¿Qué es el "vibe coding"?

En ingeniería de software, el desarrollo está pasando de ser un proceso de programación estricto y manual a uno más flexible, asistido por IA e impulsado por ella, gracias a la IA generativa y a la codificación asistida por IA. La codificación vibe está a la vanguardia de este cambio. Esta representa un cambio hacia el desarrollo de software basado en la intención, en el que los sistemas de IA ayudan a los desarrolladores generando código a partir de instrucciones en lenguaje natural.

La "codificación vibe" la presentó el reconocido científico informático Andrej Karpathy en febrero de 2025. Según Andrej Karpathy, es una estrategia de codificación que implica una codificación humana mínima porque los programadores y codificadores utilizan códigos de IA en sus tareas de programación, pero se concentran más en cómo sale el resultado, las pruebas y el ajuste. También hizo hincapié en la importancia de las herramientas de IA, las herramientas de codificación y los asistentes de codificación deIA en el desarrollo de software. 

El campo de la codificación vibe ha pasado de las instrucciones básicas para código a una comprensión más profunda de cómo funciona la codificación cuando se centra en contexto, intención y orquestación. A medida que la implementación de la IA se traslada a las tareas reales, la distinción ya no será entre lenguajes de programación y sintaxis específicos, sino entre intenciones y contextos específicos.

• Prototipado rápido: a medida que la codificación vibe sigue ganando terreno en el ecosistema, la creación rápida de prototipos se está convirtiendo en un factor clave que permite a los equipos llevar sus ideas desde los conceptos iniciales hasta prototipos funcionales y, posteriormente, a su implantación a escala. Esta capacidad es valiosa para probar ideas en el mercado y ver si esa idea realmente resolverá un problema o si la estrategia debe cambiar por completo.
• Primer enfoque del problema: pasar de un código de construcción con un estilo de codificación rígido a una estructura dinámica permite una innovación rápida, ya que la resolución del problema se convierte en la piedra angular para los desarrolladores, por encima de la propia pila tecnológica.
• Reducir el riesgo, maximizar el impacto: la codificación vibe permitirá a las empresas avanzar rápidamente con un producto mínimo viable (MVP), experimentar con ideas de forma económica y adoptar y adaptarse según el feedback. Esta rapidez reduce los costes irrecuperables, aumenta la diversificación del riesgo y permite cambiar de rumbo, ya que los recursos solo se destinan a conceptos validados.
• Conmutador multimodal: la codificación vibe está evolucionando hacia una programación multimodal con codificación basada en voz, visual y texto para mejorar la productividad. Entre las tendencias más fascinantes se encuentran la codificación por voz, las interfaces de programación visual, la generación de código basada en IA y los entornos de desarrollo híbridos. Estas tendencias mejoran la usabilidad, flexibilidad e intuición de la codificación, transformando el panorama del desarrollo de software.

Para implementar el "vibe coding" en la práctica, el usuario debe seguir los siguientes pasos:

Paso 1: Selección de la plataforma de codificación de IA

Empiece por elegir una plataforma de codificación de IA y herramientas de codificación que se adapten a sus necesidades. Las plataformas actuales de codificación por IA como Replit, Cursor, GitHub Copilot, Windsurf y bolt.new proporcionan algo más que características de autocompletado. Pueden realizar la generación de código en tiempo real, el razonamiento multiarchivo, la depuración, la ejecución de comandos, la ayuda de implementación y la memoria del espacio de trabajo dentro del IDE, el entorno de desarrollo o el editor de código.

Paso 2: Describa la intención y el contexto

El codificación vibe no se basa en gran medida en las instrucciones proporcionadas, sino que se centra en el contexto dado. Antes de desarrollar el código, es importante establecer el objetivo y los requisitos de la aplicación junto con las restricciones, la pila tecnológica preferida y el estilo de diseño. 

Veamos un ejemplo para entenderlo mejor.

Cree una aplicación web para una nueva startup que se utilizará para el seguimiento de hábitos. Los usuarios deben poder crear hábitos y realizar un seguimiento de su tasa de finalización cada día. Cree gráficos que ilustren cómo actúa el usuario y proporcione una interfaz minimalista en modo oscuro. Utilice React para el front-end y Node.js o Python para el desarrollo back-end. Incorporar los requisitos junto con el contexto adecuado facilita que los ayudantes de IA de proveedores como Anthropic produzcan outputs más correctos y que se ajusten a la arquitectura adecuada. La indicación es claramente específica, pertinente al contexto y orientada a objetivos.

Paso 3: Generar el código de aplicación inicial

Con la entrada de la intención y el contexto proporcionados, la IA produce el primer borrador de la aplicación. El output podría abarcar desde la arquitectura de la aplicación, el código del front-end, el código del back-end, la API y el diseño de la base de datos hasta la documentación pertinente. Lo que se produce no es más que el punto de partida para crear la aplicación.

Paso 4: Refinar iterativamente el software generado

El proceso de desarrollo de la generación de código mediante IA es iterativo y requiere una iteración constante. Después de revisar lo que se creó inicialmente, los desarrolladores trabajarán en refinar la aplicación y agregar nuevas características. Pueden ajustar los requisitos, cambiar la funcionalidad, mejorar el rendimiento, mejorar la usabilidad, realizar la refactorización del código, rediseñar la arquitectura de la aplicación o cualquier otra cosa. Esto significa que los desarrolladores siguen este ciclo: Intención → Generación → Revisión → Refinado → Generación

Paso 5: Validación, seguridad e implementación

Al igual que el código de software escrito tradicionalmente, el software generado aún necesita esfuerzos de ingeniería para ponerse en producción. Requiere revisión de código, pruebas, comprobación de dependencias, evaluación de seguridad para posibles vulnerabilidades, verificación de cumplimiento y más para garantizar una alta calidad del código. Significa que los desarrolladores tienen como objetivo crear software seguro, fiable, escalable, mantenible y de calidad de producción.

