El problema ya no es que una máquina pueda escribir código; el problema es creer que escribir código era lo más difícil.
Durante décadas, desarrollar software exigía una barrera de entrada evidente: había que aprender lenguajes, estructuras de datos, bases de datos, arquitecturas, servidores, protocolos, pruebas, seguridad y una larga colección de conocimientos que separaba una idea de una aplicación funcionando.
Esa barrera está cayendo.
Hoy una persona puede describir en lenguaje natural una aplicación, solicitar cambios, mostrar errores a una inteligencia artificial y conseguir en pocas horas algo que hace pocos años habría requerido días o semanas de trabajo especializado.
Esto es extraordinario.
Y precisamente por ser extraordinario merece algo más que entusiasmo.
El llamado vibe coding convirtió la programación asistida por inteligencia artificial en una experiencia casi conversacional: decir lo que queremos, observar lo que aparece, pedir modificaciones y continuar hasta que aquello parece funcionar. El término comenzó a popularizarse en 2025 para describir una manera de desarrollar en la que incluso puede desaparecer la revisión detallada del código generado.
A primera vista parece una democratización definitiva.
Y en buena parte lo es.
Pero democratizar la capacidad de construir software no significa democratizar automáticamente la capacidad de construir buen software, buenos negocios o buenas decisiones.
Ahí comienza la parte menos cómoda de esta historia.
Construir dejó de ser el cuello de botella
Durante muchos años escuché ideas acompañadas de una frase bastante conocida:
“Sería magnífico hacerlo, pero desarrollarlo cuesta demasiado”.
Había proyectos que morían antes de comenzar porque convertir una intención en una aplicación requería recursos que una pequeña empresa, un profesional independiente o un emprendedor simplemente no tenía.
La inteligencia artificial está alterando radicalmente esa ecuación.
Una encuesta global de JetBrains realizada entre mayo y julio de 2026, con más de 15.000 desarrolladores profesionales, reportó que el 90 % utilizaba agentes de programación con IA al menos semanalmente y el 68 % lo hacía diariamente.
Ya no estamos hablando de una curiosidad experimental.
Estamos hablando de una modificación profunda de cómo se construyen sistemas.
Pero cuando desaparece una restricción aparece otra.
Si producir código se vuelve mucho más barato, rápido y accesible, el valor comienza a desplazarse hacia aquello que sigue siendo escaso:
comprender correctamente el problema.
La pregunta empresarial importante deja entonces de ser:
“¿Podemos desarrollar esto?”
y comienza a convertirse en:
“¿Tiene sentido desarrollar esto?”
Esa diferencia parece pequeña hasta que uno empieza a pagar sus consecuencias.
La IA puede construir una mala idea extraordinariamente rápido
Imagine una empresa que necesita mejorar su proceso comercial.
Tiene vendedores utilizando hojas de cálculo, mensajes de WhatsApp, correos electrónicos y notas personales. Los clientes se pierden entre conversaciones. Nadie sabe exactamente quién debe hacer seguimiento. La gerencia pide reportes que tardan horas en construirse.
Alguien descubre que ahora puede crear un CRM utilizando inteligencia artificial.
En unos días aparece una aplicación.
Tiene usuarios.
Tiene clientes.
Tiene oportunidades.
Tiene gráficos.
Tiene colores agradables.
Incluso produce una sensación inmediata de progreso.
Pero el problema original quizá nunca fue tecnológico.
Tal vez nunca se definió correctamente qué significa una oportunidad comercial.
Nadie determinó cuándo un prospecto deja de ser prospecto y se convierte en cliente potencial.
No existe un responsable claro del seguimiento.
Dos áreas utilizan criterios diferentes para clasificar una venta.
Los datos están duplicados.
Los vendedores no confían en la información.
La gerencia pide indicadores que nadie utiliza para tomar decisiones.
La IA puede programar todo aquello.
Lo que no puede hacer automáticamente es resolver las contradicciones humanas que la organización nunca quiso enfrentar.
Entonces ocurre algo fascinante:
la tecnología no elimina el desorden.
Lo digitaliza.
Y ahora el desorden funciona más rápido.
Ese es uno de los riesgos más importantes de la actual generación de herramientas de inteligencia artificial: reducir tanto la fricción de construir que también reducimos la fricción que antes nos obligaba a pensar.
Antes el costo nos obligaba a formular mejores preguntas
Cuando desarrollar una aplicación costaba mucho dinero, contratar varias personas y trabajar durante meses, existía una presión natural por definir mejor el proyecto.
No siempre se hacía bien, por supuesto.
