Vibe coding y agentic coding: dónde sigue estando la ingeniería
La IA ya escribe código más rápido que tú. Lo que decide si el sistema dura es el diseño, las pruebas y la revisión que hay alrededor.
Escribir código dejó de ser el cuello de botella. Con un modelo de lenguaje, describir un endpoint y tenerlo funcionando toma minutos. Lo que sigue costando es lo que viene después: que el sistema aguante errores, crezca sin romperse y se pueda cambiar dentro de dos años.
Esa diferencia separa dos formas de trabajar con IA que se confunden con facilidad: el vibe coding y el agentic coding.
Vibe coding: rapidez sin red
En el vibe coding conversas con el modelo. Describes lo que quieres en lenguaje natural, el modelo genera código, pruebas, ajustas y repites. No necesitas conocer la sintaxis ni la arquitectura para llegar a algo que funciona.
Para validar una idea, armar una interfaz o sacar un prototipo, es una herramienta excelente. Un MVP que antes tomaba semanas puede existir en un fin de semana, y a veces eso es exactamente lo que necesitas para saber si el producto vale la pena.
El problema aparece cuando el prototipo se queda. Sin un diseño previo, el modelo resuelve el caso feliz y poco más. Lo que solemos encontrar en esos proyectos:
- Acoplamiento. La lógica de negocio, el acceso a datos y la interfaz viven en los mismos componentes.
- Fragilidad. No hay manejo de errores asíncronos, ni respaldos, ni validación de lo que llega del usuario.
- Código que nadie entiende. Cada cambio se pide «a la conversación», el contexto se pierde y actualizar una dependencia se vuelve una apuesta.
El ahorro del primer día se paga después, con intereses, en mantenimiento.
Agentic coding: la IA dentro de un marco
En el agentic coding la IA no es un autocompletado. Es un equipo de agentes que implementa piezas concretas dentro de restricciones que alguien definió antes. El orden cambia: primero el diseño, después el código.
Tu trabajo pasa de teclear sintaxis a orquestar:
- Especificar. Escribes qué debe hacer cada componente y cómo se conecta con los demás: cómo habla un backend con los workers de una cola, cómo se construyen los contenedores para que desarrollo y producción sean iguales, cómo corre el CI/CD.
- Acotar. El agente trabaja con reglas que no puede saltarse.
- Verificar. Nada se acepta sin pasar por una revisión.
Esos controles son tres, y son los mismos que ya exigirías a una persona:
| Control | Qué impide |
|---|---|
| Análisis estático (linters, tipos estrictos) | Que código que no respeta las convenciones del proyecto llegue a revisión |
| Pruebas automatizadas (unitarias, de navegador) | «Parece que funciona» sin que nadie lo haya comprobado |
| Revisión humana de cada PR | Vulnerabilidades, condiciones de carrera y cuellos de botella que un modelo no ve |
Cómo se ve en la práctica
Este sitio es un ejemplo pequeño. Tiene objetivos que se pueden medir (A+ en cabeceras de seguridad, Lighthouse ≥ 95, accesibilidad AA), un AGENTS.md que fija las reglas para cualquier agente o persona, decisiones registradas como ADR, tipos estrictos, ESLint, pruebas unitarias y de navegador, y un CI que debe estar en verde antes de desplegar. Nunca se empuja directo a main.
Con ese marco, la IA acelera la implementación y el error se detecta pronto, porque hay algo contra lo que comparar. Sin él, la misma herramienta produciría el mismo ritmo y mucha menos confianza. La velocidad es de la herramienta; la confianza, del marco.
Qué sigue importando
Automatizar la escritura de código no elimina la necesidad de ingenieros: cambia dónde se nota su criterio. Pensamos que lo que más rinde hoy es entender las piezas que el modelo no decide por ti:
- el diseño de bases de datos y lo que implica cambiarlo después;
- la concurrencia, donde los errores aparecen solo bajo carga;
- el despliegue seguro: secretos, permisos, respaldos y qué pasa cuando algo falla.
Quien domina esas abstracciones puede delegar la carpintería técnica a un agente y revisar lo que importa. Quien no, recibe código que parece correcto y no tiene cómo saber si lo es.
Cuándo usar cada uno
| Situación | Enfoque |
|---|---|
| Validar una idea, un prototipo, una demo desechable | Vibe coding, con la fecha de caducidad a la vista |
| Un producto que va a tener usuarios, datos y mantenimiento | Agentic coding, con diseño, pruebas y revisión |
| Un prototipo que «funcionó» y ahora quieres llevar a producción | Tratarlo como una especificación: se rediseña antes de crecer |
La programación se democratizó y eso es bueno. La ingeniería de software, la disciplina de construir sistemas seguros, que escalen y que toleren fallos, sigue siendo trabajo de diseño que una herramienta, por sí sola, no hace por ti.
¿Tienes un prototipo hecho con IA que quieres llevar a producción, o un proyecto nuevo y dudas cómo plantearlo? Cuéntanos qué necesitas y revisamos por dónde empezar.