En los últimos meses, “Vibe Coding” se ha convertido en un término de moda muy extendido, y son muchos los desarrolladores deseosos de aprenderlo Cómo realizar correctamente la codificación de vibraciones
. Una nueva ola de herramientas representada por Cursor, Claude Code y modelos avanzados como Claude Opus 4.7 está llevando la eficiencia en el desarrollo de software a nuevas cotas.
Los desarrolladores que están familiarizados con los sistemas de ingeniería están experimentando un gran aumento de la productividad. Son capaces de realizar más trabajo en menos tiempo, llegando incluso a crear sistemas complejos de una forma casi “conversacional”.
Pero esta ola de eficiencia aún no ha llegado realmente a la mayoría de la población.
Aunque la IA sea capaz de generar decenas de miles de líneas de código, los usuarios normales siguen enfrentándose a pasos tediosos como la configuración del IDE, la gestión de dependencias y la implementación en la nube. Vibe Coding ha aumentado la velocidad de escritura de código en varios órdenes de magnitud, pero apenas ha reducido la barrera que supone “convertir el código en software utilizable”: acelera la programación, pero no la entrega.
Ante esta brecha, la trayectoria técnica del sector está empezando a dividirse. Una línea sigue centrándose en “ayudar a los programadores a escribir código más rápido”, mientras que otra intenta responder a una pregunta más fundamental: ¿podemos prescindir por completo del código y ofrecer directamente el software?
El 20 de abril, la aplicación Ant Lingguang, recientemente actualizada, ofrece un ejemplo destacable de esta última vía. Intenta reconstruir la relación de producción del software a través de lo que denomina “Wish Coding”.”
Qué significa la «programación de deseos»: de escribir lógica a describir la intención
El denominado “Wish Coding” reduce, en esencia, el punto de partida de la creación de software, pasando de “escribir lógica” a «describir la intención». En la arquitectura de Lingguang, los entornos de desarrollo tradicionales, los compiladores y los procesos de implementación quedan ocultos.
Los usuarios no tienen que preocuparse por las vías de implementación. Solo tienen que describir la función que desean en lenguaje natural. El sistema se encarga de todo el proceso en segundo plano —desde la generación del código hasta el empaquetado y la implementación— y, finalmente, entrega una aplicación lista para usar.
Esto merece un debate en profundidad, ya que pretende cubrir un vacío que desde hace tiempo se echa en falta en la programación de la inteligencia artificial: permitir que cualquier persona pueda completar todo el proceso, desde la idea hasta una aplicación que funcione.
De la generación de código a la entrega de software: ¿qué capa falta?
En los últimos dos años, han ido apareciendo uno tras otro productos de programación de IA, impulsados por los rápidos avances en los modelos, como los observados en la evolución de Claude Opus 4.7 frente a Opus 4.6. Pero desde el punto de vista de la entrega, siguen dividiéndose, a grandes rasgos, en varias capas:
El primer tipo ofrece fragmentos de código o archivos de proyecto, representados normalmente por Cursor.
El segundo tipo ofrece entornos de proyecto editables y con vista previa, como Bolt.new y Lovable.
El tercer tipo empieza a ofrecer funciones integradas para el desarrollo, la ejecución y la implementación, como Replit Agent.
Todos estos productos son valiosos. Pero, en su mayoría, parten de una premisa: que los usuarios estén dispuestos a participar en el “proceso de desarrollo”, comprender las estructuras de los proyectos, gestionar las dependencias, depurar errores y decidir cómo publicarlos.
Para los desarrolladores, esto no supone ningún problema: de ahí es de donde proviene la eficiencia. Sin embargo, para los usuarios normales, cualquier paso de esta cadena puede convertirse en un obstáculo. Es posible que puedan generar código con estas herramientas, pero eso no significa que puedan ejecutar o utilizar realmente la aplicación.
En otras palabras, los desarrolladores necesitan un “desarrollo más rápido”, mientras que los usuarios normales necesitan “que no haya desarrollo, solo resultados”. Se trata de objetivos de diseño totalmente distintos, que requieren soluciones totalmente diferentes.
La respuesta de Lingguang es «Zero DevOps». Procesos como la compilación del código, la preparación del entorno y la implementación son prácticamente invisibles para los usuarios. Los usuarios no ven ningún código; simplemente reciben una aplicación final lista para usar.
El mecanismo fundamental de la codificación de deseos: representación estructurada de la intención
Para lograr este tipo de entrega integral, el sistema debe resolver la ambigüedad y la divergencia inherentes al lenguaje natural. Lo que dicen los usuarios suele ser impreciso, incompleto o incluso contradictorio. ¿Cómo se puede convertir todo esto en software ejecutable?
