Software Engineer. Bioinformatics & AI teacher and researcher @ @eseiuvigo. I know how to code by hand, among other hobbies
Ourense
Joined March 2009
- Tweets19.3K
- Following2.2K
- Followers3.5K
- Likes10.5K
Hay dos ejes para hacer futurología en ingeniería de software:
Eje 1) ¿Cómo se hace software profesional en el futuro?
Pero es que además:
Eje 2) ¿Qué software? ¿Cuál es el que tendrá sentido exportar a alguien? (ya sea opensource o comercial)
Mas ejemplos del Eje 2
Un juego hecho desde cero con Fable 5.2. Coste: 550$
Dice Felix, que trabaja en Anthropic, que fue un prompt.
Vamos a tener una ola de juegos y software creado por IA. El tema es que ¿realmente van a aportar algo? ¿lo va a usar alguien?
Ayer comenté el sistema operativo que crearon en 8 días y mucha gente decía que si tenía utilidad, que para qué crear algo así... Y tienen razón.
Ya no es sólo la distribución. Está muy bien ver estas demos (¡y algunas realmente sorprenden!), pero vamos a estar inundados de software que nadie nunca usará.
Además, si presuntamente es un prompt, ¿por qué no te ibas a hacer el tuyo adaptado a tus gustos y necesidades?
Creo que también esto nos va a permitir hacer cosas que antes solo podíamos soñarlo pero veremos...
Nunca ha sido tan fácil crear software y por eso nunca ha sido tan difícil venderlo.
53
Daniel Glez-Peña 🇪🇺 retweeted
My prediction for software engineering over the next 3 to 5 years: the industry will come to regret not hiring junior developers.
Organisations are treating junior engineers as a cost they can eliminate with AI, ignoring the fact that developing engineers is an investment in talent we’ll need tomorrow.
In the next 3 to 5 years, the losers will be companies that eliminate junior positions to cut costs. They'll find themselves competing for a shrinking, and therefore, increasingly expensive, pool of experienced engineers.
The winners will be companies that continue investing in junior engineers, and who continue to provide them opportunities to grow, with clear retention strategies.
And for a while, the engineering consultancies that invest in training junior engineers will benefit massively. As those who struggle to staff their projects pay the consultancies a premium for experienced talent.
Daniel Glez-Peña 🇪🇺 retweeted
Los virus no son seres vivos:
El diccionario de la RAE cambia la definición de “vida” para alinearse con la ciencia y su búsqueda en el cosmos
eldiario.es/1_d00a06?utm_cam… vía @eldiarioes @brionesci
Daniel Glez-Peña 🇪🇺 retweeted
This is simultaneously very cool but also a bit exaggerated. Reading the prompt you gave, the prompt veeery much hints that looping is the issue and to find neurons that fix this. And as you say (screenshot below), it couldn't otherwise improve math.
So your project and website are great, but the tweet is a bit of a bait. But it worked, i read the full page including prompts 😄
Daniel Glez-Peña 🇪🇺 retweeted
🔴 ÚLTIMA HORA | Un ciberataque causa pérdidas millonarias en decenas de supermercados en Bélgica y Suecia al disparar la temperatura de los refrigeradores social.elpais.com/w92i2
Caray, pasamos de apenas sacar nada en prensa generalista, a esto. Not bad
“Soy el principal empaquetador de PHP para Debian y de otros paquetes”, explica el ingeniero checo Ondrej Surý. Bajo esos oscuros conceptos de software se esconde un trabajo voluntario que la semana pasada salvó millones de webs en todo el mundo elpais.com/tecnologia/2026-1…
Daniel Glez-Peña 🇪🇺 retweeted
- LLM is just a model you call from Python that predicts the next word
- Chat is just that model called again and again, with the history pasted back in
- Tools are just Python functions the model asks you to run
- Agent is just that loop, running until the model stops asking for tools
- Skills are just markdown files loaded into the prompt when needed
- Memory is just text saved to disk and pasted back into the next prompt
- "Thinking" is just more next-word prediction, before the final answer
- Persona is just a markdown file sitting at the top of the prompt
Nothing here is magic. Everything is next-word prediction with plumbing around it.
