Como ingeniero de software, hoy cada línea de mi código la escribe la IA: hablemos del Vibe Coding

Llevo más de seis años trabajando como ingeniero de software y hace ya más de un año que no escribo una sola línea de código a mano. En mis proyectos actuales, absolutamente todo el código lo genera la IA. Sin embargo, la primera vez que probé a programar con IA hace algo más de un año, la euforia me duró menos de tres días.

La delicia del Vibe Coding

Aún recuerdo cuando, en junio del año pasado (2025), abrí Cursor por primera vez empujado por la curiosidad. A simple vista parecía un clon del clásico VS Code, solo que con una barra lateral para interactuar con la IA.

Hasta ese momento, mi idea de programar con IA no pasaba del autocompletado avanzado que ofrecía Copilot. Pero en cuanto tecleé mi primera instrucción y le di a enviar, ocurrió la magia. Vi a la IA procesar a toda máquina y escupir decenas, cientos de líneas de código a una velocidad de vértigo. No solo eso: saltaba de un archivo a otro actualizándolos con total soltura y hasta ejecutaba comandos directamente en mi terminal.

Bastaba con describir lo que quería en lenguaje natural para que la IA construyera la funcionalidad de cabo a rabo, sin necesidad de teclear nada a mano. Ya no se trataba de sugerir la siguiente línea: la IA había tomado el relevo de buena parte del trabajo de un ingeniero de software desde un plano mucho más abstracto.

Sentí una especie de hechizo, como si tuviera en las manos el pincel mágico de Ma Liang; esa euforia inconfundible de quien ve abrirse las puertas de un mundo completamente nuevo.

En aquel momento, anoté estas reflexiones:

El Vibe Coding está hecho a la medida del TDAH. La programación tradicional choca de frente con una mente dispersa, pero el Vibe Coding te cura de golpe todos los males: la aversión a escribir tests, la pereza con el CSS, los errores tontos al nombrar variables y el tedio de cazar bugs repetitivos.

Con la IA a tu lado, la retroalimentación es instantánea y la sensación de logro, tremenda. Cuanto más mecánico y rutinario es el trabajo, mejor lo resuelve la IA.

Tu papel se reduce a marcar el rumbo, diseñar la arquitectura y actuar como líder de proyecto.

A mí no me interesa picar cada carácter a mano; lo que me fascina es la magia de crear. Del lenguaje ensamblador a los lenguajes de alto nivel, la experiencia de construir software siempre ha ido a mejor y a mayor velocidad.

Poder crear programas desde la perspectiva de un autor puro, sin la pesadez de sentirse un simple peón de obra, es un auténtico privilegio para cualquier programador.

Los límites del Vibe Coding

Esta forma de trabajar tiene nombre propio: Vibe Coding. El término lo acuñó Andrej Karpathy, cofundador de OpenAI, en febrero de 2025. Se refiere a programar dejándote llevar por la vibra del momento: le pides a la IA lo que quieres en palabras llanas, aceptas sin chistar el código que genera, no revisas línea por línea y, si salta un error, se lo pegas de vuelta tal cual a la IA, hasta que prácticamente te olvidas de que el código existe.

Pero la luna de miel duró poco. Apenas tres días después de publicar esas reflexiones tan entusiastas, me topé de bruces con los límites del Vibe Coding.

Estaba montando el prototipo de una app. Me dejé llevar por el Vibe Coding en estado puro, dándole rienda suelta a la IA a partir de instrucciones vagas y sin aplicar ninguna disciplina de ingeniería de software. El resultado no tardó en llegar: la IA se volvió ingobernable y la arquitectura acabó hecha un espagueti imposible de mantener.

Así que decidí tirar todo a la basura y volver a empezar desde cero, pero esta vez con mentalidad de ingeniero de software y siguiendo las buenas prácticas de la industria.

El cambio fue radical. Sin renunciar a la diversión ni a la chispa del Vibe Coding, incorporé revisiones de código rigurosas, documentación cristalina y cambios pequeños e incrementales, refinando el sistema paso a paso en lugar de meter bloques enormes de funcionalidad de golpe. De pronto, la arquitectura y la implementación volvieron a estar bajo control absoluto; cada tiro daba en el blanco. Desarrollar con IA pasó a sentirse como coordinar a un becario brillante: no tienes que implementar cada detalle con tus propias manos, pero jamás puedes soltar el timón de la arquitectura ni dejar de ver la foto completa.

