Líderes de opinión
Vibe coding, IA y la nueva realidad de la ingeniería de software

Puntos claveLa IA sobresale en tareas de codificación local, pero carece del criterio…
Ver más
- La IA sobresale en tareas de codificación local, pero carece del criterio arquitectónico necesario para la estabilidad del sistema a largo plazo.
- Los ingenieros experimentados que comprenden sistemas de bajo nivel adquieren un nuevo valor como entrenadores y validadores de IA.
- La codificación por vibración podría volverse económicamente insostenible a medida que las empresas sopesen los costos de la infraestructura de IA frente a los equipos humanos.
Hace diez años, la idea de que la IA podría escribir código en lugar de los programadores sonaba más como una fantasía emocionante. Hoy en día, se ha convertido en parte de la realidad cotidiana. Los productos mínimos viables (MVP) se crean en días, las interfaces se generan a partir de instrucciones de texto y los asistentes de IA se están convirtiendo en miembros de pleno derecho de los equipos de ingeniería.
Frente a este telón de fondo, cada vez más personas se hacen las mismas preguntas: ¿La IA realmente está reemplazando a los programadores? ¿Puede la inteligencia artificial realmente igualar y reemplazar a un ingeniero sénior? ¿Y qué pasará con la profesión en el futuro cercano?
Yo mismo soy desarrollador, y tengo una opinión sobre esto. Vamos a desglosarlo.
¿Cuál es el núcleo del problema?
Existe una narrativa dominante sobre la programación con IA que va más o menos así:
La IA se está volviendo extremadamente efectiva para escribir código y, lo que es importante, ya evita muchos de los errores comunes que cometen los humanos. Incluso más interesante es que la IA podría ser mejor para manejar los llamados casos límite: escenarios raros y poco comunes que son ubicuos en la ingeniería de software y que a los desarrolladores a menudo les resulta difícil prever.
Cuando el programador dice: “Quiero un botón aquí”, obtiene una respuesta: “Aquí está el botón, aquí hay 18 casos límite que debes considerar, aquí están las pruebas que debes ejecutar y, por cierto, también podrías agregar esto y esto”. Puedes mirarlo y pensar: “Sí… eso realmente tiene sentido”. Por tu cuenta, podrías haberte dado cuenta de esos problemas semanas después, después de que algo ya hubiera salido mal en producción. La IA a menudo sugiere soluciones de inmediato. Para los ingenieros que ya tienen empleos, aumenta significativamente la productividad y la eficiencia.
Y esta narrativa conduce directamente a una pregunta económica: si una empresa necesitaba anteriormente 100 desarrolladores para manejar una determinada carga de trabajo, teóricamente ahora podría necesitar solo 20, porque esos 20 pueden lograr la misma cantidad de trabajo con la asistencia de la IA.
¿Qué se esconde detrás de esta aceleración?
Cada vez más a menudo, veo a ingenieros de software muy competentes que temen por sus puestos, su lugar en el mercado y sus ingresos. Se siente como si pronto no quedara trabajo para los programadores.
Y mi respuesta es generalmente: chicos, probablemente no es tan dramático como parece. De hecho, los ingenieros experimentados están ganando un nuevo tipo de valor en este momento. Porque podemos ser una de las últimas generaciones de desarrolladores que realmente escribieron código a mano y comprenden profundamente cómo funcionan los sistemas debajo de la superficie. La próxima generación está trabajando cada vez más a través de herramientas de IA, y junto con eso, la práctica de ingeniería en sí está cambiando.
Aquí está lo que la narrativa anterior no tiene en cuenta:
El código generado por la IA a menudo parece no tener ningún problema. Las tareas se resuelven, las interfaces funcionan y todo funciona. Pero con el tiempo, a largo plazo, comienzan a aparecer problemas más sutiles: compromisos arquitectónicos, decisiones de ingeniería débiles, problemas con las estructuras de datos o problemas de escalabilidad. Y eso sucede porque la IA ya es muy buena para resolver tareas locales, mientras que la lógica a largo plazo de los grandes sistemas todavía requiere experiencia humana y criterio de ingeniería.
Es por eso que, una vez que estos proyectos llegan a entornos de producción serios, como bancos, plataformas de comercio electrónico, servicios a gran escala, los equipos eventualmente todavía necesitan personas que puedan analizar profundamente la arquitectura, identificar las causas raíz y restaurar la lógica general del sistema.