But plumbing is where the real work is: evals, cost, retries, permissions, and knowing when the agent is confidently wrong.
Daniel Glez-Peña 🇪🇺 retweeted
Como ingeniero informático, me preocupa más que haya refrigeradores último modelo conectados a Internet (inutilizados en Francia por ataque informático) a que se usen en trenes, aviones o bancos sistemas de más de 30 años que son fiables y no pueden hackearse por Internet.
Daniel Glez-Peña 🇪🇺 retweeted
Justamente escribí ayer sobre esa y otras derivadas del impacto de la IA en la salud mental de los programadores.
Comparte si crees que le puede ser util a alguien.
aicode.academy/blog/es/psico…
El vendaval de la IA está despeinando incluso los cerebros más engomindados.
No había visto el impacto psicológico que puede tener la IA en los trabajadores hasta anoche, hablando con un amigo.
Un tío muy inteligente que en los últimos años había virado hacia la programación (desde el mundo del VFX) se encuentra con que el trabajo de meses lo ha sacado adelante otra persona del equipo en un día, reemplazando su trabajo previo.
La sensación de sentirse obsoleto de golpe lo dejó tiritando. No es solo el miedo a perder el trabajo, sino el sentir que años de esfuerzo por aprender se han ido por el retrete.
Y como guinda del pastel, perder algo que tanto placer intelectual le daba como programar.
Se me ha quedado el pobre hombre más vacío que una cáscara de pipa.
To invalidate "software engineering", you have to challenge it's two parts:
- software (there were be no software in the future)
- engineering (software will be built without following any professional practice to fit it into restrictions)
None of these are threatened.
The software engineering profession will disappear.
I spend a lot of time thinking about the future, and observing trends. Here is my take on what will happen:
1. In 5-10 years from now AI will fully re-write all the technology layers we have now and create a more efficient paradigm. Something a lot more efficient, but not legible by humans. No more Python, Javascript, Java, etc.
2. We will no longer be looking at code at all. We’ll no longer know what code is.
3. The focus will only be on creativity and creative problem solving. Domain expertise and knowledge will still be key to know in which new directions to steer AI to develop novelty.
If you are in software engineering, and not thinking about some domain in depth from all angles (marketing, commercial, financial, legal, etc.) then it is time to make a change now.
163
Daniel Glez-Peña 🇪🇺 retweeted
No hay señales que la IA esté mejorando la economía de ninguna empresa del S&P 500, según un reporte.
Excepto de 7: Apple, Google, Microsoft, Amazon, Meta, NVIDIA y Tesla. ¿Y qué pasa con las demás?
El revenue por trabajador, margen de beneficios y mejora de la productividad está plano, según un estudio de Apollo.
Tengo bastantes lecturas de esto. Primero, que hacer cosas muy rápido no significa monetizar más.
Eso lo veo todos los días, la gente crea muchas cosas, pero pocas realmente con impacto real.
Luego, que también hay muchas empresas que el cambio tecnológico todavía ni se ha asomado por ahí.
¿Cómo ves estos datos? ¿Cómo lo llevan en tu empresa?
El reporte de Apollo es este: apollo.com/insights-news/ins…
ALT Gráfico titulado Revenue per worker moving up for tech but not for the rest of the economy. Compara el ingreso por empleado de Magnificent 7, en verde, y S&P 493, en gris, entre 2019 y 2026; la línea verde sube con fuerza y la gris se mantiene casi estable. Ambas escalas están ajustadas por inflación.
A ver si la falta de proyectos con impacto nunca fue principalmente por la programación como cuello de botella, sino por la falta de ideas con impacto.
1
5
505
Daniel Glez-Peña 🇪🇺 retweeted
Después de unos 4B de tokens gastados con DeepSeek 4.1, he conseguido crear una suite de laboratorios vulnerables. Entre máquinas virtuales ocupa unos 600 GB aproximadamente.
