OpenAI Codex: la IA que sueña con programar por ti (y a veces, es una pesadilla)

Desde la promesa de escribir código hablando en francés hasta la realidad de una IA eficiente pero no infalible, adéntrate en el universo de Codex, el programador virtual de OpenAI.

¿Y si desarrollar una aplicación o un sitio web se volviera tan sencillo como dictar una receta de cocina a un asistente de voz? Esa es, más o menos, la promesa descabellada detrás de OpenAI Codex, una inteligencia artificial creada por los desarrolladores de ChatGPT, que aspira a convertir nuestras palabras en líneas de código. Pero entonces, ¿están nuestros teclados condenados a acumular polvo? No tan rápido, la historia es un poco más compleja y, admitámoslo, mucho más jugosa.

Codex: el hermano mayor de ChatGPT que habla Python

Imagina una IA, Codex, que no es más que un descendiente directo del famoso modelo de lenguaje GPT-3 (sí, el mismo que alimenta a ChatGPT). Pero Codex ha pasado su tiempo devorando bibliotecas enteras de código fuente público, especialmente desde la plataforma GitHub. ¿Resultado? Ha aprendido a "pensar" y "hablar" con fluidez varios lenguajes de programación, con predilección por Python. Su superpoder: entender una instrucción en lenguaje natural —un simple comentario en español, por ejemplo— y traducirlo a código funcional. Esta tecnología es la que dio vida a GitHub Copilot, el asistente que sugiere código a los desarrolladores. ¿Fascinante, no?

HumanEval: el examen de código para IA

Pero, ¿cómo saber si una IA programa "bien"? Los investigadores de OpenAI tuvieron que inventar un test especial para Codex, llamado HumanEval. Imagínalo como un examen de código muy estricto: 164 problemas de programación, escritos a mano por humanos, que la IA debe resolver. Cada solución propuesta por Codex se verifica automáticamente con una serie de pruebas unitarias. Es como pedirle a la IA que demuestre que su código hace exactamente lo que se le pidió, sin trampas.

El estudio fundacional de Mark Chen y sus colegas en 2021, que presentó Codex, reveló cifras reveladoras. En ese famoso HumanEval, la versión más potente de Codex (con 12 mil millones de parámetros, nada menos) logró resolver el 28,8 % de los problemas al primer intento (lo que se conoce como puntuación pass@1). En comparación, GPT-3, su predecesor más generalista, obtuvo un... 0 %. Otro modelo, GPT-J, alcanzó el 11,4 %. Claramente, Codex demostró una especialización real.

Cuando la IA aprende a mentir: un gurú de la tecnología muestra su alarma.

Cuanto más intentos, más aciertos (casi)

Otro concepto clave de este estudio es el pass@k. Detrás de este acrónimo un poco técnico hay una idea simple: si le das a la IA múltiples intentos para resolver un problema, sus posibilidades de éxito aumentan. ¡Como cuando nos empeñamos en resolver un Sudoku! Así, generando 100 propuestas de código para cada problema del HumanEval, Codex logró una solución correcta en el 70,2 % de los casos. ¡Empieza a ser serio! Una versión aún más refinada, Codex-S, alcanzó incluso el 77,5 % en estas condiciones.

La IA programadora: entre genialidades y errores

A pesar de estas hazañas, el informe de Chen y sus coautores ya señalaba en 2021 que Codex no era mago. Entre sus debilidades: se atasca con instrucciones demasiado largas o complejas y tiene dificultades para gestionar correctamente la asignación de variables en el código. Básicamente, un asistente brillante, pero que a veces comete errores de principiante.

Aquí tocamos un tema crucial, también destacado en el estudio: los "impactos más amplios".

• Seguridad: ¿Un código generado por IA, aunque parezca funcionar, puede ocultar vulnerabilidades? El estudio mostró que Codex podía sugerir configuraciones criptográficas claramente inseguras. ¡Ups!
• Fiabilidad y exceso de confianza: Si la IA se equivoca, ¿el humano siempre lo notará, especialmente si es novato? El riesgo de confiar demasiado en sus sugerencias es real.
• Sesgos: Como toda IA entrenada con datos masivos de Internet, Codex no está libre de reproducir sesgos presentes en esos datos, ya sea en comentarios de código o en su estructura.
• Impacto económico: ¿Podría Codex volver obsoletos a los desarrolladores? El estudio de 2021 sugería que, aunque podía aumentar la productividad, el desarrollo de software implica mucho más que escribir código. Sin embargo, la cuestión sobre la evolución de los empleos, incluso la desaparición de puestos junior, quedaba planteada.

Un ejemplo concreto de las discusiones de la comunidad en 2021 ilustraba bien esta ambivalencia: un usuario logró, con un modelo similar a Codex (Davinci-2), traducir un algoritmo JavaScript no trivial (NestHydrationJS) a Python, un resultado calificado de "alucinante". Sin embargo, la necesidad de revisión humana y el potencial de errores sutiles seguían siendo preocupaciones.

AlphaEvolve: la IA de Google que programa más rápido que su sombra

Codex de nueva generación: ¿el agente (aún) más inteligente?

Avancemos rápidamente hasta mayo de 2025. OpenAI anunció una nueva versión, o más bien una nueva encarnación de Codex: un "agente Codex" integrado directamente en ChatGPT para usuarios profesionales. Este, impulsado por un modelo llamado codex-1 (una evolución de o3), ya no se limita a traducir lenguaje natural a código. Promete ir más allá: corregir errores, desarrollar funcionalidades completas, responder preguntas sobre bases de código existentes e incluso proponer "pull requests" (envíos de modificaciones de código, para los no iniciados).

Una novedad importante es su entorno de ejecución seguro, llamado "sandboxed". Es como si la IA trabajara en una habitación aislada, sin acceso directo a Internet mientras ejecuta tareas, para limitar riesgos. Un intento de responder a las preocupaciones pasadas sobre seguridad.

Entonces, ¿adiós a los desarrolladores humanos?

La llegada de estas herramientas ultraeficientes plantea inevitablemente la pregunta: ¿los desarrolladores humanos siguen teniendo lugar? Según OpenAI y los primeros análisis, Codex se posiciona más como un "colega virtual" o un "becario junior con esteroides" (como lo describieron algunos comentarios de la comunidad) que como un reemplazo total. La idea sería delegar tareas repetitivas o tediosas a la IA para centrarse en el diseño, la arquitectura y la validación.

La paradoja es que estas IA se entrenan con millones de líneas de código público, a menudo de proyectos open source a los que humanos contribuyeron. ¿Veremos una IA superar a sus maestros gracias a su propio trabajo? Es uno de los muchos debates apasionantes que plantea esta revolución.

El iPhone de 2027: ¿Está Apple preparando su revolución entre vidrio total y pantalla plegable?

OpenAI Codex, en sus diferentes versiones, representa un avance tecnológico innegable. De simple traductor de lenguaje natural a código a un agente capaz de intervenir más ampliamente en el ciclo de desarrollo, encarna el creciente poder de las IA generativas. Aunque la promesa de automatizar partes tediosas de la programación es tentadora, las cuestiones de fiabilidad, seguridad, ética e impacto laboral siguen en primer plano. Una cosa es segura: la profesión de desarrollador está en plena transformación, y la colaboración humano-máquina parece ser la nueva melodía del código.

Queda por ver si Codex aprenderá algún día a preparar café... ¡o si se conformará con programar la máquina que lo hace a la perfección!