En este vídeo me hago una pregunta que, siendo honestos, yo mismo me planteé: en la era de Copilot, ChatGPT, Cursor y ahora el “agentic coding”, ¿Clean Code sigue importando o ya da igual porque el código lo escribe un agente y lo lee otro agente? Si el humano cada vez toca menos el código y se dedica más a orquestar objetivos y outputs, parece tentador pensar que nombrar bien variables, refactorizar o cuidar la estructura es puro romanticismo. Pero los datos me callaron. Repaso estudios donde, solo por ofuscar nombres (pasar de “customerOrderTotal” a “x”), el rendimiento de un LLM cae hasta un 75% al explicar código. Y no es solo comprensión: en generación también hay diferencia consistente (mejor similitud semántica con nombres descriptivos). Además, cuando el input tiene bugs o “mala salud”, el modelo tiende a propagarlos: hay papers donde la tasa de acierto se desploma y otros que muestran cómo los LLM replican bugs históricos. Mi conclusión: Clean Code no muere, se transforma. Cambia el nivel de abstracción, se encapsula en reglas, configs y hábitos del equipo… pero sigue siendo una palanca directa para que la IA funcione mejor y para mantener profesionalidad. Yo sigo escribiendo limpio cuando me toca, porque quiero ser ese artesano que entrega algo de lo que puede estar orgulloso, aunque nadie “tenga” que leerlo.