La relación entre el software libre y la inteligencia artificial, atraviesa hoy una tensión fundamental, una que define el futuro de la tecnología abierta. Por un lado, existe un temor legítimo dentro de la comunidad, de que la IA se consolide como una «caja negra» centralizada, opaca y controlada por unos pocos actores corporativos. Una situación que atenta contra la transparencia y la confiabilidad del código de dichos proyectos.
Y, por otro lado, los proyectos de software libre (entre ellos, los de criptomonedas), se encuentran en un punto de inflexión, donde enfrentan una necesidad crítica de herramientas avanzadas capaces de acelerar el desarrollo técnico, sin comprometer la integridad ni la seguridad de dichos desarrollos.
La IA y el software libre
Ante este dilema, Vitalik Buterin ha sugerido recientemente, que la clave para resolver esta paradoja no reside en resistirse al cambio tecnológico, sino en saber dirigir la inmensa potencia de la IA hacia el fortalecimiento de la «trustlessness». Este concepto, que representa la ausencia de necesidad de confiar en terceras partes, se erige como el pilar fundamental de la filosofía cripto, y por supuesto, del mundo del software libre en general.
Y es que el mensaje es sencillo: la seguridad del código es la única ley válida. Así, al transformar a la inteligencia artificial de una amenaza potencial en el último gran auditor del software libre, el ecosistema puede aspirar a un estándar de seguridad y transparencia que hasta hace poco parecía inalcanzable.
EL SINCERICIDIO DE JACK: DESPIDE A 4.000 HUMANOS DE BLOCK PORQUE LA IA ES MÁS BARATA
El experimento de Ethereum
Ante esta realidad, Ethereum está sirviendo como el laboratorio principal para esta integración, demostrando que lo que antes parecía fuera de la realidad ahora es una dirección tecnológica clara hacia la automatización del desarrollo.
Recientemente, se logró experimentar con la hoja de ruta completa para el año 2030 de Ethereum, en cuestión de semanas usando «vibe-coding», un hito que evidencia una aceleración masiva en la escritura de código.
Esta tendencia es tan potente que herramientas ejecutándose localmente en laptops ya permiten replicar software complejo, como sistemas de blogs, en una fracción del tiempo que tomaba hace apenas seis meses.
¿Un riesgo medido?
Sin embargo, esta velocidad vertiginosa conlleva advertencias cruciales sobre la integridad técnica de los proyectos. Construir de esta manera, especialmente sin haber definido previamente los estándares de mejora de Ethereum (EIPs), genera inevitablemente errores críticos y versiones «stub» o incompletas, donde la inteligencia artificial omite la complejidad real del sistema o simplemente no intenta realizar la versión completa.
Básicamente, la IA te acelera el desarrollo, pero como no tengas todo bien pensado, lo que genera puede no ser ni funcional, ni seguro, o directamente, pura basura. Y es allí donde se encuentra el gran reto: equilibrar el uso de la IA, la invención y pensamiento lateral humano, y lograr así desarrollar ideas completas y funcionales.
Sin embargo, pese al riesgo de esta experimentación inicial, lo que verdaderamente importa es la trayectoria del cambio; el «vibe-coding» es solo el preludio de un futuro donde el desarrollo y la corrección de errores ocurrirán a una escala de tiempo drásticamente reducida, con el ser humano, siendo una parte vital para alcanzar los objetivos. Un riesgo medido, para acelerar el desarrollo del software.
Equilibrando la relación hombre-máquina
Y para que esto funcione, es necesario equilibrar la balanza de esta relación de amor y odio, entre el hombre y la máquina. Solo así, surge un cambio de paradigma donde la inteligencia artificial deja de ser solo un generador de líneas de código para convertirse en el auditor definitivo del software libre.
La propuesta central de Buterin, consiste en no utilizar esta tecnología exclusivamente para acelerar la escritura de programas, sino para auditar y verificar el código de forma masiva y sistemática. El enfoque ideal para la comunidad es dividir los beneficios de la IA de manera equitativa: tomar la mitad de las ganancias en velocidad para acelerar la innovación y dedicar la otra mitad a robustecer la seguridad mediante procesos que antes eran humanos y lentos.
LA ECONOMÍA DE LA IA DEPENDE DE LAS CRIPTOMONEDAS PARA FUNCIONAR Y COINBASE LO SABE
Por ejemplo, en este nuevo esquema, la verificación formal se vuelve la piedra angular para garantizar la integridad de las redes descentralizadas. Iniciativas como @leanethereum ya están demostrando este potencial al utilizar inteligencia artificial para generar pruebas verificables por máquina de algunos de los teoremas más complejos en los que se sustenta la seguridad de los STARKs.
De esta manera, el proceso de desarrollo se transforma en una búsqueda de seguridad total donde la IA actúa como un escudo técnico infatigable.
¿Hacia un código sin errores?
Pero la visión de Buterin no se detiene allí. Buterin afirma que esta evolución tecnológica marca el fin de lo que muchos consideraban una «ilusión idealista»: la posibilidad de alcanzar un código verdaderamente libre de errores.
Históricamente, la perfección en el software se considera una fantasía inalcanzable, pero hoy esa visión parece estar cambiando de forma radical. Aunque la inteligencia artificial no elimina por completo la fricción inevitable con los errores y las inconsistencias entre implementaciones, permite acelerar el proceso de «revisión y auditoria».
Pese a esto, es fundamental mantener un realismo sobre la seguridad, entendiendo que la protección «total» sigue siendo teóricamente imposible.
Un nuevo idealismo
De hecho, la visión de Buterin, genera un nuevo idealismo: la IA puede ayudarnos ahora, a generar código seguro. Y eso, dada las experiencias vividas hasta ahora, no parece ser del todo cierto. El hack de Moonwell, por ejemplo, fue introducido por Claude, la IA más potentes para desarrollar. El costo de ese error fue de 1,8 millones de dólares que se perdieron debido a un bug generado por la IA.
Otro ejemplo lo vemos en SaaStr, donde la IA de Replit, no siguió las órdenes de congelamiento de código, generando con ello datos falsos que afectaron al servicio.
El caso curl y el mal uso de la IA en ciberseguridad
Pero quizás el ejemplo más llamativo y peligroso, lo vemos en un pequeño proyecto de software libre: curl.
Daniel Stenberg, el mantenedor principal de curl, que resulta ser una herramienta crítica para casi todo el software moderno, ha denunciado repetidamente cómo la IA está inundando el proyecto con reportes de seguridad falsos o «alucinados».
EL 8M EN TARRAGONA MIRA AL FUTURO: IA, BLOCKCHAIN Y PODER FEMENINO
El error sucede porque los contribuidores, utilizan herramientas de IA para «encontrar vulnerabilidades» y envían reportes que parecen legítimos a primera vista, pero que, tras una inspección profunda, resultan ser basura técnica (slop). Así, solo entre 2024 y 2025, la tasa de reportes válidos en el proyecto cayó de niveles aceptables a apenas un 5%.
El coste aquí es el agotamiento (burnout) de los mantenedores. Evaluar cada uno de estos reportes falsos toma entre 10 y 15 minutos. Si consideramos que proyectos grandes reciben cientos de estos al mes, el coste en tiempo de expertos (valorado a menudo en más de 150 $/hora) supone una pérdida de productividad de miles de dólares mensuales que deberían dedicarse a mejorar el código real. De hecho, para evitar esto, curl ha cerrado su programa de recompensas, y están analizando si reabrirlo, con nuevas directrices o dejarlo cerrado definitivamente.