Conceptos
Vibe coding
Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.
Vibe coding — construir software pidiendo iterativamente a un modelo de lenguaje grande y juzgando el comportamiento resultante, sin leer ni editar directamente el código fuente subyacente. Popularizado por Andrej Karpathy en 2025 como el flujo de trabajo en el que uno «olvida que el código existe», el vibe coding es la realización nativa de LLM de la programación en lenguaje natural y el desarrollo por parte de usuarios finales —encuadres que ahora se tratan como sinónimos—, en la que la prosa se convierte en la interfaz de programación principal.
Preguntas para reflexionar
- El encuadre original de Karpathy decía que uno debería «olvidar que el código existe». Antes de seguir leyendo, pregúntese: ¿no ver el código es una ventaja (rebaja las barreras) o un riesgo (no puede verificar ni arreglar lo que no ve)? ¿Qué implica la respuesta para quién debería poder hacer vibe coding?
- La investigación sobre quién tiene éxito en el vibe coding encontró que el rendimiento tradicional en informática sigue prediciendo el éxito incluso cuando la persona usuaria nunca toca el código. Si eso le sorprende, ¿qué habilidad oculta podría estar construyendo la formación en informática que la prosa por sí sola no captura?
- El mismo estudio encontró que la habilidad de escritura predice el rendimiento en vibe coding en gran medida porque produce prompts de mayor calidad. Si el prompting es de verdad el cuello de botella, ¿la solución correcta es enseñar a la gente a promptear mejor o rediseñar las herramientas para que exijan menos habilidad de prosa?
- El vibe coding se celebra a menudo por convertir a «cualquiera» en desarrollador. Pero si tanto la habilidad de escritura como el conocimiento de informática moldean los resultados, ¿el vibe coding amplía el acceso a construir software o simplemente traslada la barrera de habilidad del código a la prosa?
- Algunos desarrolladores distinguen el vibe coding «puro» (no leer nunca el código) de la programación asistida por IA en la que uno revisa y edita lo que escribió el modelo. ¿Dónde cree que es más probable que ocurra el aprendizaje genuino —frente a la dependencia excesiva—, y por qué?
Introducción
El vibe coding describe un estilo de interacción que habilitan las plataformas de desarrollo integradas con LLM (Replit, Lovable, Cursor y otras): la persona usuaria especifica un programa en lenguaje natural, el modelo genera un sistema funcional, y la persona usuaria itera según el comportamiento observado en lugar de editar el código fuente. El término lo acuñó el cofundador de OpenAI Andrej Karpathy en febrero de 2025 para capturar la experiencia de depender del modelo hasta tal punto que «el código» se desvanece de la conciencia. El vibe coding se sitúa en la convergencia de varias líneas: es IA generativa aplicada a la programación, una forma extrema de trabajo guiado por prompts, una instancia concreta de colaboración humano-IA y la ruta más clara hasta ahora para que quienes no programan y las personas usuarias finales construyan su propio software (desarrollo por parte de usuarios finales).
También tiene raíces profundas. La idea de programar en lenguaje ordinario es muy anterior a los LLM: desde la aspiración de COBOL de ser «un sistema de programación en lengua inglesa para programadores no profesionales», pasando por la programación literaria de Donald Knuth, hasta la investigación sobre programación en lenguaje natural con subconjuntos restringidos del inglés. Solo con los LLM se volvió factible mapear instrucciones genuinamente conversacionales y poco especificadas a código ejecutable. El vibe coding es la variante concreta en la que la persona usuaria no inspecciona ni edita deliberadamente el código generado, y se apoya por completo en el prompting iterativo y la evaluación del comportamiento.
Definir el constructo: vibe coding «puro» frente a vibe coding con código visible
La definición del vibe coding sigue en flujo. Algunos usan el término en sentido amplio para referirse a cualquier programación guiada por IA; otros insisten en que se refiere estrictamente a «construir software con un LLM sin revisar el código que escribe». Google Cloud distingue una versión «pura» sin código (coherente con la definición de Karpathy) de una versión en la que la persona usuaria entiende y refina el código generado. Esta distinción importa para la investigación: un estudio controlado de la competencia en vibe coding exige un constructo bien definido. El estudio de CHI 2026 sobre los predictores de la competencia en vibe coding se dirigió deliberadamente a la variante «pura», sin código: los participantes no podían ver ni editar el código generado, así que el rendimiento medido reflejaba solo la capacidad de especificar, refinar y depurar comportamiento mediante prosa y salida observada (véase Thorgeirsson et al.).