Pero la inversión obligaba al menos a conversar sobre alcance, prioridades, usuarios, riesgos y retorno.
Ahora podemos tener una idea en la mañana y una primera versión funcionando en la tarde.
Eso tiene un enorme valor para experimentar.
También tiene un peligro.
Podemos comenzar a desarrollar antes de comprender.
Podemos confundir movimiento con avance.
Podemos construir veinte funcionalidades porque producirlas cuesta poco, aunque ninguna resuelva realmente el problema central.
Y podemos terminar pagando después lo que creíamos haber ahorrado al principio.
El dinero que ya no gastamos inicialmente en programación puede reaparecer convertido en mantenimiento, integración, corrección, seguridad, migraciones, pérdida de información o dependencia tecnológica.
La factura no necesariamente desapareció.
Solo cambió de fecha.
El prototipo puede engañarnos porque funciona
Hay algo psicológicamente poderoso en ver una aplicación funcionando.
Un botón responde.
Una pantalla carga.
Una base de datos guarda información.
Un reporte aparece.
Nuestro cerebro interpreta esas señales visibles como evidencia de que el sistema está terminado o muy cerca de estarlo.
Pero existe una enorme distancia entre algo que funciona delante de nosotros y algo en lo que una organización puede confiar.
Un sistema empresarial no consiste solamente en pantallas que responden.
Debe soportar errores.
Usuarios simultáneos.
Permisos.
Cambios.
Integraciones.
Copias de seguridad.
Auditoría.
Seguridad.
Datos incorrectos.
Recuperación ante fallos.
Personas que utilizan el sistema de maneras que nadie imaginó.
Y, sobre todo, debe seguir siendo comprensible cuando quien lo creó ya no está presente.
Martin Fowler, una de las voces más reconocidas en ingeniería de software, señalaba en mayo de 2026 que el vibe coding puede resultar apropiado para software desechable o de audiencia limitada, pero advierte problemas de mantenibilidad, corrección y seguridad cuando se utiliza sin comprender el código producido.
Ese matiz es fundamental.
El problema no es utilizar inteligencia artificial para programar.
El problema aparece cuando confundimos capacidad de generación con capacidad de ingeniería.
Quién gana realmente con esta revolución
Las primeras beneficiadas son evidentes: las compañías que desarrollan modelos, infraestructura, herramientas de programación y plataformas alrededor de la inteligencia artificial.
Pero existe otro ganador menos evidente y mucho más interesante.
Gana quien conoce profundamente un problema.
Un contador que entiende los procesos reales de una pequeña empresa puede ahora convertir ese conocimiento en herramientas que antes no podía construir.
Un abogado que comprende un flujo documental puede experimentar con soluciones sin esperar meses por un equipo técnico.
Un empresario que conoce desde dentro una operación puede probar automatizaciones, interfaces y procesos con costos de exploración mucho menores.
Un desarrollador experimentado puede multiplicar su capacidad porque deja de dedicar tantas horas a tareas mecánicas y puede concentrarse en arquitectura, validación y decisiones.
La IA disminuye el valor relativo de saber exclusivamente cómo producir código.
Pero aumenta el valor de saber:
qué construir,
para quién,
por qué,
con qué restricciones,
qué consecuencias puede producir
y cómo sabemos si realmente funciona.
Ese desplazamiento me parece mucho más importante que la discusión sobre si la inteligencia artificial “reemplazará programadores”.
La verdadera transformación no consiste simplemente en sustituir manos.
Consiste en redistribuir el valor del conocimiento.
Y quién puede perder
Puede perder precisamente quien crea que la barrera desapareció por completo.
El emprendedor que piense que tener una aplicación equivale a tener un negocio.
La empresa que crea que automatizar un proceso defectuoso equivale a transformarlo.
El profesional que entregue a una herramienta decisiones que todavía no sabe formular.
El desarrollador que deje de comprender aquello que pone en producción.
El gerente que confunda reducción del tiempo de programación con reducción proporcional del riesgo.
Y también puede perder quien se niegue a utilizar estas herramientas por defender una forma anterior de trabajar.
Los extremos se parecen más de lo que parece.
Uno entrega demasiado criterio a la máquina.
El otro desperdicia una herramienta extraordinariamente poderosa.
En ambos casos existe una renuncia.
La primera renuncia es intelectual.
La segunda es tecnológica.
El desafío razonable está entre ambas: utilizar capacidades nuevas sin abandonar responsabilidad humana.
Más código no significa necesariamente más productividad
Durante mucho tiempo utilizamos indicadores relacionados con producción porque eran relativamente fáciles de medir.
Horas.
Entregas.
Funciones.
Proyectos.
