Si te rompes la mano, tienes que llevar una escayola durante dos meses, pero no puedes dejar de trabajar, ¿qué debería hacer un programador? Erik Schluntz, investigador de Antrópico y coautor de Cómo formar agentes eficaces, ofrece una respuesta: entregarlo todo a Claude.
Hoy en día, en un momento en el que la inteligencia artificial está transformando radicalmente las reglas del sector del software, Vibe Coding se ha convertido en una opción ineludible para las empresas que desean multiplicar su productividad.
Hace unos meses, Schluntz dio un paso al frente para contar su insólita experiencia al verse obligado a realizar un “trabajo totalmente automatizado” y abordó un tema algo polémico: cómo aplicar de forma responsable el «Vibe Coding» en entornos de producción.
Esta charla está llena de consejos prácticos y, en los últimos días, se ha vuelto a hacer viral en X. Un usuario llamado Movez incluso la ha elogiado diciendo que es mejor que 100 cursos de pago.
Siguiendo el espíritu de Vibe Coding, también utilizamos la inteligencia artificial para organizar la charla de Schluntz.
Si te apetece ver esta magnífica charla, Puedes hacer clic aquí para acceder a él..
¿Qué es el «vibe coding»?
Mucha gente equipara el uso intensivo de herramientas de IA como Cursor o Copilot para generar código con el “Vibe Coding”. Eso no es exacto. Mientras el desarrollador mantenga un estrecho ciclo de retroalimentación con el modelo —revisando y modificando el código línea por línea—, no se puede considerar verdadero «vibe».”
Andre Karpathy ofreció una definición más precisa: “Sumérgete por completo en el ambiente, acoge con los brazos abiertos el crecimiento exponencial de la tecnología y olvídate por completo de que el código existe”.”
Este estilo de trabajo reduce considerablemente las barreras al desarrollo, lo que permite a personas sin formación en ingeniería crear de forma independiente aplicaciones completas. Sin embargo, en el pasado, los casos de éxito de este enfoque se limitaban principalmente a juegos personales o proyectos de bajo riesgo. Cuando los no profesionales aplican este enfoque en entornos de producción reales, a menudo se producen situaciones fuera de control, como agotar las cuotas de las API, eludir la validación de suscripciones o modificar arbitrariamente las bases de datos.
Por qué es importante el «Vibe Coding»: la lógica del crecimiento exponencial
Si los entornos empresariales de alto riesgo presentan factores incontrolables, ¿por qué deberíamos seguir impulsando esta tecnología? La principal fuerza motriz reside en el “crecimiento exponencial” de las capacidades de la IA.
Actualmente, la duración de las tareas que la IA puede gestionar de forma autónoma se duplica aproximadamente cada 7 meses. Hoy en día, la IA puede completar de forma fiable tareas de programación que duran alrededor de 1 hora, y los desarrolladores aún tienen energía para revisarlas línea por línea. Pero para el año que viene o el siguiente, cuando la IA pueda generar de una sola vez código equivalente a un día o incluso una semana de trabajo humano, si seguimos insistiendo en la revisión y modificación sincrónicas tradicionales, los ingenieros humanos se convertirán inevitablemente en el cuello de botella de la explosión de la potencia de cálculo.
Podemos fijarnos en la historia de los compiladores. Los primeros desarrolladores no confiaban en los compiladores y solían comprobar el código ensamblador subyacente. A medida que la escala de los sistemas fue aumentando, los desarrolladores tuvieron que aprender a confiar en las abstracciones de mayor nivel. De cara al futuro, todo el ámbito de la ingeniería de software debe plantearse con antelación cómo aceptar de forma segura y responsable los sistemas generados directamente por grandes modelos en entornos de producción.
Cómo aplicar la programación Vibe en producción
El principio fundamental a la hora de aplicar el «Vibe Coding» en el entorno de producción es: olvídate de la existencia del código, pero céntrate siempre en la existencia del producto.
En la gestión empresarial moderna, los directores técnicos (CTO) se basan en pruebas de aceptación para gestionar a los expertos técnicos; los gestores de producto validan las funcionalidades probando el producto; y los directores generales (CEO) revisan los modelos financieros a través de conjuntos de datos clave. Ninguno de ellos se adentra en los detalles de ejecución de más bajo nivel. Los ingenieros de software también necesitan establecer capas de abstracción similares que puedan verificarse sin necesidad de leer el código subyacente.
La clave está en encontrar capas de abstracción que se puedan verificar.
Sin embargo, la programación actual de IA presenta un obstáculo técnico complicado: la deuda técnica. En la actualidad, aparte de leer todo el código fuente, resulta extremadamente difícil medir o verificar la deuda técnica mediante métodos sistemáticos.
Partiendo de esto, Erik Schluntz propone centrarse en los “nodos hoja” del código fuente. Estos nodos se refieren a funciones terminales o componentes auxiliares de los que no depende ningún otro módulo. En estas áreas, aunque se genere cierta deuda técnica, resulta aceptable, ya que cambian con poca frecuencia y no obstaculizan la creación de módulos futuros.
Por el contrario, en lo que respecta al núcleo central y a la arquitectura subyacente del sistema, los ingenieros siguen teniendo que comprender a fondo la escalabilidad y protegerla rigurosamente.
Cabe destacar que, a medida que mejoran las capacidades de los modelos, el nivel de código que podemos confiar a la IA se está ampliando hacia abajo. En pruebas internas recientes realizadas en Anthropic, la tasa de éxito de la IA a la hora de generar arquitecturas de alta calidad está aumentando, y este límite está cambiando de forma dinámica.