A menudo recibo llamadas de amigos que dicen cosas como: “Michael, ¿puedes intervenir y ayudarnos a entender por qué el sistema está empezando a desmoronarse?” Aunque hoy trabajo en IA Física en Introspector, todavía ocasionalmente puedo ayudar con este tipo de trabajo de ingeniería manual difícil: reconstruir la lógica del sistema, analizar la arquitectura y averiguar dónde comenzaron a acumularse los problemas.
Y eso es exactamente por lo que creo que los ingenieros competentes seguirán siendo muy valiosos durante mucho tiempo. Al mismo tiempo, a menudo son los ingenieros experimentados quienes están ayudando a mejorar y entrenar modelos de IA hoy en día. En Keymakr, vimos esto de primera mano cuando buscábamos desarrolladores experimentados para validar código y ayudar a entrenar modelos, personas que puedan confiar en el pensamiento de ingeniería real, la experiencia práctica y una comprensión profunda de cómo se comportan los sistemas en el mundo real.
Las principales hipótesis
Y esto nos lleva a la pregunta más grande sobre el futuro: ¿hacia dónde nos lleva todo esto en última instancia? ¿Cómo formamos a la próxima generación de ingenieros si están entrando en la industria a través de un camino completamente diferente desde el principio?
Si miramos la situación de manera objetiva, sin exageraciones ni miedo, veo varios escenarios posibles.
-
Un futuro incierto
La primera y probablemente la respuesta más honesta es que muy pocas personas hoy en día piensan realmente en el futuro a largo plazo. Simplemente porque nadie todavía entiende completamente cómo se verá este futuro en la práctica.
Quizás, en unos pocos años, los agentes de IA realmente sean capaces de escribir código casi perfecto, con una arquitectura sólida, escalabilidad y comprensión contextual. Ahora, esa pregunta sigue completamente abierta.
Al mismo tiempo, las principales empresas tecnológicas como Apple (AAPL ), Microsoft (MSFT ) y Google siguen contratando activamente a investigadores destacados, especialistas con doctorado y personas de entornos académicos. Eso probablemente sugiere que creen que la comprensión profunda de la ingeniería seguirá siendo importante incluso en un mundo donde la mayoría del código se genera automáticamente.
Las empresas más pequeñas, sin embargo, a menudo operan con un horizonte de planificación muy diferente. Cuando no sabes si tu startup seguirá existiendo en seis meses, se vuelve difícil pensar seriamente en lo que puede suceder dentro de diez años. Por supuesto, nadie quiere intencionalmente construir algo fundamentalmente roto. Los equipos todavía tratan de identificar posibles riesgos y debilidades.
Pero en la realidad, la lógica es a menudo mucho más simple: primero, construye un producto que funcione y genere ingresos, luego ocúpate de la arquitectura, la optimización y la reescritura del sistema más tarde. El problema es que, en muchos proyectos, “más tarde” sigue siendo pospuesto indefinidamente.
-
Evolución en espiral
La segunda respuesta, en mi opinión, es aún más interesante. Si miras la historia de la industria, ya ha pasado por transiciones similares muchas veces antes. Los primeros programadores trabajaron con tarjetas perforadas. Luego vino la generación de ingenieros que escribían en lenguaje ensamblador, algo que a muchos desarrolladores modernos ya les cuesta incluso imaginar. En aquella época había que entender literalmente cómo funcionaba el hardware, razonar en términos de la lógica del procesador y tener presente una enorme complejidad de bajo nivel.
Luego vino la era de COBOL. Se construyeron sistemas centrales bancarios completos con él, y lo más sorprendente es que una parte significativa de la infraestructura bancaria global todavía funciona con esos antiguos sistemas hoy en día. Todavía hay programadores sexagenarios y septuagenarios que mantienen esa base de código, y siguen siendo especialistas extremadamente valiosos.
La siguiente generación pasó a C++, Python y JavaScript. Yo mismo pertenezco a esa era. Por ejemplo, apenas entiendo cómo funciona COBOL. En teoría, podría aprenderlo, pero para mí ya se siente como algo distante y ajeno.
Y cuando miras esto históricamente, surge un patrón interesante: cada nueva generación de ingenieros ya no necesita comprender profundamente cómo funcionaba la tecnología de la generación anterior. Con el tiempo, el conocimiento se incorpora a la infraestructura en sí.
