AI slop

Fran Soto, ingeniero en Amazon, ofreció la definición más precisa del término en su artículo de abril de 2026 en newsletter, "Developer Taste: Separating Good Code from AI Slop": código que compila, pasa las pruebas, parece correcto en la superficie y "hace más difícil la vida de todos durante los próximos seis meses". El fallo no es una compilación rota. Es un juicio roto, y el compilador no puede detectarlo.

Philippe Ensarguet rastreó el mismo patrón en la gobernanza del código abierto en febrero de 2026, donde el daño es medible en tiempo de los mantenedores. Como el esfuerzo de escribir una contribución solía ser una señal de que alguien comprendía el proyecto, las entregas generadas desacoplaron ambas cosas: resultados de apariencia plausible sin ninguna comprensión detrás. Ghostty respondió con prohibiciones permanentes al código generado por IA, tldraw cierra automáticamente los PR externos, y cURL cerró su programa de recompensas por errores tras verse desbordado por entregas vacías. La solución que propone Ensarguet es filtrar según el contexto demostrado en lugar del esfuerzo: si la entrega está vinculada a issues existentes, si las pruebas están completas, si el código realmente se ejecutó.

Cobus Greyling enmarca el mismo resultado desde el lado de la oferta. En su argumento de noviembre de 2025 sobre el colapso del coste del software, el slop es lo que ocurre cuando un recurso se vuelve lo bastante barato como para desperdiciarlo, del mismo modo que ocurrió antes con el ancho de banda y el almacenamiento.

La pregunta sin resolver está en la propia conclusión de Soto: cuando cualquiera puede generar código, saber qué código merece confianza se convierte en la habilidad diferenciadora, y nadie sabe cómo contratar para ella.