palabras. Por eso, el ingeniero formuló una regla sencilla: se puede usar la IA todo lo que se quiera, pero antes de enviar la respuesta hay que leerla, entenderla y comprobarla, y luego expresar la idea con palabras propias. No se trata tanto de ocultar la ayuda de una red neuronal como de demostrar que detrás del mensaje sigue habiendo una persona.
La publicación se difundió rápidamente por Hacker News y reunió más de 700 comentarios. Los desarrolladores contaban casos de cientos de líneas de análisis generado por una máquina, tras los cuales el autor pedía a sus compañeros que comprobaran si había algo cierto. Otros recordaban documentos internos que parecían impresionantes hasta que alguien los leía con atención. Para esos vertidos espontáneos de texto se inventó otra expresión: «granadas de bazofia» (slop grenades): alguien arroja al chat un montón de texto generado por un chatbot y se marcha, dejando a los demás que recojan los pedazos.
La cosa se vuelve especialmente desagradable al revisar código. Antes de publicar cambios, otro desarrollador debe comprobar que el código funciona y no rompe nada. Si el autor envía código generado que ni siquiera entiende, quien lo revisa tiene que desentrañar la lógica, buscar errores y, en la práctica, terminar el trabajo ajeno. Michaela Greiler, consultora de desarrollo de software, llamó a esta práctica «explotación de la revisión de código» (code review exploitation).
Steve Mayne, director técnico de la plataforma fiscal Yonda, describió la situación así: «Aparece una solicitud de cambio de código: parece plausible, es grande, pero la persona que lo “ha escrito” no puede explicar la línea 40». En su opinión, los procesos de revisión se diseñaron en una época en la que escribir era caro y leer, barato. La IA ha invertido el equilibrio: ahora se puede producir un volumen considerable de texto en segundos, pero revisarlo sigue exigiendo tiempo y responsabilidad.
Dicho esto, el mensaje «ChatGPT dice…» no es en sí ningún delito. Si alguien ha leído la respuesta, la ha comprobado y cree que es útil, indicar la fuente incluso ayuda a entender de dónde procede la información. La frontera razonable no está entre «usar IA» y «no usarla», sino entre emplearla con criterio y reenviar su contenido sin pensar.
Usa ChatGPT y Claude. Solo tienes que pasar la respuesta por tu propio cerebro antes de enviarla al chat del trabajo. Si no, tus compañeros ya saben cómo llamarte.
PEREC.RU
La nueva etiqueta coloquial meat proxy describe a quien usa un chatbot como ChatGPT o Claude como fuente de respuestas prefabricadas y luego reenvía el resultado a sus compañeros casi sin editarlo ni comprobarlo. Según la información disponible, el término lo acuñó o popularizó el ingeniero de software alemán Niklas Gruhn. En una entrada de blog del 3 de agosto contó que se encontraba con este tipo de mensajes a menudo en Slack, en conversaciones sobre código y en chats de grupo. Alguien hacía una pregunta a una red neuronal y enviaba una respuesta gigantesca con una aportación personal mínima.
La principal crítica al meat proxy no es el uso de la IA en sí. Las redes neuronales pueden ayudar a escribir, analizar y explicar temas complejos. El problema aparece cuando el usuario no lee ni comprueba el texto generado. Quien lo recibe tiene que descifrar por su cuenta frases largas, jerga técnica y posibles errores, aunque formalmente solo le hayan respondido a una pregunta. Gruhn puso como ejemplo una frase de Claude sobre eventos del plano de control de NATS y recuperación del cuórum R3: para entenderla tuvo que buscar casi todas las palabras. Propuso una regla: se puede usar IA, pero hay que leer, entender y comprobar la respuesta, y expresarla con palabras propias.
La publicación de Gruhn se difundió rápidamente por Hacker News y recibió más de 700 comentarios. Los desarrolladores describieron casos en los que sus compañeros enviaban cientos de líneas de análisis de IA y después les pedían que comprobaran si era correcto. Otros hablaron de extensos documentos internos que solo resultaban convincentes hasta que alguien los leía con atención. Para esos enormes bloques de texto repentinos apareció el término slop grenades, «granadas de bazofia»: el autor vuelca en una conversación el resultado sin procesar de un chatbot y deja que los demás se ocupen de las consecuencias.
El riesgo es especialmente alto al trabajar con código. Antes de publicar cambios, otro desarrollador realiza una code review, una revisión destinada a detectar errores y evitar fallos. Si quien envía código generado por IA no lo entiende, la persona encargada de revisarlo tiene que estudiarlo, buscar defectos y, en la práctica, terminar el trabajo. La consultora Michaela Greiler llama a esto code review exploitation, explotación del proceso de revisión de código. Steve Mayne, director técnico de la plataforma fiscal Yonda, describió una solicitud de cambios como extensa y plausible, pero señaló que su «autor» no era capaz de explicar la línea 40.
La IA ha cambiado la economía del trabajo: ahora se puede producir un gran volumen de texto o código en segundos, mientras que revisarlo sigue requiriendo tiempo y conocimientos. Eso no significa que atribuir algo a ChatGPT sea siempre malo: si el usuario ha leído y comprobado el resultado y lo comparte con criterio, indicar la fuente puede ser útil. La frontera está entre el uso responsable de la IA y el reenvío irreflexivo de sus resultados. El consejo principal es sencillo: antes de mandar la respuesta de una red neuronal al chat del trabajo, asegúrate de entenderla.