Quién tiene éxito en el vibe coding: la evidencia
Un estudio transversal preregistrado (N = 100 estudiantes de educación superior) aporta la primera evidencia controlada a nivel de participante sobre qué habilidades predicen el éxito en vibe coding. Tanto la competencia en comunicación escrita (r = 0,29) como el rendimiento en informática (r = 0,39) predijeron significativamente el rendimiento en tareas de vibe coding orientadas a GUI y validadas por especialistas, y el rendimiento en informática siguió siendo significativo tras controlar habilidades cognitivas generales de dominio (r parcial = 0,281). En un modelo conjunto, el rendimiento en informática aportó aproximadamente el doble de varianza única que la habilidad de escritura, pero ambas añadieron valor predictivo independiente. De forma crítica, la calidad del prompt calificada por personas medió en el vínculo escritura→rendimiento, lo que aporta evidencia de proceso de respuesta de que la prosa clara opera produciendo mejores prompts. Como el entorno ocultaba el código fuente, el conocimiento de informática solo podía ayudar de forma indirecta (mediante la descomposición del problema, el pensamiento algorítmico y los modelos mentales del flujo de control), así que los autores sostienen que su estimación del efecto de la informática es un límite inferior para la programación asistida por IA en la que la persona usuaria también puede editar el código directamente (Thorgeirsson et al., 2026).
El vibe coding como desarrollo de usuarios finales y herramientas para el profesorado
Una de las grandes promesas del vibe coding es que permite a quienes no programan —incluidos docentes y especialistas de dominio— construir su propio software, una forma de desarrollo por parte de usuarios finales propia de la era de los LLM. Un estudio del marco GAIDE mostró a docentes de K-12 (no programadores) usando vibe coding en un taller de ocho semanas para crear herramientas de aprendizaje impulsadas por IA, lo que elevó su alfabetización en IA y demostró el «aprender creando» como modelo de desarrollo profesional. En educación superior, un docente construyó rápidamente un visualizador del proceso de programación a partir de registros de actividad del IDE mediante vibe coding en cuestión de días, haciendo visibles los procesos de programación del estudiantado para la docencia y la revisión de integridad académica. Estos casos sitúan el vibe coding no solo como una habilidad de quien aprende, sino como una capacidad de autoría que reconfigura quién puede crear tecnología educativa.
Homogeneización del diseño: acceso sin diversidad
La promesa de desarrollo de usuarios finales del vibe coding tiene que ver con quién puede construir, no con qué se construye. En un despliegue de curso, 73 estudiantes que construían sitios para negocios distintos en una misma plataforma de vibe coding produjeron alrededor de una docena de diseños distintos, y la autoría percibida no se correspondía con la originalidad medida (Boussioux et al. (2026)). Bajar la barrera para construir puede estandarizar el resultado: un coste que la promesa de acceso no anuncia.
Aprendizaje, agencia y el riesgo de dependencia excesiva
El vibe coding reabre preguntas centrales sobre qué se aprende cuando la IA automatiza la implementación. Como la persona usuaria no lee el código, debe confiar en el comportamiento del modelo, lo que convierte el vibe coding en un caso de alto riesgo de la tensión entre la agencia y la dependencia excesiva que recorre la programación asistida por IA. Los currículos están respondiendo al pasar de enseñar a implementar a enseñar a dirigir, verificar y auditar artefactos generados por IA (véanse la reconfiguración de la informática de grado y la ingeniería de software agéntica). El vibe coding también cambia la posición epistémica de quien aprende: el éxito depende menos de escribir código que de expresar la intención con precisión y evaluar el comportamiento frente a los objetivos, competencias más cercanas al pensamiento computacional y a la escritura estructurada que al dominio tradicional de la sintaxis.
Un segundo límite aparece en la propia construcción: eliminar la barrera de la programación puede dejar intacta la carga de diagnóstico. Dos estudios de caso de ingeniería hicieron que un docente construyera simulaciones web funcionales de un sistema de gestión térmica de baterías y de tres protocolos ARQ pidiendo a Gemini en lenguaje llano en unas pocas horas (Tarasak et al. (2026)). Un error de paquete duplicado sobrevivió entonces a prompts repetidos, incluido uno que enunciaba el comportamiento requerido. Solo se corrigió cuando el docente razonó desde el comportamiento del protocolo hasta un intervalo de tiempo de espera insuficiente, un parámetro que la interfaz nunca exponía. No se midió el efecto de ninguna de las dos simulaciones sobre el aprendizaje, así que el relato establece viabilidad y no eficacia.
