Vibe Coding está muerto. Y no son malas noticias

¿Qué pasó con el vibe coding en 2025-2026?

Febrero de 2025. Andrej Karpathy, cofundador de OpenAI y exjefe de IA en Tesla, publica una publicación en X describiendo un nuevo enfoque de desarrollo: simplemente escribes un prompt, la IA genera el código, iteras por intuición sin mirar demasiado lo que hay dentro. Lo llamó vibe coding y añadió: "incluso olvido que el código existe". Merriam-Webster añadió inmediatamente el término a su lista de "jerga y tendencias".

La idea explotó. Collins Dictionary nombró "vibe coding" palabra del año 2025. A principios de 2026, más del 80% de los desarrolladores informaron que utilizaban o planeaban utilizar herramientas de IA para escribir código. Se estima que el 41% de todo el código nuevo del mundo ya se genera con IA, y esto no es el límite: Sundar Pichai señaló en una publicación pública que en Google esta cifra alcanzó el 75%. Productos que antes llevaban meses se ensamblaban en fines de semana. Parecía magia.

Paralelamente, se acumularon señales de alarma. Stack Overflow Developer Survey 2025 registró una paradoja: el 84% de los desarrolladores usan o planean usar herramientas de IA, pero el 46% desconfía activamente de la precisión de sus resultados. La queja principal: "casi correcto, pero no del todo", reportada por el 66% de los encuestados. La organización METR realizó un experimento controlado aleatorizado y descubrió un resultado impactante: los desarrolladores experimentados de código abierto fueron un 19% más lentos con herramientas de IA que sin ellas, aunque ellos mismos esperaban una aceleración del 24% y después del estudio creían haber sido un 20% más rápidos. La brecha entre la percepción y la realidad resultó ser asombrosa.

Y entonces llegó mayo de 2026.

Dos ingenieros que construyeron el núcleo del popular agente de IA OpenClaw, Mario Zechner (creador de libGDX y el framework Pi) y Armin Ronacher, publicaron una advertencia en el Wall Street Journal que se propagó por toda la industria. Llamaron al fenómeno "vibe slop", una combinación de "vibe coding" y "AI slop": el momento en que la generación de código sin sentido se convierte en caos, dejando tras de sí código inflado y sin refactorizar, muletas en lugar de soluciones y deuda técnica que se solidifica como hormigón.

"Tenemos una infraestructura que se desmorona y un software que se ha vuelto mucho más propenso a errores que antes", Mario Zechner, Wall Street Journal, mayo de 2026

Ronacher, en su ensayo "Some Things Just Take Time", advirtió sobre el "vibe slop a velocidades de inferencia": la capacidad de la IA para generar código de baja calidad a una velocidad que imposibilita el control humano. También describió la "psicosis del agente", un estado en el que los desarrolladores se vuelven cada vez más desconectados del código que entregan.

Esta no fue una crítica de luditas. Fue una advertencia de personas que habían construido un producto de IA popular sobre el mismo framework sobre el que advertían, y que sabían mejor que nadie dónde fallaba el sistema.

AI slop: cuando la velocidad se convirtió en el enemigo de la calidad

Para comprender la escala del problema, veamos las cifras acumuladas hasta mediados de 2026. Esto no es alarmismo ni las opiniones de los escépticos. Son datos de investigaciones independientes.

Seguridad del código: casi la mitad es vulnerable

El informe Veracode GenAI Code Security 2025 analizó el código de más de 100 modelos de lenguaje grandes en más de 80 tareas de desarrollo reales. Resultado: el 45% del código generado por IA contiene vulnerabilidades de seguridad de la lista OWASP Top 10. Java resultó ser el peor lenguaje, con más del 70% de fallos. La conclusión más preocupante del informe: los modelos más grandes y nuevos no resolvieron el problema. El nivel de vulnerabilidades se mantuvo estable a través de las generaciones de modelos: GPT-4, GPT-5, Claude, Gemini. Este es un problema estructural inherente a la forma en que la IA genera código, no una limitación temporal que desaparecerá con el próximo lanzamiento.

"Nuestra investigación muestra que los modelos GenAI toman la decisión incorrecta en casi la mitad de los casos, y esto no mejora", dijo Jens Vessling, CTO de Veracode.

Calidad del código: 1.7 veces más defectos

El estudio de CodeRabbit "State of AI vs Human Code Generation" (diciembre de 2025) analizó 470 pull requests reales de código abierto en GitHub. El código generado por IA contiene 1.7 veces más problemas en general que el escrito por humanos, en cada categoría de calidad: lógica, mantenibilidad, seguridad, rendimiento.

Más detalles por categorías:

• Errores lógicos y de corrección: 75% más frecuentes
• Vulnerabilidades de seguridad: 1.5–2.74 veces más frecuentes
• Problemas de legibilidad del código: más de 3 veces más frecuentes
• Problemas de rendimiento (E/S excesiva, etc.): casi 8 veces más frecuentes

Un pull request promedio de IA contenía 10.83 problemas frente a 6.45 en uno humano. Además, los problemas en el código de IA son más graves: 1.4 veces más defectos críticos y 1.7 veces más defectos grandes.

