Puntos Clave
- Vibe coding y desarrollo asistido por IA producen código funcional rápido, y errores arquitectónicos igual de rápido. La velocidad es real. La consistencia no.
- Un prompt contiene solo lo que su autor entiende. IA amplifica el output de quien domina el sector y multiplica los errores de quien no.
- La mayoría del software empresarial es plomería que toda aplicación necesita: cuentas, roles, permisos, auditoría, validación, importación, exportación, trabajos en segundo plano, una API. Generar eso desde prompts es donde se acumula la deuda técnica.
- Una plataforma de aplicaciones empresariales como AtroCore entrega esa plomería como configuración, dejando al código generado por IA responsable solo de la parte específica de su negocio.
- Starbucks está reemplazando el software que sus propios ingenieros ya estaban reescribiendo. Esa prueba se aplica a cualquier tamaño. La capacidad de construir una base desde cero no.
Las Empresas Están Construyendo Software Personalizado de Nuevo
Durante décadas, la pregunta de construir versus comprar tenía una respuesta establecida. Compraba software estándar y adaptaba el proceso, porque construir era más lento y tenía un costo total de propiedad que nadie quería defender.
Starbucks es la señal más clara de que el cálculo cambió. La empresa gasta aproximadamente $400 millones anuales en software, y su director de tecnología Anand Varadarajan comentó en un foro interno que había oportunidades claras para reducir eso, según reportajes sobre una presentación interna filtrada. Los ingenieros están utilizando codificación asistida por IA para construir reemplazos de un sistema de monitoreo de inventario de Microsoft y una herramienta de gestión de mantenimiento de IBM.
El detalle que vale la pena copiar es cuál software eligió Starbucks: herramientas que sus ingenieros ya estaban modificando significativamente. Esa prueba no tiene nada que ver con el tamaño de la empresa. Un fabricante de materiales de construcción cuyo precio depende de cláusulas de índice enterradas en acuerdos de proveedores enfrenta la misma pregunta. Los productos de gestión de contratos manejan la cláusula. Unirla a las plantas y grupos de materiales ya en los datos maestros del fabricante es donde los que evaluamos se detienen.
El comportamiento se está generalizando. La encuesta 2026 de Retool de más de 800 profesionales encontró que el 35% de las empresas ya había reemplazado al menos una herramienta SaaS con algo construido internamente, y el 78% esperaba construir más.
La historia tiene dos caras. El software interno traslada costos de suscripciones a mantenimiento y personal en lugar de eliminarlos, y el reemplazo de punto de venta para Oracle Simphony ha estado en progreso durante varios años, anterior a las herramientas de IA. IA comprime algo de este trabajo y no ha comprimido eso. Starbucks también absorbe lo que la mayoría de empresas no puede: una organización de ingeniería lo bastante grande para construir una base y mantenerla una década. Un fabricante de 200 personas enfrenta la misma decisión sin esa capacidad. Para ellos, la pregunta útil es sobre qué construir, y una plataforma de aplicaciones empresariales que no tuvieron que escribir es la respuesta más económica disponible. Vibe coding nombra el final de esto, donde alguien solicita una aplicación por prompt y envía lo que regresa.
Lo que sigue se aplica también al caso más amplio: desarrolladores profesionales utilizando asistencia de IA en código que revisan. Construimos software empresarial personalizado con fabricantes y distribuidores, así que los argumentos provienen de proyectos en lugar de una pizarra.
Qué IA Escribe Bien, Y Qué Escribe Mal
Veracode ha ejecutado la misma prueba contra modelos de IA desde 2023: 80 tareas de codificación, cuatro lenguajes, cuatro clases de vulnerabilidades, sin instrucciones de seguridad en el prompt. En su actualización de primavera 2026, la corrección sintáctica aprobó el 95% mientras la tasa de aprobación de seguridad se mantuvo cerca del 55%. Java puntuó peor con 29%.
La razón detrás de esos números es más útil que los números. Los modelos son fuertes en patrones locales y débiles en rastrear datos entre archivos. SQL parametrizado es un patrón que el modelo ha visto marcado mil veces. Desinfectar entrada que pasa por cuatro funciones hacia una plantilla es una pregunta de flujo de datos, y flujo de datos necesita contexto que el modelo no tiene.