Conexiones con conceptos relacionados
El vibe coding conecta de forma natural con la ingeniería de prompts (la calidad del prompt es el mecanismo del desarrollo guiado por prosa), con la enseñanza de la informática (como el dominio donde más se usa y más se discute la técnica), con el pensamiento computacional (el modelado mental que predice el éxito incluso sin acceso al código), con la enseñanza de la escritura (la escritura convertida en habilidad de programación) y con la IA agéntica (dirigir un modelo hacia un artefacto en lugar de construirlo a mano). También se cruza con la alfabetización en IA y el rol docente, ya que la capacidad de construir las propias herramientas cambia lo que pueden hacer docentes y estudiantes. Por último, plantea preguntas de integridad académica y de evaluación idénticas a las que plantea la generación de código por IA en toda la educación en informática.
Un estudio de caso a nivel de facultad aporta la capa organizativa. Zimmer (2026) describe el intraemprendimiento con IA —educadores que construyen sus propias herramientas en lugar de esperar la compra institucional—, incluida una autora que no programa y que usa Claude Code para construir un comprobador de 321 enlaces de curso. Los facilitadores decisivos fueron organizativos y no técnicos: la discrecionalidad sobre el trabajo, los reconocimientos y la disponibilidad de tiempo, esta última descrita como la más obviamente deficitaria en los entornos académicos y minada por la promoción y la titularidad. La seguridad se quedó con la advertencia sobria: un prototipo que funciona no es uno revisado, y el despliegue en el aula hecho con vibe coding añade una pasada de revisión antes de manejar datos del estudiantado y una conexión con el LMS.
Concepciones erróneas
«El vibe coding baja la barrera de habilidad, así que es sobre todo cuestión de escribir bien.» La competencia en comunicación escrita ayuda y no sostiene el resultado por sí sola. En un estudio transversal prerregistrado (N = 100 estudiantes de educación superior), tanto la competencia en comunicación escrita (r = 0,29) como el rendimiento en informática (r = 0,39) predijeron significativamente el desempeño en tareas de vibe coding orientadas a interfaz gráfica y validadas por especialistas, y en un modelo conjunto el rendimiento en informática aportó alrededor de el doble de varianza única que la habilidad de escritura, mientras ambas conservaban valor predictivo independiente. La barrera se ha movido, no ha desaparecido, y una parte sigue siendo técnica.
«Como ahora cualquiera puede construir software, lo que se construya será más diverso.» El acceso y la diversidad son resultados distintos, y el acceso puede incluso comprimir el segundo. La evidencia sobre homogeneización del diseño describe exactamente ese patrón: una población más amplia de personas que construyen a partir de los mismos modelos, las mismas convenciones de componentes y los mismos valores por defecto de prompting tiende a diseños convergentes. Democratizar la autoría no diversifica automáticamente los artefactos.
«El vibe coding "puro" es lo que significa el término, así que la distinción da igual.» Importa para la evaluación y para la seguridad. En el vibe coding puro, la persona deliberadamente no inspecciona ni edita el código generado y se apoya por completo en el prompting iterativo y la evaluación conductual; el trabajo con código visible es aquel en el que la persona lee lo que se produjo. Son actividades distintas con perfiles de error distintos, y un estudio de una no autoriza afirmaciones sobre la otra.
«Si la aplicación funciona, el código generado está bien.» Que funcione es una prueba débil. El análisis de Veracode de 2025 encontró que solo el 55% del código generado por IA era seguro, así que las herramientas de aula hechas con vibe coding siguen necesitando una pasada de revisión antes de manejar datos del estudiantado o de conectarse a cualquier sistema que merezca protección. La evaluación conductual confirma los caminos que la persona ejercita por casualidad y no dice nada de los que no ejercita.
Poner el vibe coding en práctica
Para el profesorado y la formación docente
- Enseñe explícitamente la diferencia entre vibe coding puro y con código visible, y exija el segundo para cualquier cosa que vaya a manejar datos del estudiantado. La distinción es un hábito enseñable y no una sutileza filosófica.
- Mantenga un hilo real de programación junto al trabajo de vibe coding, porque el rendimiento en informática aportó cerca del doble de varianza predictiva única. Tratar la especificación en lenguaje natural como sustituto completo descarta el predictor más fuerte.
