La meva perspectiva honesta sobre la IA

Hi ha molt de soroll al voltant de la IA. També hi ha molt d'escepticisme defensiu. La realitat, a la meva experiència, és al mig: la IA és una eina, útil en alguns contextos i sobrestimada en d'altres.

Compartiré els usos concrets que em donen valor real treballant amb IT i aprenent tecnologia, no els casos d'ús teòrics.

1. Depurar errors i entendre missatges d'error

Aquest és probablement el meu ús més freqüent. Quan em trobo amb un error que no entenc, abans buscava a Stack Overflow durant 20 minuts. Ara enganxo el missatge d'error amb el context rellevant en un LLM i en segons tinc una explicació clara i opcions de solució.

L'important és donar context: no només el missatge d'error, sinó la versió del programari, què estava fent, i el fragment de codi o configuració rellevant.

2. Explicar conceptes tècnics que no domino

Quan llegeixo documentació tècnica i hi ha alguna cosa que no entenc, demano una explicació adaptada al meu nivell. "Explica'm com funciona el TLS handshake com si sabés de xarxes però no de criptografia" — aquest tipus de sol·licitud ajustada al context és on els LLMs brillen.

També faig servir això per aprendre comandes noves: "Què fa exactament iptables -A INPUT -m state --state ESTABLISHED,RELATED -j ACCEPT?"

3. Generar esborranys d'scripts i configuracions

Per a scripts d'automatització, fitxers de configuració, expressions regex o consultes, demano un esborrany i el reviso. No copio i enganxo a cegues —sempre entenc què fa abans d'executar-ho— però tenir un punt de partida que funciona el 80% del temps estalvia molt de temps.

Regla personal: mai executo codi generat per IA sense entendre'l. El risc d'executar alguna cosa que fa exactament el contrari del que creus és real.

4. Preparar documentació interna

Escriure documentació és tediós. Donat un procediment que ja sé fer, demano que m'ajudi a estructurar-lo en format markdown o a fer un runbook. El resultat necessita revisió, però el punt de partida estalvia temps.

5. Aprendre fent preguntes de seguiment

El que més valoro dels LLMs per aprendre és la conversa iterativa. Puc preguntar, demanar que aprofundeixi en un punt, demanar un exemple diferent, preguntar "i per què no fer servir X en lloc de Y?" sense sentir-me malament per fer preguntes "bàsiques".

El que NO faig servir per IA

També és important saber els límits:

  • Informació molt recent: els models tenen data de tall. Per a CVEs o versions actuals, millor les fonts oficials
  • Decisions d'arquitectura crítiques: un LLM no coneix el context complet de la teva infraestructura ni les restriccions de la teva organització
  • Dades confidencials: mai enganxo contrasenyes, tokens, dades de clients o informació sensible en models al núvol. Per a això faig servir models locals amb Ollama
  • Verificació de seguretat: un LLM et pot dir que un codi "sembla segur" però no és un substitut d'una auditoria real

Eines que faig servir

  • Claude (Anthropic): el meu preferit per a raonament complex, documentació i anàlisi llarga
  • ChatGPT: bo per a consultes ràpides i generació de codi
  • Ollama + llama3: per a tot el que no vull que surti de la meva màquina
  • GitHub Copilot: autocompletat a l'editor, estalvia temps en boilerplate

Reflexió final

La IA no em fa més intel·ligent ni més expert. Em fa més ràpid en les coses que ja sé fer i m'ajuda a aprendre coses noves amb menys fricció. Això, per a algú que aprèn IT de forma autodidacta, és molt de valor.