Esto nos lleva al mecanismo subyacente fundamental de Lingguang: una capa estructurada de representación de la intención.
Cuando un usuario novato introduce una instrucción imprecisa o lógicamente incoherente, el proceso interno del modelo es mucho más complejo que la mera generación de código, ya que requiere un análisis lógico avanzado similar a Claude Opus 4.7: pensamiento adaptativo. El agente de Lingguang actúa como arquitecto de sistemas. En primer lugar, analiza el lenguaje natural para convertirlo en un árbol riguroso de módulos funcionales y flujos de interacción, y define las estructuras de datos subyacentes y las relaciones de acoplamiento entre los módulos en un espacio semántico de alta dimensión.
Solo tras garantizar la integridad del bucle lógico, el sistema ensambla dinámicamente el código basándose en esta estructura intermedia. Esta arquitectura modular garantiza que la aplicación generada cuente con una estructura básica estable. Es capaz de soportar múltiples rondas de modificación y refactorización mediante lenguaje natural, evitando el colapso del sistema provocado por una acumulación caótica de código.
Otro avance significativo radica en la integración de un entorno de ejecución nativo en el propio dispositivo. Muchas plataformas de generación de aplicaciones de IA se ven limitadas por los entornos aislados de los navegadores, lo que significa que sus resultados solo pueden realizar operaciones sencillas en el DOM y renderización.
Sin embargo, las “aplicaciones Flash” de Lingguang se ejecutan directamente en un contenedor móvil nativo. Con la autorización del usuario, pueden acceder a la ubicación LBS en tiempo real, leer los datos de inclinación y aceleración del giroscopio e incluso controlar la frecuencia y la intensidad de la vibración.
Prueba real: ¿Hasta dónde puede llegar una sola frase?
También hemos realizado algunas pruebas.
Por ejemplo, le pedimos a Lingguang que diseñara algo parecido a un test del tipo “Mi animal espiritual”, al estilo del MBTI.
Le pedimos al sistema que elaborara 30 preguntas de opción múltiple extravagantes y que, al final, generara resultados como “un elefante melancólico y que le da demasiadas vueltas a las cosas” o “un capibara al que le encantan los chistes”, junto con un gráfico de radar hexagonal que mostrara seis dimensiones inusuales, como la inteligencia, la imaginación y la teatralidad.
En menos de dos minutos, se creó una aplicación independiente, similar a un miniprograma, y se implementó directamente en la interfaz de chat.
Aunque el sistema interpretó erróneamente en un primer momento el título previsto “My Spirit Animal” como “Spirit Zoo”, este pequeño error se pudo corregir al instante con una sencilla instrucción adicional. Desde las fluidas transiciones entre páginas hasta la visualización final del gráfico de radar, la lógica de interacción subyacente resultaba bastante clara y coherente.
Agentes de programación para el consumidor: no apostamos por la perfección
Durante la experiencia de Lingguang, la sorpresa y la dureza se manifestaron al mismo tiempo.
Por ejemplo, si un usuario le pide a Lingguang que cree una herramienta de reconocimiento visual por IA, lo más probable es que esta ofrezca un “simulador” con interacciones de interfaz de usuario (front-end) únicamente, sin procesar realmente las imágenes subidas o capturadas. Además, dado que el lenguaje natural es intrínsecamente ambiguo, las instrucciones contradictorias a lo largo de varios turnos de conversación pueden provocar en ocasiones confusión lógica y errores. La interfaz de usuario generada sigue siendo poco natural: se nota claramente que ha sido creada por una IA.
Sin embargo, evaluar estas “aplicaciones flash” según los estándares del software de nivel industrial, o comparar Lingguang con herramientas de programación de IA de gama alta diseñadas para desarrolladores profesionales —en las que los equipos a menudo tienen que sopesar factores comerciales como Precios de Claude Opus 4.7—es en sí misma una incongruencia.
Como agente de programación dirigido al consumidor, Lingguang aborda un problema totalmente distinto: cómo ofrecer un sistema funcional y ejecutable a usuarios sin conocimientos técnicos, dentro de un espacio de entrada totalmente desestructurado.
Las aportaciones de los usuarios habituales suelen ser ambiguas y fragmentadas, y el sistema debe desempeñar simultáneamente las funciones de gestor de producto, arquitecto, diseñador y desarrollador. En este proceso de convergencia semántica de alta dimensión, la prioridad pasa a ser garantizar un bucle cerrado funcional y una usabilidad inmediata, lo que conduce inevitablemente a concesiones en el diseño visual o en la lógica más profunda.