Para un equipo profesional, los fallos interesantes son los que sobreviven la revisión. Un revisor detecta una verificación nula faltante o un nombre de variable incorrecto. La revisión es mucho más débil en cualquier cosa visible solo entre archivos y entre semanas, porque cada cambio parecía razonable solo. La lógica no documentada también pasa, ya que código generado que funciona es difícil de cuestionar en un pull request. Lo que se acumula es deuda de comprensión: código que se ejecuta correctamente y nadie en el equipo puede explicar ahora.
La mantenibilidad muestra la misma debilidad. GitClear analizó 211 millones de líneas de código modificadas de 2020 a 2024 y, como reportó LeadDev, encontró bloques duplicados de cinco o más líneas apareciendo ocho veces más a menudo en 2024. Las líneas copiadas y pegadas superaron las líneas movidas por primera vez en el conjunto de datos. Las líneas movidas son la huella de refactorización, el trabajo de consolidar algo en un lugar reutilizable.
En la encuesta Stack Overflow 2025, la principal frustración, nombrada por el 66% de encuestados, fue output de IA casi correcto sin ser correcto. La misma encuesta dimensiona las prácticas: el 84% usa o planea usar herramientas de IA y el 51% de desarrolladores profesionales las usan diariamente, mientras solo alrededor del 15% llama vibe coding parte de su trabajo profesional. La codificación asistida por IA es el caso predeterminado. Enviar output sin leer sigue siendo raro.
Un Prompt Contiene Solo Lo Que Su Autor Sabe
IA responde el prompt que le dieron, así que el techo en código generado es la comprensión del dominio de quien escribió el prompt. En problemas de datos B2B, esa comprensión raramente está con el desarrollador. Un gerente de compras que ha negociado acuerdos de proveedores durante quince años sabe qué debe sobrevivir una cláusula de precio vinculada a índice. Un desarrollador solicitando sin ese conocimiento obtiene código que satisface el ejemplo y nada más allá, y la brecha permanece invisible hasta que un contrato real llega.
Para equipos profesionales, esto mueve el cuello de botella. La velocidad de escritura dejó de ser la restricción hace un tiempo, y la sintaxis se fue con ella. Lo que limita el output ahora es qué tan bien alguien extrajo el conocimiento del dominio primero.
Una suposición relacionada merece ser nombrada. Las empresas de software que han pasado diez años en el mismo producto rara vez han estado desperdiciando esos años. Ese tiempo contiene los casos extremos que nadie anticipó, el modelo de permisos que sobrevivió una auditoría, la importación que se ocupa de la hoja de cálculo que un proveedor realmente envía en lugar de la que la especificación describía. Nada de ello llega a un prompt, porque nadie lo escribe hasta que se rompe una vez en producción.
Un desarrollador experimentado con buenas herramientas de IA puede reproducir la forma de un producto maduro en semanas. Reproducir lo que aprendió toma aproximadamente tanto tiempo como tomó la primera vez. Vendemos software, así que pese eso en consecuencia, luego pruébelo: tome un producto que conoce bien y cuente cuántos de sus comportamientos podría haber especificado por adelantado.
La Deuda Técnica Está En La Plomería
Imagine una aplicación de gestión de proveedores. Antes de que gestione un solo proveedor, necesita una larga lista de cosas que no tienen nada que ver con proveedores.
Cuentas, grupos y roles, más permisos a nivel de campo para que compras vea términos comerciales y el gerente de planta no. Un registro de auditoría que registra quién cambió cuál campo y cuándo. Validación en cada campo. Búsqueda, filtros guardados y edición en lotes. Importación de la hoja de cálculo que un proveedor envió, exportación al ERP. Trabajos en segundo plano que sobreviven una actualización de 40,000 filas. Una API REST para la vista móvil que alguien solicitará después.
Nada de eso es su problema empresarial. Todo tiene que funcionar.