Líneas de código.
Pero cuando una máquina puede generar cantidades enormes de código, producir código deja de ser una medida especialmente útil de productividad.
De hecho, más código también puede significar más superficie para errores, más mantenimiento y más complejidad.
La investigación DORA de Google sobre desarrollo asistido por IA llegó a una conclusión especialmente útil: la inteligencia artificial funciona fundamentalmente como un amplificador. Tiende a potenciar las fortalezas de organizaciones que ya funcionan bien y también puede amplificar las debilidades de aquellas que tienen procesos deficientes. Su investigación de 2025 se basó en respuestas de cerca de 5.000 profesionales tecnológicos y más de 100 horas de investigación cualitativa.
Ese hallazgo debería interesar mucho más a los empresarios que cualquier demostración espectacular de generación automática.
Porque significa que incorporar IA a una organización desordenada no garantiza una organización inteligente.
Puede simplemente producir desorden con mayor velocidad.
Investigaciones anteriores de DORA incluso encontraron que incrementos de adopción de IA podían acompañarse de deterioros en estabilidad cuando la mayor velocidad de generación producía cambios más grandes y difíciles de revisar.
La tecnología mejoró después.
Los modelos también.
Los agentes son mucho más capaces.
Pero el principio continúa siendo válido:
la velocidad nunca elimina la necesidad de estructura.
El verdadero activo será comprender el sistema completo
Durante años muchas empresas trataron el software como una tarea delegable.
El negocio explica lo que necesita.
Tecnología desarrolla.
El usuario recibe.
La IA está desarmando esa separación.
Cuando conversar con un sistema puede producir directamente software, negocio y tecnología comienzan a acercarse de una manera que probablemente será irreversible.
Eso puede ser extraordinariamente positivo.
Pero obliga a empresarios, directivos y profesionales a desarrollar algo que no todos han cultivado suficientemente:
pensamiento sistémico.
Porque una aplicación nunca es solamente una aplicación.
Modifica comportamientos.
Introduce incentivos.
Cambia responsabilidades.
Produce datos.
Elimina algunos controles.
Crea otros.
Genera dependencia.
Transforma relaciones entre áreas.
Determina qué información vemos y cuál dejamos de mirar.
Un sistema empresarial es también una forma de organizar decisiones.
Por eso desarrollar software sin comprender la organización es mucho más peligroso de lo que parece.
La pregunta correcta no debería ser solamente:
“¿La IA puede construirlo?”
Deberíamos preguntar también:
“¿Qué comportamiento producirá cuando lo utilicen cien veces al día veinte personas diferentes?”
Ahí comienza la verdadera ingeniería.
La barrera técnica baja mientras la barrera del criterio sube
Hay una paradoja interesante.
Cuanto más capaz se vuelve la inteligencia artificial, menos conocimientos técnicos básicos necesita una persona para comenzar.
Pero más criterio necesita para saber cuándo confiar y cuándo detenerse.
Cuando una herramienta era limitada, sus límites eran evidentes.
Cuando una herramienta se vuelve extraordinariamente convincente, sus límites pueden resultar mucho más difíciles de reconocer.
Ese es el peligro de los sistemas que hacen muchas cosas bien.
Nos predisponen a confiar también cuando están equivocados.
Un programador experimentado puede mirar una solución generada por IA y detectar una decisión arquitectónica problemática.
Puede reconocer una vulnerabilidad potencial.
Puede anticipar que cierta dependencia producirá dificultades.
Puede preguntar qué ocurrirá cuando cambie el volumen de datos.
Quien no posee ese conocimiento puede recibir exactamente la misma aplicación y interpretar el simple hecho de que funcione como prueba suficiente de calidad.
La democratización de herramientas no elimina la diferencia entre conocimiento y desconocimiento.
A veces la oculta.
La IA no elimina al experto; cambia aquello por lo que necesitamos al experto
Esto ocurre más allá de la programación.
Cuando las calculadoras se hicieron comunes, dejamos de valorar tanto la velocidad humana para realizar ciertos cálculos.
Cuando las hojas de cálculo aparecieron, muchas operaciones financieras dejaron de requerir trabajo manual.
Cuando los buscadores organizaron información, memorizar ciertos datos perdió importancia relativa.
Ahora la IA está reduciendo el valor de producir algunas respuestas y aumentando el valor de formular mejores preguntas, verificar resultados y comprender contextos.
En desarrollo de software ocurre lo mismo.
El profesional valioso dejará progresivamente de ser quien únicamente escribe código con rapidez.
Será quien pueda comprender un problema ambiguo, traducirlo a una arquitectura razonable, dirigir herramientas inteligentes, revisar resultados, identificar riesgos y asumir responsabilidad por lo que finalmente se entrega.