¿Por qué lo hago? Quiero un entorno de investigación para entrenar y hacer benchmark de mi nuevo orquestador + harness. Durante el proceso del pre-laboratorio me di cuenta de que todos los benchmarks están alterados: en el corpus de los LLMs actuales están prácticamente todos los CTFs complejos que se usan como laboratorio. En pocas iteraciones el swarm empieza a reconocer los patrones y se sesga, contaminando el resto del experimento.
Tuve que poner agentes auditando la Chain of Thought para detectar trazas como "Wait, this seems like X CTF…" y casos similares. Siempre aparecían, así que empecé a montar mi propia "mazmorra".
Se compone de unas 8 máquinas Windows con Active Directory y 4 Linux, cada una con diferentes servicios y propósitos específicos. A partir de ahí, ¡dejaron de aparecer las trazas por completo! El swarm empezó a encontrarse problemas, gastar muchos más tokens, turnos de iteración e incluso fallos (anti-comportamiento del harness) que antes no ocurrían. Justo lo que buscaba para tener un dataset más variado.
Ahora mismo el swarm se está peleando para pivotar de las máquinas de AD a las de Linux, y les cuesta un poco. Es divertido ver cómo piensan. Y por cierto, todos los agentes son Deepseek v4.1-flash 1017.
RogerKernel
Daniel Glez-Peña 🇪🇺 retweeted
The em dash vanished from machine text because it annoyed readers, and from human text because writers kept getting mistaken for bots. Now the detector punishes the human for writing like a machine and rewards the machine for writing like a human ↓
No tengo problema en adaptarme a los nuevos tiempos y asumir que no se programará a mano.
Pero cada día me interesa más la pregunta (por estar más abierta) de *qué* software se hará en el futuro y no tanto *cómo* se hará.
Clonar productos, o hacer lo de siempre no es el futuro.
Pienso igual: al final va a ser otra adaptación más. Será tortuoso, pero llegará un equilibrio. El software tendrá un nivel de seguridad adecuado a los nuevos tiempos.
I think this is correct.
All software in the world will go through hardening in the next few months. There’s no other realistic choice.
Cloudflare is about to have their best year ever.
1
2
336
Daniel Glez-Peña 🇪🇺 retweeted
This is it.
Everyone is excited about AI.
I'm not.
AI is the biggest commoditizer of human capability we have ever built. Doctors earn more than cleaners because expertise takes a decade to acquire and judgment to apply. AI is going to make most of that expertise available to anyone, at marginal cost.
The gap doesn't go to zero. But it shrinks. And the same thing happens in almost every knowledge profession. Programmers. Lawyers. Analysts. Traders. Designers. The taxi driver replaced by a robotaxi is the easy case. The harder ones are people who spent twenty years training to do something a model can now do in a second.
The one corner of human life I don't see this hitting is sport. Nobody pays to watch a robot beat a human. The whole appeal is humans competing against each other. That's why nobody watches Deep Blue play chess anymore.
From an investing perspective, the next decade plays out in three phases.
Phase 1 is the buildout. Hundreds of billions in capex on chips, data centers, and energy. This is what's driving today's market.
Phase 2 is the deployment. Productivity rises sharply, then deflation sets in as the cost of knowledge work collapses. Jobs disappear faster than the economy can replace them.
Phase 3 is the social adjustment. Capital becomes more powerful than labor. The biggest winners are likely to sit where AI cannot reach. Real assets. Energy. Commodities. Precious metals. Scarce land.
And there's something deeper than the economics. The Japanese have a word for it: ikigai. The reason you get up in the morning. Your vocation. Your purpose. The work that makes you feel needed. AI is coming for that too. Nobody has yet figured out what a healthy society does when most of its members no longer feel needed by anything.
I might be wrong. I hope I am.
If I'm not, the world is about to change faster than most people are ready for.
