Este artículo presenta un argumento teórico que sostiene que la IA generativa está acelerando la democratización del pensamiento computacional y, a su vez, reconfigurando la educación, la práctica profesional y la naturaleza de la computación misma. Tradicionalmente, el pensamiento computacional ha estado estrechamente ligado al aprendizaje de la programación, limitando así quién podía emplearlo efectivamente. La aparición de modelos de lenguaje grande (LLMs) desafía esta conexión al desacoplar muchas formas de resolución de problemas computacionales de la programación directa. En respuesta a este cambio, el artículo explora las implicaciones para el diseño curricular y los roles de la fuerza laboral a través de una lente teórica e interpretativa. Basándonos en la literatura previa, el contexto histórico y ejemplos ilustrativos de becas y prácticas recientes, desarrollamos una descripción conceptual de la computación aumentada por IA. Argumentamos que los LLMs disminuyen las barreras de entrada al abstraer gran parte de la codificación manual y reasignar el esfuerzo hacia el enmarcado de problemas, la ingeniería de prompts, la supervisión y la validación. Además, argumentamos que esta transición está redistribuyendo habilidades computacionales entre disciplinas, posicionando la ingeniería de prompts como una práctica de ingeniería emergente y aumentando la presión sobre las universidades para rediseñar los currículos en torno a la alfabetización, fluidez y dominio de la IA.
Schmidt et al. (Miér,) estudiaron esta cuestión.