Actividad con IA — Unidad 2: "El código corre… pero está mal"

← Volver al inicio del curso

Nivel de uso de IA: N4 (actividad diseñada para usar IA) · Modalidad: parejas · Tiempo estimado: 60 min

Objetivo

Entrenar la habilidad más importante al trabajar con código generado por IA (o heredado de cualquier persona): detectar bugs silenciosos — código que corre sin errores y produce resultados incorrectos.

Contexto

Un asistente le pidió a un chatbot "un script que limpie la base de innovación y calcule la tasa de innovación por sector". El chatbot entregó el script de abajo. Corre sin errores. Pero contiene tres bugs silenciosos que cambian los resultados.

## script generado por IA — NO lo corrija todavia
require(pacman)
p_load(tidyverse, rio, janitor)

firmas <- import("datos/originales/innovacion_empresas.csv") %>%
          clean_names()

## limpiar ventas (bug 1 en esta zona)
firmas <- firmas %>%
          mutate(ventas_millones = parse_number(ventas_millones,
                                                locale = locale(decimal_mark = ",")))

## quedarnos con firmas "validas" (bug 2 en esta zona)
firmas <- firmas %>%
          filter(ventas_millones > 0)

## indicador de innovacion (bug 3 en esta zona)
firmas <- firmas %>%
          mutate(innovadora = innova_producto %in% c("Si", "SI", "si", "1"))

## tasa por sector
tasa_sector <- firmas %>%
               group_by(cod_sector) %>%
               summarise(tasa = mean(innovadora), n = n(), .groups = "drop")

tasa_sector

Parte A — Encuentre los bugs SIN la IA (30 min)

Corra el script por bloques y audítelo con código, comparando contra lo que sabe de la base (Tarea 2). Pistas de auditoría — cada verificación apunta a un bug:

1. ¿La conversión de ventas es correcta? Mire valores concretos: firmas_raw %>% select(ventas_millones) %>% head(10) vs. el resultado convertido. ¿Qué pasa con los valores que traían punto decimal ("1166.2") cuando se declara la coma como separador decimal?
2. ¿Cuántas filas sobrevivieron al filter()? ¿Dónde quedaron las firmas con ventas NA? ¿Eso lo decidió usted o lo decidió el código?
3. ¿La definición de innovadora está completa? Compare con la definición del curso (producto o proceso o organizacional) y revise qué pasa con valores como "Si " (con espacio) — table(firmas_raw$innova_producto).
4. Además: ¿el script eliminó los duplicados? (bug de omisión que cuenta como parte del bug 2 o como hallazgo extra).

Entregable A: una tabla de auditoría en comentarios:

## BUG 1: [donde esta] | [que produce] | [verificacion que lo demuestra]
## BUG 2: ...
## BUG 3: ...

Parte B — Ahora sí, la IA (20 min)

1. Pídale al chatbot que audite su propio script: "Este script de R corre sin errores pero sospecho que tiene bugs silenciosos. Enuméralos con una verificación en R para demostrar cada uno: [pegar script]".
2. Compare la auditoría de la IA con la suya: ¿encontró los tres? ¿inventó problemas que no existen? ¿propuso verificaciones o solo afirmaciones?

Parte C — La versión correcta (10 min)

Escriba la versión corregida (la Tarea 2 ya se la sabe) y demuestre con dos números que los bugs importaban: la tasa de innovación global y el N del script bugueado vs. el corregido.

Qué se evalúa

Regla de oro que deja esta actividad: "corre sin errores" no significa "está bien". El N y el summary() son el detector de mentiras del código — propio, ajeno o de la IA.