Solicite un agente para eso, y obtiene verificación de rol implementada de una forma en el módulo de proveedor y de otra en el módulo de contratos tres semanas después. Dos mecanismos de permiso que no se ponen de acuerdo en casos extremos. Componentes acoplados excesivamente, porque el modelo optimizó cada prompt localmente y nunca vio el todo. Historial de cambios en cuatro entidades y no en la quinta. Cada pieza funciona cuando se demuestra. Juntos son la factura de mantenimiento, y llega independientemente de si alguien llamó al proceso vibe coding.
Entre las implementaciones que hemos ejecutado, la división entre plomería y lógica específica del negocio es desproporcionada de manera consistente.
La parte específica del negocio de un cliente rara vez es más del diez por ciento de lo que se construye. El resto es lo mismo en toda aplicación empresarial jamás escrita, y es exactamente la parte que IA escribe inconsistentemente.
Esa relación decide la economía. Vibe coding es económico donde el trabajo es pequeño y caro donde el trabajo se repite.
Qué Una Plataforma De Datos Le Entrega Antes Del Primer Prompt
La plataforma AtroCore es software de código abierto bajo GPLv3, en desarrollo activo desde 2018, construida para gestión de datos maestros e integración de sistemas. Sus casos de uso documentados incluyen servir como plataforma low-code de código abierto para software empresarial personalizado.
Disponible a través de configuración, antes de que nadie escriba una línea de código:
- Modelo de datos.
Entidades y relaciones configurables, más de 20 tipos de campos con validación automática, diseños configurables, jerarquías multinivel con herencia, clasificación y taxonomías. - Acceso e historial.
Usuarios y grupos ilimitados, gestión de roles, control de acceso a nivel de campo, consultas de acceso configurables, registros de acciones, historial de cambios, comentarios, propiedad de registros, paneles, filtros guardables. - Movimiento de datos.
Fuentes de importación y exportación, solicitudes API configurables y consultas de bases de datos, transformaciones aplicadas antes de importación o exportación, XLSX, CSV, JSON y XML, conexiones sobre REST, GraphQL, SOAP y OData. - Procesamiento.
Un gestor de trabajos donde establece el recuento de trabajadores contra la capacidad del servidor, trabajos programados, acciones basadas en eventos, flujos de trabajo configurables, y controles de calidad de datos. Botones de acción personalizada colocados en la interfaz por configuración, cada uno ejecutándose contra un registro individual o una selección completa. - Salida.
Plantillas PDF, documentos de Office y correo electrónico, más una API REST que cubre todo, incluyendo su propia configuración.
Lo que queda para vibe coding es la parte que es realmente suya. La fórmula de ajuste de precio vinculado a índice. La lógica de comparación de licitaciones. El conector a ese módulo ERP que nadie ha integrado antes.
Ese código tiene lugares definidos para vivir. AtroCore se extiende a través de módulos que escribe usted mismo, y la lógica más ligera encaja en acciones configurables, scripts y condiciones adjuntadas a entidades existentes. El disparador es usualmente un botón configurado, lo que significa que una operación en lotes sobre 300 registros seleccionados no necesita pantalla, ruta o lógica de permiso propia.
Los hallazgos de Veracode aún se aplican a lo que sea que el modelo escriba allí. Lo que cambia es el radio de explosión. Una fórmula de precio dentro de un sistema que ya maneja autenticación, permisos a nivel de campo, y validación de entrada tiene menos formas de dañarlo que una en un endpoint casero que también inventó su propio manejo de sesión.
El Contrato API Hace El Trabajo De Guardián
Un detalle en la arquitectura de AtroCore importa más para trabajo asistido por IA que lo que aparenta. La capa HTTP sigue PSR-7 y PSR-15 estrictamente. Los manejadores se registran a través de atributos PHP y se documentan automáticamente como OpenAPI 3.0. Per la documentación del proyecto, una ruta que no esté completamente documentada no se registra, y toda solicitud y respuesta se valida contra el esquema en tiempo de ejecución.
