Vibe Coding

La programación por sensaciones es un enfoque moderno del desarrollo de software en el que los desarrolladores dependen en gran medida de la inteligencia artificial (AI) para generar, perfeccionar y depurar código, lo que les permite centrarse en objetivos de alto nivel en lugar de en la sintaxis manual. El término fue acuñado por Andrej Karpathy a principios de 2025, y esta metodología consiste en guiar a modelos de lenguaje de gran tamaño (LLMs) mediante indicaciones en lenguaje natural. En lugar de escribir comandos línea por línea, un programador se deja llevar por las «sensaciones» del proyecto: describe la arquitectura deseada de la aplicación y deja que los asistentes de programación basados en IA se encarguen de los detalles de implementación. Este cambio permite tanto a ingenieros experimentados como a principiantes crear rápidamente prototipos y software operativo.

¿Qué es la programación por sensaciones?#

Para responder a la pregunta habitual de en qué consiste la programación por sensaciones, en esencia representa un ciclo conversacional entre una persona y un agente de IA. Marca la transición de la programación estricta y manual a una creación flexible impulsada por IA. Mediante la programación por sensaciones, los usuarios expresan su intención y herramientas como los modelos GPT de OpenAI o Claude de Anthropic convierten esas ideas en scripts ejecutables. En general, existen dos formas de ponerla en práctica. La programación por sensaciones «pura» se produce cuando un usuario confía por completo en el resultado de la IA para crear prototipos rápidamente o desarrollar proyectos de fin de semana, a menudo sin revisar el código subyacente. En cambio, el desarrollo responsable asistido por IA trata la IA como una colaboradora o programadora en pareja, mientras la persona mantiene la supervisión para revisar, probar y mantener la base de código.

¿Qué implica la programación por sensaciones para el desarrollo de IA?#

Para la comunidad del aprendizaje automático, la programación por sensaciones reduce drásticamente la barrera de entrada. Desarrollar canalizaciones complejas de visión por ordenador (CV) o desplegar modelos requería anteriormente un conocimiento profundo de frameworks como PyTorch y TensorFlow. Ahora, los desarrolladores pueden pedir fácilmente a una IA que genere el código necesario para tareas como la segmentación de imágenes o la detección de objetos. Este concepto está estrechamente relacionado con la IA generativa, pero mientras que la IA generativa hace referencia a la tecnología subyacente que produce texto o imágenes nuevos, la programación por sensaciones es el flujo de trabajo específico o patrón de interacción entre la persona y el ordenador que se utiliza para escribir software. Al integrar este flujo de trabajo, los ingenieros pueden acelerar el ciclo de vida del despliegue de modelos y centrarse en resolver el problema empresarial principal en lugar de depurar sintaxis repetitiva.

Aplicaciones reales en el aprendizaje automático#

La programación por sensaciones resulta muy aplicable a los flujos de trabajo modernos de IA. Estos son dos ejemplos concretos de cómo la aplican los desarrolladores en el mundo real:

• Preparación automatizada de conjuntos de datos: Un científico de datos puede pedir a un asistente de IA que escriba un script de Python que recopile imágenes, las redimensione a 640 x 640 píxeles y normalice sus valores de píxel. La IA genera el código necesario de OpenCV o Pillow (PIL), lo que permite al desarrollador preparar un conjunto de datos de visión por ordenador sin escribir manualmente la lógica de transformación de datos.
• Canalizaciones rápidas de inferencia de modelos: Los desarrolladores pueden utilizar la programación por sensaciones para ensamblar rápidamente un script que capture la señal de una webcam en directo y pase los fotogramas a un modelo fundacional. Al pedir a un agente de IA que «escriba un bucle de inferencia en tiempo real utilizando el paquete Ultralytics», el usuario puede omitir la fase de configuración y probar inmediatamente los resultados visuales.

Ejemplo: programar por sensaciones un script de visión por ordenador#

Al utilizar agentes de IA para programar por sensaciones una aplicación de Ultralytics YOLO26, el resultado generado suele aprovechar APIs intuitivas de alto nivel. Un desarrollador podría limitarse a pedir: «Crea un script de Python para ejecutar la detección de objetos en un flujo de vídeo utilizando YOLO26 e imprime las coordenadas de los cuadros delimitadores». Probablemente, la IA generaría un fragmento limpio y listo para ejecutar, como este:

from ultralytics import YOLO

# Load the recommended Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")

# Perform inference on a video file
results = model(source="video.mp4", stream=True)

# Iterate through the results to print bounding boxes
for result in results:
    print(result.boxes.xyxy)

Este fragmento demuestra cómo la programación por sensaciones produce código funcional de Python que interactúa sin problemas con los endpoints de la biblioteca, lo que permite al desarrollador alcanzar el objetivo final al instante.

¿Es mala la programación por sensaciones? Cómo entender las contrapartidas#

Una pregunta habitual entre los ingenieros que exploran esta tendencia es: «¿Es mala la programación por sensaciones?». Aunque ofrece una velocidad y accesibilidad incomparables, también conlleva contrapartidas importantes. El propio Karpathy señaló que, aunque el código funciona, a veces puede ser «demasiado voluminoso» o contener abstracciones poco acertadas.

• Deuda técnica y mantenibilidad: Como es posible que el desarrollador no comprenda en profundidad cada línea del código generado, el mantenimiento a largo plazo puede resultar complicado, especialmente en software empresarial complejo.
• Vulnerabilidades de seguridad: Los modelos de IA pueden introducir inadvertidamente sesgos algorítmicos o patrones de código inseguros si el resultado no se revisa rigurosamente.
• Integración del entrenamiento en la nube: Aunque una IA puede escribir un script de entrenamiento, gestionar de forma eficiente la infraestructura subyacente suele requerir herramientas especializadas. Ultralytics Platform ayuda a cubrir esta carencia al proporcionar una interfaz intuitiva para la anotación de conjuntos de datos y el despliegue en la nube, garantizando que la canalización del modelo siga siendo sólida aunque el script de integración circundante se haya creado mediante programación por sensaciones.

En última instancia, aunque la programación por sensaciones pura es fantástica para desarrollar ideas rápidamente, mantener un equilibrio con la supervisión humana —lo que a menudo se denomina desarrollo responsable de IA— sigue siendo la práctica recomendada en entornos de producción.