Poco después di el salto a Claude Code. Con un nivel de precisión y control todavía mayor, la sensación fue extraordinaria: mi ritmo de desarrollo se multiplicó por varias veces.

El futuro de los ingenieros de software

«¿Es posible que el Vibe Coding, al permitir crear cosas tan rápido, mate las ganas de profundizar en los fundamentos de la programación?»

¡Rotundamente sí!

El camino tradicional para aprender a programar y construir productos ha sido siempre una escalera peldaño a peldaño: empezabas por los fundamentos de un lenguaje, conseguías un puesto júnior, te fogueabas en el barro con problemas de ingeniería reales y, con el tiempo, te convertías en un ingeniero capaz de valerse por sí mismo. Cada escalón ofrecía retroalimentación tangible. Cualquiera con una capacidad media de aprendizaje y dedicación podía entrar en el sector siguiendo una trayectoria profesional clara.

El Vibe Coding ha reducido la barrera de entrada al mínimo: hoy cualquiera puede montar una demo funcional. Pero la ingeniería de software es un oficio eminentemente práctico. Pasar de una simple demo a un producto comercial robusto y fiable es como la diferencia entre ir de 0 a 1 e ir de 1 a 100.

En el modelo formativo de toda la vida, quien lograba llegar de 0 a 1 adquiría por el camino las bases necesarias para escalar de 1 a 100. En cambio, el Vibe Coding no le da esas herramientas a quien empieza desde cero. En cuanto intentas pasar del 1 al 10, te estrellas contra un abismo de complejidad que desanima a la inmensa mayoría de seguir mejorando.

Como el inicio resulta tan engañosamente fácil, el muro que viene después no se supera con mera curiosidad o un empeño ordinario. Y quien consiga sortearlo sin base previa pertenecerá, sin duda, al 1% de mentes privilegiadas con una capacidad de aprendizaje, ejecución y resolución de problemas fuera de serie.

Dicho de otro modo: ese puñado de personas superdotadas habría llegado a la cima de la ingeniería con o sin IA.

A medida que la programación asistida por IA se vuelve más potente, la industria va prescindiendo de los ingenieros júnior. El relevo generacional se fractura y cada vez menos personas tienen la oportunidad de aprender y curtirse en el mundo real.

Un año después de haber escrito el borrador de este artículo, las estadísticas de empleo confirman esta predicción:

• El Laboratorio de Economía Digital de Stanford analizó datos de nóminas de ADP en Estados Unidos y constató que, a junio de 2026, el empleo entre jóvenes de 22 a 25 años en los sectores más expuestos a la IA se situaba un 19 % por debajo de la tendencia de sus pares en otros sectores (frente al 15 % de brecha registrado un año antes). Entre los profesionales experimentados no se observó una caída similar. Además, esta brecha se debe sobre todo a que las empresas han frenado la contratación de recién graduados, no a despidos masivos. (Stanford Digital Economy Lab, 2026-08)
• Según un informe de junio de 2026 de la firma de capital riesgo SignalFire, las contrataciones de graduados y perfiles júnior en 12 gigantes tecnológicos (incluidos Google, Meta, Apple y Microsoft) cayeron cerca de un 65 % respecto a 2019; en las startups en fase inicial, el desplome alcanzó el 76 %. (SignalFire State of Talent Report 2026)
• De acuerdo con los datos del portal de empleo Indeed, en el primer trimestre de 2026 los puestos júnior representaron apenas el 4,5 % de todas las ofertas de desarrollo de software en Estados Unidos, la proporción más baja de cualquier sector analizado. (Indeed Hiring Lab, 2026-07)

Veo el porvenir de este oficio con bastante pesimismo. La programación en la industria se está polarizando en dos extremos: por un lado, una élite técnica librando batallas titánicas de altísimo nivel; por el otro, aficionados creando prototipos y juguetes que rara vez pasarán del nivel de una demo.

Y no será la única disciplina en sufrir esta suerte: con el tiempo, cualquier trabajo cognitivo de baja o media complejidad terminará absorbido por la IA.