Considere lo que eso hace a un agente de codificación. Escribe un cliente, inventa un nombre de campo plausible, y la solicitud falla inmediatamente con un error de esquema. Misma sesión, contexto aún abierto, la solución cuesta treinta segundos. Los errores atrapados dentro de la sesión nunca se convierten en deuda técnica. Sin un contrato en el límite, ese campo inventado no escribe nada silenciosamente y resurge cuatro meses después como una investigación de calidad de datos. La retroalimentación rápida e implacable es lo que hace que código generado por IA sea económico de reparar, y la plataforma lo suministra sin que nadie lo construya.
Ese esquema es también lo que entrega al agente. Porque la documentación se genera desde los manejadores en lugar de mantenerse junto a ellos, la descripción OpenAPI de sus propias entidades configuradas es actual por construcción, lo que rara vez es verdadero de una especificación mantenida a mano. Dale a un modelo ese esquema más sus convenciones de nombres y acceso, y escribe contra el contrato real. Extienda el modelo de datos por configuración después, y el esquema se mueve con él, así el contexto del agente permanece preciso sin que nadie actualice un documento.
La Investigación Apunta A La Fundación, No A La Herramienta
El informe DORA 2025 de Google encontró que IA actúa como amplificador, magnificando fortalezas existentes y disfunción existente, con los mayores retornos provenientes del sistema subyacente en lugar de las herramientas. El modelo de capacidades inaugural de Google Cloud es más específico: la influencia positiva de IA en el desempeño organizacional se amplifica donde existen plataformas internas de calidad. Una segunda capacidad cubre ecosistemas de datos saludables: datos internos que son de alta calidad, accesibles y unificados. Una plataforma configurable bajo su software empresarial personalizado aborda ambos.
Las afirmaciones de velocidad siguen moviéndose. El ensayo de principios de 2025 de METR encontró que desarrolladores experimentados tomaron 19% más en repositorios maduros cuando se permitieron herramientas de IA, mientras su actualización de febrero 2026 apunta hacia una aceleración y señala efectos de selección lo suficientemente fuertes para justificar un rediseño. Trate números de productividad como no resueltos. Los hallazgos de mantenibilidad no se han movido desde 2023.
Un Ejemplo De Contrato De Proveedor De Nuestros Proyectos
Nuestros clientes se acercan con una versión reconocible del mismo problema. Un fabricante mantiene acuerdos de proveedores como PDF en una unidad compartida, términos clave en una hoja de cálculo, fechas de renovación en el calendario de un comprador. Nadie puede decir qué acuerdos contienen una cláusula de ajuste de precio vinculada a un índice de materia prima, porque esa cláusula es una oración dentro de un documento.
Existen herramientas estándar de gestión de contratos, y asumen un flujo de trabajo de departamento legal terminando en firma. Esta empresa necesitaba contratos unidos a grupos de materiales, plantas y registros de proveedor ya en sus datos maestros, con obligaciones que siguen produciendo trabajo años después de la firma.
En la plataforma de aplicaciones empresariales, contrato, cláusula, renovación y obligación se convirtieron en entidades configuradas relacionadas con registros de proveedor y material que ya existían. El acceso a nivel de campo separó términos comerciales de obligaciones de entrega. El historial de cambios vino con la plataforma, lo que importó la primera vez que dos personas no estuvieron de acuerdo sobre un reembolso. Un trabajo programado marcó ventanas de renovación.
El código personalizado cubrió dos cosas: el cálculo de ajuste de precio basado en índice, y un conector alimentando la verificación de factura en su ERP. Ambos eran lo suficientemente estrechos para especificar precisamente y probar adecuadamente. La plataforma restringe lo que código generado puede tocar, y vibe coding cubre lo que nunca iba a saber de un negocio específico.
Dónde Dibujar La Línea Entre Configurar Y Vibe Coding
La mayoría de mejores prácticas de vibe coding se reducen a dos preguntas. Qué se configura, y qué se genera. IA tiene un papel en ambos lados de esa línea, y los dos partes no son el mismo trabajo.
Configure cualquier cosa que sea un registro con campos, relaciones, permisos y un ciclo de vida. Eso cubre más de lo que la mayoría de equipos espera, incluyendo flujos de aprobación, escalaciones y controles programados. Los equipos nuevos en esto consistentemente configuran menos de lo que deberían, luego escriben código para hacer lo que una acción configurada ya hace.