La razón del fracaso de cualquier modelo de IA nunca es una mala instrucción. Los modelos de IA fallan por la ausencia de cualquier contexto. Los futuros avances en grandes modelos de lenguaje, o LLM, vendrán del área del contexto más que de las instrucciones. Para que un modelo de IA como Gemini produzca un output fiable, debe disponer de contextos como:

• Contexto empresarial: ¿qué problema estamos intentando resolver?
• Contexto arquitectónico: ¿cómo se integra nuestro sistema en la arquitectura existente?
• Contexto del repositorio: qué convenciones, patrones y dependencias ya existen en la base de código
• Contexto de seguridad: ¿qué políticas, cumplimientos y restricciones debemos seguir?
• Contexto operativo: ¿qué problemas de rendimiento y escalabilidad tenemos que resolver?

Si un modelo de IA no tiene en cuenta ninguno de estos problemas al generar resultados, entonces podría crear un código técnicamente correcto, pero incorrecto en un ecosistema operativo del mundo real. Por lo tanto, la ingeniería de contexto se va a convertir en una competencia fundamental en la IA empresarial para generar resultados conscientes del contexto.

La codificación vibe fue un gran avance que demostró que la IA podía generar código a partir de instrucciones en lenguaje natural, lo que hizo que la creación de prototipos de software fuera más rápida y eficiente. Sin embargo, la generación de código no llega hasta la ingeniería de software. El desarrollo de software de producción requiere planificación, diseño de arquitectura, generación de código, pruebas, revisiones de seguridad, implementación y gobierno. Aquí es donde la codificación vibe comienza a mostrar sus defectos.

Lo que estamos viendo ahora es que el sector está pasando de la instrucción al código, pasando por la intención, hasta llegar a los agentes de IA y, finalmente, al software. Con este enfoque, el énfasis no está en la generación de código basada en instrucciones, sino en todo el proceso de ingeniería de software. De esa manera, el desarrollo de software moderno ya no se enfrenta al desafío de la generación de código, ya que cubre la automatización y la orquestación de diferentes tareas de ingeniería de software en cada etapa del desarrollo.

La codificación vibe es indudablemente potente. Sin embargo, presenta algunos desafíos técnicos y prácticos. Estos son algunos de los principales retos enumerados:

1. Complejidad técnica: la codificación vibe puede manejar marcos estándar básicos, pero para aplicaciones reales donde los requisitos técnicos pueden ser novedosos o complejos, la codificación vibe se vuelve un reto. ³
2. Problemas de calidad y rendimiento del código: la codificación vibe es útil para probar aplicaciones y crear prototipos, pero aun así requiere optimización y refinamiento para garantizar que se mantiene la calidad del código. La codificación vibe no es una opción ideal para aplicaciones distribuidas porque requiere una arquitectura de nivel estructurado y estrategias de optimización sofisticadas.
3. Desafíos de depuración: el código generado por la IA es difícil de depurar porque es dinámico y carece de estructura arquitectónica.
4. Mantenimiento y actualizaciones: muchas veces, si la aplicación de software no se actualiza a su debido tiempo, queda anticuada, por lo que requieren un mantenimiento y actualizaciones regulares. Las aplicaciones construidas utilizando código generado por IA se enfrentan a desafíos de mantenimiento y actualización si la estructura del código no se mantiene correctamente. Este problema puede provocar que los desarrolladores tengan dificultades para entender la lógica subyacente cuando intentan mantenerla actualizada y optimizada.
5. Problemas de seguridad: esta limitación es la más crítica, ya que puede provocar varios riesgos y vulnerabilidades extremas. El código generado mediante la IA suele excluirse de las reseñas del código y los controles de seguridad, lo que provoca vulnerabilidades invisibles que pueden pasar desapercibidas y explotarse.

La codificación vibe provocó un nuevo tipo de deuda técnica llamada deuda de seguridad. Cuantos más desarrolladores adopten la codificación de IA sin validación, más vulnerabilidades es probable que surjan y se solucionen en algún momento en el futuro.

Algunos ejemplos de estas vulnerabilidades son: claves y contraseñas de API codificadas en la aplicación, vulnerabilidades a inyecciones SQL, API no seguras, aplicaciones con privilegios excesivos, autenticación inadecuada y bibliotecas de terceros con vulnerabilidades.

En cuanto a los entornos de nivel empresarial, hay más en juego porque el prototipo inicial vulnerable creado mediante la codificación vibe podría convertirse más adelante en una aplicación real lista para la producción. Esa aplicación gestiona la información de los clientes, los detalles financieros, la información médica, los derechos de propiedad intelectual y otros procesos de la empresa. Lo que inicialmente es un prototipo rápido podría convertirse en una aplicación empresarial crucial sin pasar por el análisis de seguridad necesario. Las cuestiones cambian: de "¿podemos crear esto?" a "¿podemos confiar en esto?".

La ingeniería de software está experimentando cambios en sus modelos económicos debido a la codificación vibe. Tradicionalmente, la producción de software ha estado limitada por la experiencia y el esfuerzo de codificación requeridos, especialmente entre los principiantes.

Con la aparición de la inteligencia artificial, el cuello de botella pasa de ser la codificación en sí misma a las ideas y las decisiones, ya que la codificación estará disponible en abundancia. Hace tiempo que existe una disputa sobre si la IA puede usarse para escribir software. Sin embargo, la pregunta más relevante que surge en el mundo actual es si la IA puede aprovecharse adecuadamente para acelerar la innovación y llevar productos al mercado.