Un término lúdico se ha convertido en la metodología de programación más publicitada de Silicon Valley, y en un cuento con moraleja.
Smith Collection/Gado/Getty Image
Una versión de este artículo apareció originalmente en el boletín de AI & Tech de Quartz. Regístrese aquí para recibir las últimas noticias, análisis y perspectivas de AI y tecnología directamente en su bandeja de entrada..
Cuando Andrej Karpathy acuñó "vibe coding" en febrero, estaba medio en broma. El exdirector de AI de Tesla $TSLA describió una nueva forma de programación donde los desarrolladores "se entregan completamente a las vibraciones" y dejan que la IA haga el trabajo pesado. Escribe comandos en lenguaje natural en lugar de código, acepta todas las sugerencias de IA sin leerlas, copia y pega mensajes de error hasta que las cosas funcionen. Nueve meses después, este término juguetón se ha convertido en la metodología de programación más publicitada de Silicon Valley y en una historia de advertencia.
Únete a más de 500.000 lectores que comienzan su día con Quartz.
Al suscribirte, aceptas nuestros Términos de servicio y Política de privacidad.
El término se difundió instantáneamente. En pocas semanas, grandes empresas anunciaron que porciones significativas de sus bases de código eran generadas por IA. Microsoft $MSFT dijo que el 30% de su código ahora era escrito por IA. Salesforce $CRM en gran medida pausó las contrataciones de ingeniería Mark Zuckerberg predijo que la IA escribiría la mayor parte del código de Meta $META en 18 meses. Copilot de GitHub evolucionó de una herramienta de autocompletado útil a un agente de codificación, mientras que startups como Cursor y Lovable prometieron que cualquiera podría crear software simplemente describiendo lo que querían.
La terminología en sí se ha vuelto confusa. Codificación de vibraciones verdaderas significa construir software sin revisar el resultado de la IA, esencialmente volando a ciegas. Pero el término ahora cubre toda la programación asistida por IA, creando una equivalencia falsa entre el uso cuidadoso y supervisado y el enfoque original de "aceptar todo". Esta deriva semántica importa. Cuando las empresas se jactan de que la IA genera la mitad de su base de código, normaliza una cultura de permisividad que habría sido impensable en el desarrollo de software tradicional.
El viejo mantra era "revisar todo el código". Ahora se está convirtiendo en "eh, probablemente la IA lo hizo bien".
Y sin el arduo trabajo de la codificación tradicional, algunos olieron oportunidad. Los capitalistas de riesgo invirtieron miles de millones en herramientas de codificación con IA. Fundadores no técnicos lanzaron startups sin contratar ingenieros. La promesa parecía ser que la IA podría democratizar el desarrollo de software, donde las ideas, no las habilidades técnicas, serían el factor limitante.
Para julio, los problemas eran obvios. Dos incidentes hicieron titulares. El asistente de programación de IA de Google $GOOGL borró archivos de usuario mientras intentaba una simple reorganización de carpetas. La IA de Replit eliminó un montón de código a pesar de las instrucciones explícitas de no modificar el código. La IA había "alucinado" operaciones exitosas y construyó acciones posteriores sobre esos falsos supuestos, creando lo que los investigadores llaman una "cascada de confabulación."
Más allá de los fallos importantes, algunos ingenieros no lo encuentran útil día a día, tampoco. Una encuesta de desarrolladores de Stack Overflow entregó datos aleccionadores. Mientras que el 80% de los desarrolladores usan herramientas de IA desde julio, la confianza en su precisión se desplomó del 40 % a solo el 29 %. La mayor frustración era "soluciones de IA que están casi bien, pero no del todo", describiendo código que parece correcto pero introduce errores sutiles que llevan horas depurar.
"Es como tener un pasante muy entusiasta que escribe muy rápido pero realmente no entiende lo que está haciendo", dijo un desarrollador. El ahorro de tiempo inicial del código generado por IA a menudo desaparece durante la depuración. Otro estudio de Model Evaluation & Threat Research encontró que las herramientas de codificación de IA en realidad hicieron que los desarrolladores fueran más lentos en general, a pesar de hacerlos sentir más productivos.
La realidad financiera ha sido dura. CB Insights informa que mientras Anysphere, la empresa detrás de la popular herramienta de codificación de IA Cursor, alcanzó 500 millones de dólares en ingresos recurrentes anuales, sus costos de inferencia explotaron 20 veces. Los nuevos modelos de razonamiento generan mejor código pero consumen muchos más recursos informáticos. Algunas empresas ven a usuarios individuales acumular costos mensuales de 10,000 dólares en planes de 200 dólares.
Esta presión económica impulsa la consolidación. Las empresas cambian de planes ilimitados a precios basados en el uso, frustrando a los clientes empresariales que necesitan presupuestos predecibles. Algunas startups exploran 'reverse acqui-hires', esencialmente vendiendo sus equipos mientras abandonan los productos que pierden dinero, según CB Insights.
Los datos de uso comienzan a contar una historia clara. Según el rastreador de IA de Similarweb, el tráfico web a las principales plataformas de agentes de codificación alcanzó su punto máximo en primavera y ha disminuido constantemente desde entonces. Para octubre, herramientas como Cursor, Bolt, Replit y V0 habían perdido del 30% al 50% de su tráfico máximo. Cada startup vio el mismo entusiasmo inicial seguido de un abandono constante, lo que sugiere que los usuarios estaban probando estas herramientas y luego se iban cuando encontraban la complejidad del mundo real.
El ángulo de seguridad es igualmente preocupante. Una firma de ciberseguridad analizó las empresas Fortune 50 y descubrió que los desarrolladores asistidos por IA producían de tres a cuatro veces más código pero generaban 10 veces más problemas de seguridad. No se trataba de errores simples, sino de credenciales expuestas, rutas de escalamiento de privilegios y fallos de diseño arquitectónico que podían perseguir a las bases de código durante años.
Sin embargo, la historia no es completamente un fracaso. Muchos desarrolladores experimentados informan que las herramientas de codificación de IA, cuando se usan con juicio, ahorran tiempo significativo en tareas rutinarias. Quizás el verdadero futuro de la codificación con 'vibes' no sea reemplazar a los programadores, sino aumentarlos, con las 'vibes' atenuadas por la experiencia y la supervisión.
Incluso Karpathy se ha alejado de su creación. Su último proyecto, Nanochat, fue completamente codificado a mano. "Intenté usar agentes Claude/Codex unas cuantas veces, pero simplemente no funcionaron lo suficientemente bien en absoluto," publicó en redes sociales en octubre. "Posiblemente el repositorio esté demasiado alejado de la distribución de datos."
El padrino de la programación de vibraciones no confía lo suficiente en la técnica como para usarla en su propio proyecto.
Nunca tuvo la intención de que la programación de vibraciones reemplazara a los desarrolladores humanos de forma permanente. "A veces los LLM no pueden corregir un error, así que simplemente lo eludo o pido cambios aleatorios hasta que desaparece," escribió en su publicación original de febrero. "No está tan mal para proyectos de fin de semana desechables."
Es una pena que así no funcionen los ciclos de exageración. El fenómeno de la programación de vibraciones refleja la trayectoria de la industria de la IA en 2025. El crecimiento explosivo se encuentra con la economía obstinada. Las promesas de democratización chocan contra las preocupaciones de calidad. Lo que comenzó como un experimento lúdico de Karpathy se ha convertido en un estudio de caso sobre cuán rápido el entusiasmo por la tecnología puede superar la realidad. Nueve meses desde la concepción hasta la verificación de la realidad podría ser un récord, incluso para Silicon Valley.