- Haga que el estudiantado evalúe el artefacto de forma conductual y inspeccione el código de todo lo que despliegue. Leer código generado es una habilidad de revisión, y no es automática para quien sabe escribir prompts.
Para quienes desarrollan y quienes administran
- Ejecute una pasada de revisión de seguridad en cualquier herramienta hecha con vibe coding antes de que toque expedientes del estudiantado, en línea con el hallazgo del 55% de código seguro.
- Presupueste la homogeneización: si varias personas del equipo hacen vibe coding de la misma clase de herramienta a partir de los mismos valores por defecto, espere resultados similares y planifique cómo se logrará la diferenciación de forma deliberada.
- Prefiera flujos con código visible para las herramientas que se van a mantener y reserve el vibe coding puro para prototipos desechables.
Para quienes investigan
- Informe de la condición de vibe coding (puro frente a código visible) junto con los resultados, y use tareas orientadas a interfaz gráfica validadas por especialistas en lugar del éxito autoinformado, para que los resultados sean comparables entre estudios.
- Mida la diversidad de los artefactos, y no solo su número o el de personas que los construyen, si se está poniendo a prueba el argumento del acceso.
Conceptos conectados
- IA generativa
- Grandes modelos de lenguaje (LLM)
- Ingeniería de prompts
- Enseñanza de la informática
- Pensamiento computacional
- Escritura
- IA agéntica
- Colaboración humano-IA
- Alfabetización en IA
- La docencia
- Descarga cognitiva
Artículos conectados
- Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency — El rendimiento en informática y las habilidades de escritura predicen la competencia en vibe coding (estudio empírico de CHI 2026)
- A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding — Un marco orientativo para docentes de K-12 en la creación de tecnologías de aprendizaje impulsadas por IA mediante vibe coding
- From Idea to Classroom in Days: Using Vibe Coding to Create a Programming Process Visualizer from IDE Activity Logs — De la idea al aula en días: usar el «vibe coding» para crear un visualizador del proceso de programación a partir de registros de actividad del IDE
- Vibe Coding for Simulation Development in Engineering Education — El vibe coding construyó dos simulaciones de ingeniería en horas; diagnosticar un error de protocolo seguía necesitando al docente
- Understanding Student Perceptions, Mistakes, and Debugging Approaches when Solving Natural Language Programming Tasks — Entender las percepciones, los errores y los enfoques de depuración del estudiantado al resolver tareas de programación en lenguaje natural
- Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education — Aprender programando con IA generativa: un marco teóricamente fundamentado para la construcción de artefactos en la educación secundaria superior
- Reshaping Undergraduate Computer Science Education in the Generative AI Era — Reconfigurar la enseñanza de grado en informática para la IA generativa
- Flowcode: An AI-Powered Programming Environment for Scaffolding Iteration in Creative Computing Education — Flowcode: un entorno de programación impulsado por IA para andamiar la iteración en la educación en computación creativa
- AI Intrapreneurship: Educators as Frontline Innovators in the Age of Generative AI — Intraemprendimiento con IA: el profesorado que construye sus propias herramientas, y los facilitadores organizativos que deciden si el impulso sobrevive (Zimmer 2026)
- One Tool, One Taste? How Vibe Coding Trades Collective Diversity for Individual Creativity — Una herramienta, un gusto? Cómo el vibe coding cambia diversidad colectiva por creatividad individual
Recursos relacionados
- Vibes DIYUn constructor de aplicaciones en lenguaje sencillo: describa una herramienta pequeña con palabras y obtenga una aplicación web funcional y compartible, con los paquetes de React y la CLI subyacentes publicados bajo Apache-2.0.
- Vibe-Coding CenterUna guía de campo para docentes que quieren construir un sitio educativo estático con un asistente de programación con IA: tres archivos Markdown de instrucciones para el diseño, la seguridad y la privacidad del estudiantado, con guías legibles y un paquete descargable.
- Agentic BuildsUn estante abierto de aplicaciones de aula creadas pidiendo a un agente de programación que las construya, organizadas en seis itinerarios didácticos con una galería más amplia de 35 creaciones detrás: cada aplicación parte de un problema de enseñanza y se publica con su propia declaración de uso de IA.
- Ejemplos de aula creados con vibe codingLa galería de José Antonio Bowen con algo más de treinta simulaciones, juegos y visualizaciones de aula que docentes construyeron pidiendo a un modelo de IA que las creara, ordenadas por disciplina, con el mensaje en dos rondas y la lista de comprobación previa a compartir que usa para construir una.