La IA no elimina la necesidad de comprender.
Hace más costoso no comprender.
El mayor riesgo puede ser dejar de aprender
Existe otra consecuencia que todavía estamos empezando a descubrir.
¿Cómo adquiere experiencia alguien que delega demasiado pronto aquello que todavía no entiende?
Un profesional desarrolla criterio enfrentando problemas.
Se equivoca.
Depura.
Investiga.
Comprende por qué una decisión aparentemente lógica falla.
Aprende a distinguir síntomas de causas.
Si la inteligencia artificial resuelve permanentemente esos momentos de dificultad antes de que la persona pueda comprenderlos, podemos generar profesionales capaces de producir mucho pero incapaces de explicar profundamente lo que producen.
Esto no significa que debamos volver deliberadamente al trabajo lento.
Sería absurdo.
Significa que debemos diferenciar entre utilizar IA para evitar trabajo inútil y utilizarla para evitar aprendizaje necesario.
La diferencia será esencial en educación, empresas y profesiones.
Una organización puede ganar productividad hoy mientras destruye silenciosamente parte de su capacidad de formar expertos para mañana.
Ese costo no aparece fácilmente en un dashboard.
Pero existe.
La pregunta empresarial cambia
Tal vez la principal transformación del vibe coding no sea tecnológica.
Es económica.
Cuando construir se abarata radicalmente, construir deja de ser la ventaja competitiva.
Si miles de personas pueden crear aplicaciones similares, poseer la aplicación vale menos.
Comprender mejor al usuario vale más.
Tener acceso a datos relevantes vale más.
Diseñar mejores procesos vale más.
Construir confianza vale más.
Integrar la herramienta dentro de una organización real vale más.
Distribuirla vale más.
Mantenerla vale más.
Responder cuando falla vale más.
El código se convierte progresivamente en una materia prima abundante.
El criterio continúa siendo escaso.
Y allí está la verdadera separación entre quienes probablemente aprovecharán esta transformación y quienes solamente producirán más cosas.
No necesitamos menos inteligencia artificial
Sería fácil concluir que debemos desconfiar del vibe coding.
No es mi conclusión.
Estas herramientas representan una ampliación extraordinaria de la capacidad humana para experimentar, construir y resolver problemas.
Nunca habíamos tenido tantas posibilidades de convertir conocimiento específico en herramientas funcionales con tan poca intermediación técnica.
Eso puede beneficiar enormemente a pequeñas empresas, profesionales, educadores, investigadores y emprendedores.
Pero la democratización tecnológica exige también una democratización del criterio.
Necesitamos empresarios que comprendan mejor sus procesos.
Profesionales que puedan definir problemas con precisión.
Usuarios capaces de cuestionar resultados.
Desarrolladores que evolucionen desde escribir instrucciones para máquinas hacia diseñar sistemas junto con ellas.
Y organizaciones que no confundan adopción de inteligencia artificial con transformación.
Porque instalar una herramienta es fácil.
Cambiar la calidad de nuestras decisiones sigue siendo difícil.
La ilusión
Quizá esa sea finalmente la verdadera ilusión del vibe coding.
No consiste en que la IA programe.
Eso ya está ocurriendo.
Tampoco consiste en que personas sin formación tradicional puedan construir aplicaciones.
Eso también está ocurriendo.
La ilusión consiste en creer que al reducirse la dificultad técnica también desapareció la dificultad humana.
No desapareció.
Se desplazó.
Antes necesitábamos preguntarnos:
“¿Cómo construimos esto?”
Ahora tendremos que preguntarnos con mucha más frecuencia:
“¿Por qué estamos construyendo esto?”
“¿Qué problema estamos intentando resolver realmente?”
“¿Qué sucede si funciona?”
“¿Qué sucede si falla?”
“¿Quién comprende lo suficiente para asumir responsabilidad?”
“¿Estamos creando capacidad o solamente dependencia?”
Esas preguntas no producen aplicaciones en segundos.
Pero probablemente determinarán cuáles de todas esas aplicaciones merecen existir.
La inteligencia artificial puede ayudarnos a construir mucho más.
Nuestra responsabilidad consiste en no permitir que esa capacidad nos haga pensar menos.
Si esta reflexión toca decisiones que hoy estás tomando en tu empresa, tu profesión o tus proyectos con inteligencia artificial, podemos continuar la conversación desde una mirada estratégica y humanista:
Mensaje final
Cuando construir deja de ser difícil, elegir qué merece ser construido se convierte en una responsabilidad mayor.