IA ayuda aquí de una manera que se pasa por alto. Pregúntele cómo modelar una renovación de contrato con herencia, o qué tipo de campo se adapta a un rango de tolerancia, y un modelo capaz la guía a través de la configuración. Apúntelo a la API REST, y puede aplicar esa configuración él mismo. Sugerir y aplicar configuración es un trabajo diferente de construir el sistema, y lleva el retorno mejor, porque una configuración errónea aparece en la interfaz dentro de minutos mientras una arquitectura errónea aparece en el mes seis.
Genere las transformaciones y cálculos. Una fórmula, un mapeo, un analizador, una consulta de informe. Superficie pequeña, salida esperada clara, fácil de probar.
La verificación tiene una forma concreta aquí. Configure las reglas de validación y controles de calidad de datos antes de generar cualquier cosa, luego ejecute la lógica generada contra registros cuyas respuestas ya conoce, incluyendo incómodas como el contrato sin fecha de fin. La plataforma rechaza lo que quiebra sus propias reglas, así el cálculo falla ruidosamente en el registro que de otra manera habría fallado silenciosamente en producción. Mantenga ese conjunto de registros como la prueba de regresión para el próximo modelo que intente.
Una categoría no pertenece a ninguna. Donde una respuesta errónea es cara y silenciosa, escríbala usted mismo. Dinero, impuesto, documentación de seguridad, cualquier cosa que un regulador lea. IA puede producir ese código perfectamente bien. La razón para escribirlo a mano es que necesita haberlo entendido primero.
Si puede describirlo como datos más un cambio de estado, configúrelo. Si el error cuesta más que escribirlo lentamente, escríbalo lentamente.
Qué Este Enfoque Le Cuesta
Adopta las convenciones de alguien más sobre cómo registros, relaciones, permisos y procesos funcionan. Donde su modelo mental difiere, el tiempo se va en luchar contra la plataforma en lugar de usarla. Lea la documentación del desarrollador antes de comprometerse.
AtroCore se ejecuta en PHP y necesita un servidor Linux con acceso raíz más PostgreSQL o MySQL. El hosting compartido ordinario no lo ejecutará. En nuestros proyectos, una vez que alguien conoce el sistema, un primer modelo de datos funcional de cuatro o cinco entidades con relaciones, diseños, roles e historial toma días. Alcanzar esa familiaridad toma más tiempo, por eso el retorno llega en el mes tres.
El ajuste es limitado. Una plataforma organizada alrededor de registros, relaciones y procesos empresariales hace una fundación pobre para control en tiempo real o procesamiento de señales. Comience desde un framework para esos. La configuración excesiva es su propia trampa: veinte entidades donde cinco harían el trabajo es deuda técnica también, más silenciosamente que código duplicado y más difícil de deshacer una vez que datos reales viven en ella.
Cómo Juzgar Una Fundación Antes De Empezar A Solicitar Por Prompt
Hay dos alternativas, y cada una falla una prueba diferente. Un framework descubierto le deja siendo dueño de cada pieza de la plomería. Un constructor low-code resuelve eso y cobra en una moneda diferente: el vendedor es dueño de su modelo de datos, hosting y runtime, y el precio sigue el recuento de usuarios. Ese intercambio funciona para un panel interno, mal para software que sostiene contratos de proveedores la próxima década.
Sostuviera cualquier candidato contra esta lista, incluyendo ambas alternativas arriba.
- Una entidad, un campo y una relación, agregados sin un despliegue.
- Un mecanismo de permiso único cubriendo todo el sistema, en lugar de varios que se alejan.
- Una API generada desde el código y validada en tiempo de ejecución, en lugar de documentada a mano y equivocada dentro de un mes.
- Un historial de cambios que nadie en su equipo tuvo que construir.
- Trabajo en segundo plano que se ejecuta sin una nueva entrada cron por trabajo.
- Una salida clara: sus datos, su base de datos, y su derecho a seguir ejecutando el sistema si el vendedor desaparece.
La mayoría de fundaciones fallan varias de estas. Saber cuáles, antes del primer prompt, es la diferencia entre deuda técnica que eligió y deuda técnica que heredó.