Fugas de datos reales: 5000 aplicaciones sin protección

En mayo de 2026, la empresa israelí de ciberseguridad RedAccess publicó los resultados de un escaneo de 380.000 aplicaciones construidas en las plataformas Lovable, Replit, Base44 y Netlify. De ellas, más de 5000 tenían una protección y autenticación prácticamente nulas. Alrededor del 40% exponían datos sensibles: registros médicos, documentos financieros, materiales corporativos, registros de conversaciones con chatbots. Entre las fugas confirmadas se encuentran el horario de buques de una empresa de logística británica, datos de ensayos clínicos de una empresa británica de atención médica y la información financiera interna de un banco brasileño.

La causa es estructural: la mayoría de estas plataformas hacen que los nuevos proyectos sean públicamente accesibles por defecto, y la mayoría de los usuarios no técnicos simplemente no saben que esto debe cambiarse. Security Boulevard escribió sobre esto, y la investigación original apareció en WIRED.

Consecuencias empresariales: pérdidas reales de empresas reales

El estudio de Resume.org (enero de 2026, 1146 gerentes estadounidenses): el 70% observó que sus subordinados cometían errores relacionados con la IA con consecuencias empresariales reales. Y no se trata de casos aislados: el 12% vio tales errores "muchas veces", el 43% "varias veces". Las pérdidas financieras en algunos casos superaron los $50.000. Los errores más comunes: imprecisiones fácticas (58%) y la omisión de contexto o matices críticos (50%).

Estos no son riesgos teóricos. Son proyectos reales, presupuestos reales, consecuencias reales, documentados en estudios independientes realizados en la primera mitad de 2026.

Miles de productos. Ninguno memorable

Hay un problema más difícil de medir que las vulnerabilidades en el código, pero igualmente devastador para el negocio. Lo noté no en las investigaciones, sino en mi propio trabajo.

Últimamente, cuando reviso nuevos productos SaaS, páginas de inicio de startups o aplicaciones móviles, cada vez más tengo la sensación de haberlo visto antes. No el producto específico, sino la sensación general: la misma estructura de página, las mismas secciones de "cómo funciona" con tres iconos, el mismo texto principal con "potenciado por IA" en el título, el mismo panel con una barra lateral a la izquierda y tarjetas de métricas arriba. Es como si alguien hubiera creado una plantilla y miles de personas la hubieran replicado.

Esto no es una coincidencia. Es una consecuencia directa de cómo funcionan las herramientas de IA.

Los modelos de IA se entrenan con los mismos datos: miles de millones de líneas de código, sistemas de diseño, textos de marketing que existían antes de su entrenamiento. Tienden a usar las mismas bibliotecas, los mismos patrones de interfaz de usuario, las mismas formulaciones. Esto es matemáticamente inevitable: el modelo se optimiza para lo "más probable", y lo más probable es lo promedio.

El artículo académico "Vibe Coding Kills Open Source" (arXiv, enero de 2026, autores Miklós Koren, Gábor Békés y otros) describe el mecanismo con precisión: en el "vibe coding", un agente de IA elige las bibliotecas y ensambla el código, a menudo sin que el usuario lea la documentación o interactúe con los mantenedores. Los modelos tienden a favorecer paquetes grandes y bien representados en los datos de entrenamiento, lo que elimina el proceso orgánico de selección de herramientas. Los investigadores lo demostraron con el ejemplo de Tailwind CSS: el número de descargas de npm aumentó, mientras que el número de preguntas en Stack Overflow y el tráfico de documentación disminuyeron. El creador de Tailwind, Adam Wathan, escribió en un comentario en GitHub que el tráfico de su documentación había caído aproximadamente un 40% desde su pico en 2023, a pesar del aumento de la popularidad del framework, y los ingresos habían caído aproximadamente un 80%.

Lo mismo ocurre con los productos: la IA ayuda a alcanzar más rápido un resultado promedio, pero no conduce a uno excepcional. No sabe qué hace que su producto sea memorable, porque lo memorable, por definición, no es promedio.

Lo veo también en los proyectos de clientes de WebsCraft. Cuando un cliente llega con una "referencia" hecha a través de Lovable o v0, es funcional, pero completamente impersonal. No hay carácter, no hay voz, no hay sensación de que alguien haya pensado en el usuario específico. Hay una sensación de que alguien ha formulado bien el prompt.

El mercado lo siente, incluso si no lo formula con palabras. Un producto que se parece a todos no inspira confianza. No porque sea técnicamente malo, sino porque no señala que detrás hay una persona que ha pensado, que tiene experiencia, que es responsable del resultado.

En 2025, bastaba con crear una aplicación durante el fin de semana a través de Claude o Cursor para generar interés, precisamente porque había pocas aplicaciones de este tipo. En 2026, hay miles de aplicaciones así. La velocidad de salida al mercado ha dejado de ser una ventaja competitiva, se ha convertido en un requisito mínimo. La diferenciación ahora recae completamente en la calidad del pensamiento, el gusto y la comprensión del dominio. Cosas que la IA no genera; solo las potencia en quienes ya las poseen.

