Vibe coding vs ingeniería agentica: responsabilidad en IA

⏱ Tiempo de lectura: 5 min

La diferencia entre dejar que la IA genere código sin entenderlo y usarla como herramienta profesional no está en la herramienta, sino en la responsabilidad que asumes sobre lo que liberas. Zuzana Drotárová, analista líder en Avenga, explora por qué el término vibe coding perdió su precisión original y cómo la ingeniería agentica define un estándar diferente para desarrollo profesional con inteligencia artificial.

Qué significa vibe coding realmente

El término vibe coding fue acuñado en febrero de 2025 por Andrej Karpathy, cofundador de OpenAI, para describir un enfoque deliberadamente casual: construir un proyecto aceptando automáticamente todas las sugerencias de IA, ignorando los cambios de código y permitiendo que el sistema creciera más allá de tu comprensión. El problema surgió semanas después, cuando el desarrollador Simon Willison notó que el término se usaba indiscriminadamente para cualquier desarrollo asistido por IA. Esa dilución borraba una distinción crítica: vibe coding es aceptar software generado por IA sin examinar ni entender qué hay debajo. Karpathy eventualmente estuvo de acuerdo y propuso un término diferente para trabajo más disciplinado: ingeniería agentica. Explora más herramientas profesionales de IA.

Ingeniería agentica: dirección, pruebas y rendición de cuentas

Ingeniería agentica describe un flujo de trabajo donde los desarrolladores dirigen y supervisan agentes en lugar de simplemente aceptar lo que producen. La línea divisoria es la responsabilidad: una regla simple de Simon Willison resume esto: no publiques código que no puedas explicar a otra persona. Eso no significa leer cada línea—con agentes generando cientos de líneas simultáneamente, incluso desarrolladores experimentados no lo hacen—sino entender la lógica central y justificar por qué el código hace exactamente lo que hace. Investigación publicada en diciembre de 2025 confirma esto: desarrolladores profesionales experimentados retienen control sobre el diseño e implementación, tratan agentes como colaboradores, planifican cuidadosamente y permanecen involucrados en la supervisión. www.unite.ai.

Las consecuencias del control ausente

Tea, una app de seguridad para mujeres en citas, expuso decenas de miles de fotos de identificación y más de un millón de mensajes privados en dos incidentes de seguridad. Los fallos incluían un almacén sin protección y una base de datos accesible sin autenticación. El mismo problema fundamental—software que parecía funcionar mientras su lógica de autorización permanecía peligrosamente incorrecta—apareció en una aplicación construida con Lovable: la lógica de autorización estaba invertida, bloqueando usuarios autenticados mientras permitía atacantes no autenticados, afectando más de 18.000 usuarios, incluidos estudiantes. Estos no son casos aislados. El reporte DORA 2025 de Google muestra que el 90% de desarrolladores ahora usa IA en el trabajo, pero aproximadamente un tercio reporta poca o ninguna confianza en lo que genera. Ese desfase hace especialmente crítica la revisión cuidadosa cuando código generado maneja autenticación, permisos o datos sensibles.

Control en capas, no de una vez

El flujo de trabajo de Drotárová comenzó simple: rechazaba avanzar cuando no podía explicar por qué algo se comportaba de cierta manera. Conforme los proyectos se volvieron más serios, la estructura evolucionó. En lugar de depender solo de prompts, preparaba especificaciones antes de generar nada. Documentaba requisitos de negocio, stack tecnológico e integraciones. Luego vinieron pruebas unitarias y tests de flujos de usuario con Playwright. Controles de seguridad se añadieron del mismo modo: revisaba las librerías seleccionadas por IA e introducía escaneo de malware para archivos subidos. Cada verificación surgía preguntándose qué podría salir mal después, no seguía una lista preparada al inicio. Ese hábito detectó un problema: IA introdujo una librería incompatible con la versión del framework usado. La aplicación no falló abiertamente, por lo que la incompatibilidad pudo haber pasado desapercibida y haber sido mucho más difícil de identificar después. La mayoría de revisiones previenen que problemas pequeños se conviertan en grandes.

Preguntas frecuentes sobre vibe coding e ingeniería agentica

¿Qué diferencia hay entre vibe coding e ingeniería agentica?

Vibe coding significa aceptar software generado por IA sin entender qué hay debajo. Ingeniería agentica significa usar IA como colaborador, dirigiendo agentes, probando su salida y decidiendo qué es seguro liberar. La diferencia es responsabilidad sobre lo que publicas.

¿Es seguro usar IA para generar código de producción?

Sí, si entiendes lo que genera y lo pruebas adecuadamente. No, si solo aceptas lo que produce sin revisión. Casos como Tea y Lovable muestran que la velocidad de generación puede superar la velocidad de comprensión si no estableces controles estructurados.

¿Qué debo revisar primero en código generado por IA?

Comienza con lógica de autenticación y autorización. Luego verifica librerías seleccionadas, dependencias y cómo se manejan datos sensibles. Los controles de seguridad deben crecer con la complejidad del proyecto, no imponerse de una vez al final.

Nuestra lectura editorial

El debate sobre vibe coding refleja una maduración real en cómo la industria piensa sobre IA en producción. No es sobre desconfiar del código simplemente porque lo generó una IA, sino sobre aceptar que la velocidad de generación y la comprensión son dos cosas diferentes. Controles estructurados y responsabilidad personal siguen siendo la frontera entre eficiencia y riesgo.

En Inteligencia Artificial creemos que el término correcto importa. Vibe coding describe un comportamiento de riesgo; ingeniería agentica describe una práctica profesional. ¿Cuántos desarrolladores en tu equipo podrían explicar exactamente qué hace el código que IA acaba de generar para producción?

Fuente: www.unite.ai