La política de IA de QGIS con "humanos en el bucle": ¿Un modelo para el código abierto?

El debate sobre el lugar de la IA generativa en el desarrollo de software ha alcanzado su punto álgido, especialmente dentro de la comunidad de código abierto. ¿Es la IA un potente acelerador para la innovación o un caballo de Troya para los problemas de derechos de autor y la degradación de la calidad del código? QGIS, el popular sistema de información geográfica de código abierto, ha intervenido con una política que, aunque a menudo se percibe como una prohibición, ofrece un enfoque más matizado: el "humano en el bucle" no es opcional. Esta decisión refleja una tensión creciente entre el atractivo de la automatización y el valor duradero de la supervisión humana y el desarrollo ético en proyectos colaborativos.

Aunque algunos medios de comunicación podrían caracterizarla como una prohibición total, la política oficial de QGIS establece que los colaboradores son libres de usar las herramientas que deseen, siempre que "debe haber un humano en el bucle" [9]. Esta distinción es crucial, trazando una línea entre la IA como herramienta de asistencia y la IA como generador de código autónomo. Es un sentimiento que se repite en varios proyectos de código abierto, desde QEMU hasta NetBSD, que han promulgado políticas estrictas contra el código generado por IA, citando preocupaciones que van desde contenido no protegible por derechos de autor hasta la erosión de la confianza en el ecosistema de colaboradores [1, 2, 7]. El tejido mismo del código abierto, construido sobre relaciones humanas y responsabilidad compartida, se enfrenta a un desafío fundamental a medida que la IA difumina las líneas de autoría y responsabilidad.

El coste de la automatización sin control

La razón detrás de políticas tan estrictas es multifacética, pero un problema central gira en torno a lo que Loris Cro, vicepresidente de la Comunidad de Zig Software Foundation, ha denominado "póker de colaboradores" [2]. En esencia, los mantenedores invierten su tiempo no solo en revisar código, sino en fomentar relaciones a largo plazo con los colaboradores. Una solicitud de extracción técnicamente perfecta, si está completamente generada por IA, no proporciona una base para esta inversión. Agota la valiosa energía de los mantenedores sin fomentar talento humano nuevo y fiable. Imagina revisar una entrega de 10.000 líneas de un colaborador primerizo —una clara señal de alerta de generación por IA— que produce poca o ninguna iteración productiva [2]. El proyecto cURL incluso vio cómo su programa de recompensas por errores se volvió insostenible después de que el 20% de las entregas fueran generadas por IA [2].

Más allá del capital social, existen graves preocupaciones técnicas y legales. Los estudios sugieren que incluso los LLM modernos exhiben un plagio inherente, con tasas del 2-5%, y este problema de memorización parece aumentar con el tamaño del modelo [5]. No se trata solo de copias accidentales; se trata de un riesgo fundamental que podría llevar a infracciones de derechos de autor o, como mínimo, a una base de código plagada de componentes no originales o legalmente cuestionables. La propia Microsoft se enfrentó a un caso de alto perfil en el que contenido generado por IA fue plagiado, lo que destaca la naturaleza generalizada de este problema [5]. Para proyectos como QGIS, que sustentan aplicaciones críticas, introducir código con una procedencia incierta es un riesgo inaceptable.

Responsabilidad por encima del anonimato

La política de "humanos en el bucle" de QGIS se alinea con un enfoque pragmático que está ganando terreno en algunas partes del mundo del código abierto. Obliga a que, si bien las herramientas de IA pueden ayudar, el desarrollador humano siga siendo el responsable final de comprender, probar y mantener el código que envía [9]. Esto contrasta con la etiqueta "Assisted-by" del kernel de Linux, que también impone responsabilidad humana, pero permite contribuciones generadas por IA más explícitas [2]. Ambos enfoques priorizan la responsabilidad, pero la política de QGIS ofrece un límite más claro para proyectos que quizás no tengan la escala o las jerarquías de confianza establecidas del kernel de Linux.

De hecho, mientras la comunidad de Debian debatía su propia posible prohibición de código de IA en agosto de 2026, expertos como Joe Phillips de Hybrid Workforce Standard sugirieron que el problema central no era principalmente los derechos de autor o incluso el impacto ambiental, sino la "pérdida de habilidades" de los nuevos colaboradores [6]. Si los desarrolladores se apoyan demasiado en los modelos de IA, nunca aprenden verdaderamente las complejidades del empaquetado o el desarrollo de proyectos, lo que lleva al agotamiento de los mantenedores y a una futura línea de colaboradores debilitada. Justin Beals, CEO de Strike Graph, va más allá, argumentando que una prohibición general es una "solución equivocada para el problema real", que es la falta de métodos de verificación fiables para el código generado por IA [6]. Para QGIS, asegurar que un humano comprenda y revise cada línea de código enviada mitiga estos riesgos, fomentando un aprendizaje genuino y protegiendo la salud a largo plazo del proyecto.

El camino a seguir para el código abierto

La política de QGIS no es un incidente aislado, sino una señal de la madurez evolutiva de la comunidad de código abierto frente a la IA generativa. Si bien algunos podrían presionar por prohibiciones totales —como hizo Oracle para las contribuciones a OpenJDK en agosto de 2026 [12]—, el enfoque de QGIS representa un término medio más sostenible. Reconoce la utilidad de la IA como herramienta, al tiempo que defiende firmemente los principios de la responsabilidad humana, el desarrollo ético y el cultivo de colaboradores cualificados.

El desafío para los proyectos de código abierto ahora es definir pautas claras que diferencien entre la asistencia de IA y la generación total de IA, e implementar procesos de verificación que refuercen la responsabilidad humana. A medida que las herramientas de IA se vuelvan cada vez más sofisticadas e integradas en los entornos de desarrollo, detectar su uso será más difícil [6]. Por lo tanto, políticas como la de QGIS, que se centran en el papel del humano en la comprensión y validación del código, en lugar de simplemente identificar su origen, parecen ofrecer un modelo más robusto y preparado para el futuro para mantener la integridad y el espíritu colaborativo del desarrollo de código abierto. Es una postura pragmática que valora el elemento humano por encima de todo, asegurando que la innovación no se produzca a costa de la confianza o la calidad.