Las tarjetas perforadas desaparecieron hace mucho tiempo, su lógica ahora está incorporada en los procesadores. El lenguaje ensamblador en gran medida desapareció como una herramienta principal porque su complejidad se escondió dentro de los sistemas operativos, controladores y abstracciones de bajo nivel. Incluso tus auriculares de hoy probablemente contienen un pequeño sistema operativo que ejecuta toda esta complejidad oculta en segundo plano, la mayoría de las personas simplemente nunca piensa en ello.
Por supuesto, todavía hay especialistas que entienden toda esta magia de bajo nivel. Pero para la mayoría de la industria, ya se ha convertido en una capa de abstracción.
Y eso conduce a una idea muy lógica: tal vez la IA sea simplemente la próxima etapa de esta evolución. Tal vez la próxima generación realmente no necesite comprender la programación clásica tan profundamente como lo hicimos.
-
La economía del mercado
Otra hipótesis que tengo es que el vibe coding, o el desarrollo asistido por IA, eventualmente dejará de ser percibido como “aceleración gratuita”. En realidad, ya tiene costes: no es completamente gratuito; es que, por ahora, no todos están calculando cuidadosamente los verdaderos costos económicos detrás de ello.
Modelos, tokens, infraestructura, solicitudes constantes, mantenimiento de todo el flujo de trabajo de IA, todo esto se está convirtiendo gradualmente en un gasto operativo significativo. Es por eso que creo que las empresas pronto comenzarán a mirar mucho más de cerca el costo real del desarrollo asistido por IA y a hacer una pregunta muy pragmática: ¿qué es realmente más eficiente, expandir un equipo de ingeniería o mantener toda la infraestructura de IA alrededor del desarrollo?
Un escenario muy realista es que los equipos de ingeniería sólidos puedan demostrar ser más sostenibles económicamente a largo plazo, especialmente cuando se trata de mantener, evolucionar y respaldar productos.
Sin embargo, creo que es precisamente aquí donde puede surgir un nuevo tipo de equipo de ingeniería: grupos muy pequeños de especialistas altamente experimentados que se centran en mantener la estabilidad y la resiliencia de la infraestructura en sí. Con el tiempo, esto puede convertirse en una de las especializaciones de ingeniería más valiosas de la industria.
-
Personas que trabajarán junto a la IA
Y la suposición final, aunque muy realista, es que la próxima generación de ingenieros probablemente tendrá que construir sus carreras en un entorno completamente diferente. Y esto va mucho más allá de la programación por sí sola. Cambios similares ya están comenzando a transformar el derecho, las finanzas, la medicina y casi todos los campos donde la IA puede asumir una parte significativa del trabajo intelectual de rutina.
A pesar de todo esto, todavía tiendo a ver lo que está sucediendo de manera bastante positiva. Probablemente porque, en general, me gusta el progreso. Me gusta la idea de que la tecnología puede mejorar la vida de las personas, liberar a los humanos de enormes cantidades de trabajo repetitivo y hacer que muchos procesos sean más seguros y eficientes.
Por ejemplo, los sistemas de conducción autónoma como los de Tesla o Waymo ya están demostrando niveles de seguridad notablemente altos en muchos escenarios en comparación con los conductores humanos. Y eso es genuinamente impresionante.
Al mismo tiempo, el mundo en el que nuestros hijos están entrando será mucho más complicado en términos de identidad profesional. Tendrán que buscar su lugar y propósito en un paisaje que cambia rápidamente.
Si un niño de hoy quiere convertirse en abogado, analista financiero o programador, hay una gran posibilidad de que esas profesiones se vean completamente diferentes en el futuro. Tal vez se convertirán en especialistas que trabajan en estrecha colaboración con la IA legal, la IA financiera o la IA de codificación, personas que operan sistemas de IA, validan los resultados, brindan contexto y toman las decisiones clave.
Creo que es importante reconocer que casi todos estos escenarios ya se sienten realistas hoy en día. Y ya sea que nos guste o no, todo lo que está sucediendo ahora es parte de una ola de progreso tecnológico mucho mayor. Es muy poco probable que se pueda detener este proceso. Lo que significa que tendremos que aprender a vivir en este nuevo mundo, aprendiendo gradualmente a encontrar un equilibrio con él, comunicarnos con él y tal vez incluso desarrollar una nueva forma de coexistencia.