La IA no tiene la culpa: el problema son las personas sin fundamentos

Aquí es importante detenerse y decir algo que muchos no quieren escuchar.

La IA no tiene la culpa.

Zehner y Ronacher, personas que construyeron un popular agente de IA y utilizan activamente la IA en el desarrollo, dicen directamente: el problema no son las herramientas. El problema es cómo se utilizan. Zehner reconoce que las herramientas de IA son realmente útiles para tareas rutinarias. La cuestión es la dependencia excesiva de ellas, la creencia de que se puede reemplazar el diseño y las pruebas serias del sistema con unos pocos prompts bien formulados.

Ronacher describió dos mecanismos que observa en proyectos serios:

• Automation bias (sesgo de automatización): la tendencia a confiar en el resultado de una máquina simplemente porque fue generado por una máquina, sin un análisis crítico.
• Review fatigue (fatiga de revisión): cuando los desarrolladores se ahogan en pull requests generados por IA y gradualmente dejan de leer el código cuidadosamente.

Eric J. Ma, un desarrollador que documentó su propia experiencia de recuperación después de un desorden generado por IA, lo formuló con precisión: "La IA es una ejecutora increíble. Puede refactorizar, extraer, implementar. Pero la visión, esa sigue siendo humana. Y esa visión proviene de la experiencia, de haber visto suficientes bases de código para saber qué funciona y qué se derrumba bajo su propio peso."

La IA potencia lo que ya está en una persona. Si un desarrollador o diseñador no tiene gusto, comprensión de la UX, arquitectura o negocio, la IA simplemente ayudará a crear más rápido un producto mediocre. Si lo tiene, la IA se convierte en un verdadero multiplicador.

Yo mismo describí una situación similar: cuando mi amigo, sin una base técnica, decidió lanzar un producto a través de Gemini durante el fin de semana. Detallé dónde exactamente las personas sin conocimientos básicos chocan contra la pared, y por qué la IA no reemplaza la comprensión de la arquitectura, en el artículo La codificación con IA no te traerá dinero. Y aquí te explico por qué.

Es decir, el problema del "vibe slop" no es un problema de la IA. Es un problema de personas sin fundamentos que han obtenido acceso a una herramienta poderosa.

Qué sigue: la nueva ventaja competitiva

Zehner cree que el cálculo es inevitable: las grandes empresas pronto se darán cuenta de que una dependencia excesiva del código generado por IA aumenta los costos y empeora la calidad del producto. Muchas startups más pequeñas que dependen de la codificación por "vibras" fracasarán. Los costos en la nube aumentarán porque el código mal escrito consume más recursos informáticos, más memoria, más tráfico.

Pero también hay un lado positivo. Aquellos que aprendan a combinar correctamente la IA con las habilidades fundamentales obtendrán una ventaja difícil de copiar.

No ganarán los que generen código más rápido. Ganarán aquellos que:

• Comprenden el problema del usuario, no superficialmente, sino en profundidad: por qué buscan esta solución, qué les duele realmente, qué les hará pagar y volver.
• Saben diseñar un producto: arquitectura, UX, lógica de negocio: soluciones que soportan la carga y no se desmoronan a medida que el producto crece.
• Tienen gusto y experiencia: la capacidad de distinguir entre "funciona" y "es bueno"; la comprensión de lo que hace que un producto sea memorable y no solo funcional.
• Controlan las decisiones en lugar de delegarlas a la IA: la IA ejecuta, el humano diseña y es responsable.
• Construyen marca y confianza: en un mundo donde hay miles de productos idénticos, el reconocimiento y la reputación se convierten en un recurso escaso.

Como lo expresó acertadamente el autor del artículo en isquared.ie: "La IA no elimina la necesidad de pensar. Elimina los lugares donde uno puede esconderse."

Antes, un producto mediocre podía justificarse por la complejidad del desarrollo. Ahora, esa excusa ya no existe. La IA ha reducido la barrera de entrada para todos, lo que significa que la diferenciación ahora recae completamente en la calidad del pensamiento, el gusto y la comprensión del dominio.

Conclusión principal

La codificación por "vibras" no ha muerto. Andrej Karpathy no se equivocaba: la IA realmente ha cambiado lo que significa "saber crear software".

Pero la era de la codificación por "vibras" sin pensar, cuando bastaba con ensamblar rápidamente un producto y lanzarlo al mercado, está llegando a su fin. No porque la IA sea peor. Sino porque el mercado se ha adaptado: lo que hace un año causaba admiración, hoy es el mínimo.

Llega el momento de las personas que combinan la IA con habilidades profesionales. El momento de aquellos que tienen una base: comprensión de la arquitectura, UX, lógica de negocio, gusto, y que utilizan la IA como un multiplicador de esta base, no como su sustituto.

En 2025, la pregunta era: "¿Puedo hacer esto con la ayuda de la IA?"
En 2026, la pregunta será: "¿Tengo algo que la IA no puede dar, y estoy usando la IA para potenciarlo?"