Incluso las matemáticas, el bastión definitivo del pensamiento original abstracto, han comenzado a ceder este último año:

• En enero de 2026, el estudiante universitario de Cambridge Kevin Barreto y el matemático aficionado Liam Price resolvieron el problema 728 de Erdős con la ayuda de GPT-5.2 Pro, un dilema sobre el que no existía prueba previa en la literatura académica. Se considera el primer problema de Erdős resuelto primordialmente por una IA.
• En mayo de 2026, un modelo de OpenAI refutó la conjetura de las distancias unitarias formulada por Erdős en 1946, un enigma que traía de cabeza a la comunidad matemática desde hacía 80 años. El medallista Fields Tim Gowers afirmó: «Ninguna demostración generada antes por IA se había acercado jamás a este nivel». Semanas después, matemáticos humanos lograron mejoras sustanciales a partir del hallazgo de la IA.
• Ese mismo mes, un agente de IA de Google DeepMind resolvió de forma autónoma 9 de 353 problemas matemáticos abiertos, a un coste de unos cientos de dólares por solución.
• El renombrado matemático Noga Alon llegó a declarar que abandonaría el estudio de los problemas de Erdős: «Una vez que la IA empieza a resolverlos, deja de tener sentido».

De qué va esta serie

Hoy en día, cada vez más personas sin formación técnica se animan a programar con IA. Muchas no saben bien por dónde arrancar o se quedan en pequeños experimentos aislados. Pronto descubren que, al carecer de fundamentos de ingeniería de software, se sienten desorientadas: no saben descomponer un problema en partes manejables, se atascan ante la complejidad y no logran guiar a la IA para alcanzar el resultado que buscan.

También he notado que el obstáculo principal de muchos reside en el razonamiento lógico: les falta método para formular preguntas con precisión, pensar de forma crítica y evaluar si las respuestas de la IA son válidas o puro humo.

Tengo más de seis años de trayectoria en el sector. Con la ayuda de la IA he diseñado y construido proyectos complejos que hoy cuentan con usuarios reales. Como decía al principio, en mi código actual no hay una sola línea escrita a mano por mí. La IA es perfectamente capaz de construir sistemas sofisticados, pero con una condición innegociable: quien la maneja debe saber exactamente qué está haciendo y cómo orquestar su trabajo. La herramienta es la IA; el criterio sigue siendo humano.

En la era de la inteligencia artificial, el itinerario formativo tradicional ha quedado obsoleto. Por eso, para responder a este cambio de época, he decidido lanzar una serie titulada Guía completa de Vibe Coding desde cero.

Esta serie estará estructurada en varios bloques:

1. Integrar la programación con IA en las buenas prácticas de la ingeniería de software. Comprender primero qué implica realmente la ingeniería de software y luego, desde cero, construir paso a paso la aplicación que sueñas. El objetivo no es quedarse en una demo frágil, sino levantar proyectos sostenibles a largo plazo con un flujo de trabajo impecable.
2. Entrenamiento en lógica y pensamiento estructurado. Cómo hacerle preguntas certeras a la IA, qué trampas conviene evitar a toda costa y cómo redactar documentación técnica que realmente sirva para orientar al modelo.
3. Estrategias de testing y optimización del flujo de trabajo. Cómo verificar tu código, blindar la fiabilidad arquitectónica y sumar funcionalidades sin degradar la calidad. Veremos cómo acelerar el ritmo de desarrollo mediante flujos automatizados sin hacer concesiones técnicas.
4. La pila tecnológica ideal para programar con IA. Qué lenguajes, librerías y frameworks elegir para exprimir al máximo las fortalezas y peculiaridades de los modelos actuales.

Epílogo

A decir verdad, el borrador principal de este texto lo escribí hace un año (en octubre de 2025). Lo he rescatado ahora para pulirlo y añadir los datos laborales recientes y los avances de la IA en matemáticas. Por aquel entonces me abrumaba tanto el vértigo con el que avanzaba todo que temía que cualquier reflexión quedara obsoleta al día siguiente, así que me limité a soltar notas breves en redes y dejé de lado los ensayos de fondo. Un año después, al releer el borrador, sentí que la tesis seguía plenamente vigente, así que decidí cerrarlo y publicarlo. Me he propuesto volver a escribir en profundidad con más frecuencia: al fin y al cabo, el contenido con voz genuinamente humana será un bien cada vez más escaso.