La habilidad fundamental de la programación intuitiva: pensar como un gestor de producto
Para que la IA genere código de ingeniería de alta calidad, los desarrolladores deben cambiar su forma de pensar y considerarse a sí mismos como los responsables de producto de Claude. No preguntes qué puede hacer Claude por ti; pregunta qué puedes hacer tú por Claude.
Cuando se enfrentan a tareas de desarrollo complejas, los desarrolladores deben orientar a la IA como si estuvieran incorporando a un nuevo empleado en su primer día de trabajo. Limitarse a dar una instrucción del tipo “implementa esta función” está abocado al fracaso. Los desarrolladores deben proporcionar una guía detallada sobre el código y definir claramente los requisitos y las restricciones.
Antes de dejar que Claude escriba el código, Schluntz suele dedicar entre 15 y 20 minutos a interactuar con él. Esto incluye dejar que la IA explore el código fuente, encuentre los archivos pertinentes y elabore conjuntamente un plan de ejecución claro. A continuación, todo este contexto y estas especificaciones, bien organizados, se fusionan en una única indicación antes de la ejecución.
En este proceso, la tasa de éxito del modelo aumenta de forma exponencial.
Caso real: 22.000 líneas de código fusionadas en un solo día
Schluntz reveló un caso extremo de la vida real ocurrido en Anthropic. Su equipo logró integrar con éxito un cambio de código de hasta 22 000 líneas en un código base de aprendizaje por refuerzo en producción, la mayor parte del cual fue escrito por Claude.
Para llevar a cabo esta fusión de forma responsable, el equipo adoptó cuatro estrategias:
- Una planificación exhaustiva desde el principio desde la perspectiva del gestor de producto
- Limitar estrictamente los cambios en los nodos hoja
- Revisión manual de la lógica del sistema central
- Diseño de puntos de control verificables y pruebas de estrés
Gracias a este enfoque, lo que en un principio requería dos semanas de trabajo de ingeniería humana se redujo a un solo día.
Cuando los costes de desarrollo se reducen drásticamente, los ingenieros adquieren la capacidad de llevar a cabo refactorizaciones a gran escala e iteraciones de funcionalidades que antes resultaban imposibles debido a las limitaciones de recursos.
Técnicas avanzadas de codificación de vibraciones y preguntas y respuestas prácticas
Schluntz también compartió ideas prácticas en diversos ámbitos, desde los métodos de aprendizaje hasta el uso de herramientas.
Sobre el aprendizaje: puede que los programadores ya no tengan que lidiar con detalles de bajo nivel, pero la IA acelera considerablemente la velocidad de aprendizaje. Los desarrolladores pueden pedirle a la IA que les explique bibliotecas y decisiones con las que no estén familiarizados, convirtiéndola así en un compañero de programación siempre disponible.
Sobre la acumulación de experiencia: la IA permite acelerar el proceso de prueba y error. Las decisiones que antes tardaban años en validarse ahora pueden ponerse a prueba en cuestión de meses, lo que permite a los ingenieros adquirir una experiencia mucho mayor en el mismo periodo de tiempo.
A modo de sugerencia: el nivel de detalle depende de cuánto te importe la implementación. Sin embargo, imponer demasiadas restricciones al modelo suele reducir el rendimiento. Trátalo como si estuvieras comunicándote con un ingeniero novel, en lugar de imponer plantillas rígidas.
En cuanto a la seguridad: Vibe Coding solo es seguro cuando se utiliza bajo la supervisión de alguien que comprenda los riesgos. Los problemas suelen surgir cuando usuarios sin conocimientos técnicos implementan sistemas sin tener la debida conciencia de los riesgos.
Sobre el diseño de productos: es posible que las herramientas del futuro ofrezcan sistemas “demostrablemente correctos”, en los que la lógica sensible del backend esté bloqueada y los usuarios puedan experimentar con seguridad en entornos controlados.
En cuanto a las pruebas: el desarrollo basado en pruebas resulta extremadamente útil. En lugar de pruebas complejas, es recomendable realizar pruebas sencillas de extremo a extremo: una ruta normal y dos casos de fallo. Las pruebas mínimas mejoran la fiabilidad y la legibilidad.
En cuanto al flujo de trabajo: es habitual combinar Claude Code y Cursor. Claude se encarga de la generación, mientras que los desarrolladores revisan o perfeccionan los resultados. El contexto debe comprimirse periódicamente para evitar desviaciones.
En códigos fuente desconocidos: antes de implementar funcionalidades, utiliza la IA para explorar el sistema —localizar módulos clave, identificar implementaciones similares y crear un modelo mental antes de la ejecución—.
Reflexiones finales: qué significa realmente “aprovechar el crecimiento exponencial”
La esencia del crecimiento exponencial no es solo la mejora continua, sino que dicha mejora se produzca a un ritmo mucho más rápido de lo que esperamos.
Al igual que una curva que comienza lentamente y luego se dispara de repente, es posible que la capacidad de la IA no solo se duplique, sino que aumente en órdenes de magnitud.
Si echamos la vista atrás a la historia de la informática, desde los kilobytes de memoria de la década de los noventa hasta los terabytes actuales, la mejora no es del doble, sino de millones de veces.
Así pues, la verdadera pregunta no es “¿qué pasaría si los modelos mejoraran el doble?”, sino “¿qué pasaría si su capacidad se multiplicara por un millón?”.”
Ese es el verdadero significado del «Vibe Coding», y por eso no se puede pasar por alto.