Este tipo de imperfección es, de hecho, una etapa inevitable a medida que la ingeniería de software pasa de la “producción de élite” a la “expresión de masas”.”
De la ingeniería de élite a la creatividad colectiva
Esta evolución se asemeja mucho a los inicios de Internet. Las primeras páginas web eran rudimentarias y caóticas, pero lograban algo fundamental: se podía acceder a ellas. Las primeras aplicaciones móviles eran inestables, pero permitían un nuevo paradigma de “disponibilidad en cualquier momento”.”
En cada momento decisivo de la adopción de una tecnología, lo “funcional” siempre prima sobre lo “perfecto”.”
Para los desarrolladores profesionales, un código algorítmico impecable puede resultar extremadamente valioso. Sin embargo, para el 99% de personas sin experiencia en programación, una aplicación apenas aceptable que se pueda ejecutar al instante en un teléfono ofrece mucho más valor que fragmentos de código perfectos pero inútiles.
Esta es la lógica subyacente de los agentes de codificación a nivel de consumidor.
Siempre que las aplicaciones que crean puedan funcionar de forma fiable, utilizarse de inmediato y modificarse e iterarse continuamente, ya habrán superado el umbral crítico: han pasado de una IA que genera código a una IA que ofrece software.
La verdadera apuesta no es si hoy en día son capaces de crear aplicaciones sofisticadas, sino si abren una nueva posibilidad: cuando el coste del ensayo y el error se acerque a cero, la gente corriente podrá convertir sus ideas en aplicaciones útiles.
Lingguang ha validado, al menos de forma preliminar, que el camino desde la idea hasta su aplicación es viable.
Una nueva era de creatividad: el auge del «wish coding»
Junto con esta actualización, Lingguang también ha lanzado “Lingguang Circle”, una plataforma social para aplicaciones de IA. Los usuarios pueden compartir las aplicaciones Flash que crean, y otros pueden seguir modificándolas mediante lenguaje natural. Se trata, en esencia, de una comunidad de código abierto basada en la intención.
Cuando estas aplicaciones empiezan a difundirse dentro de una comunidad y otras personas las modifican de forma iterativa, empezamos a observar un nuevo modelo de evolución del software.
En la ingeniería de software tradicional, la iteración depende en gran medida de los equipos de desarrollo y de ciclos de lanzamiento prolongados. Sin embargo, en el ecosistema de Wish Coding, el software se comporta más bien como contenido digital «plug-and-play». Los usuarios pueden crear herramientas al instante para micro-necesidades específicas, utilizarlas y dejarlas a disposición de otros para que las aprovechen y las mejoren.
En un ecosistema así, la frontera entre la producción y el consumo empieza a difuminarse. Los usuarios son a la vez creadores y consumidores. Las aplicaciones pueden crearse, utilizarse, modificarse y redistribuirse rápidamente. El software empieza a evolucionar como el contenido de una plataforma.
Los límites siguen existiendo
Por supuesto, los límites siguen estando claros. Para los ingenieros profesionales, la creación de sistemas complejos sigue siendo insustituible. Las aplicaciones de alta fiabilidad, las infraestructuras críticas y los sistemas complejos seguirán dependiendo de prácticas de ingeniería rigurosas.
El determinismo, la facilidad de mantenimiento, la facilidad de prueba y el cumplimiento normativo no pierden importancia, sino que cobran aún más relevancia en los sistemas de mayor valor.
Sin embargo, para un colectivo mucho más amplio, las barreras para crear herramientas digitales se están reduciendo. Wish Coding podría abrir un ámbito completamente nuevo de producción de software al margen del desarrollo profesional.
En este caso, el criterio de creatividad cambia: pasa de ser la “capacidad para implementar código” a la “capacidad para expresar la intención”.”
En este sentido, el «Wish Coding» pone de manifiesto una posibilidad: cuando describir un requisito resulta más difícil que implementarlo, el cuello de botella de la ingeniería de software pasa de ser la capacidad técnica a ser la expresión de la intención.
Es posible que nos encontremos en la fase inicial de esta transición.
A medida que las capacidades de generación de código se van popularizando cada vez más, Lingguang está explorando un camino hacia el empoderamiento de los usuarios, a costa de tolerar algunas imperfecciones propias de la fase inicial. Para la gran mayoría de las personas que nunca se han adentrado en el mundo de la programación, esta nueva era de creatividad en estado puro no ha hecho más que empezar.
