Codificación de vibraciones

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

¿Qué es el «vibe coding»?

Para responder a la pregunta habitual de en qué consiste el «vibe coding», se trata, en esencia, de un intercambio conversacional entre un ser humano y un agente de IA. Marca una transición de la programación manual y estricta a una creación flexible impulsada por la IA. A través del «vibe coding», los usuarios expresan su intención, y herramientas como los modelos GPT de OpenAI o Claude Anthropic traducen esos pensamientos en scripts ejecutables. En general, existen dos formas de esta práctica. La «pura» programación por intuición se da cuando un usuario confía plenamente en el resultado de la IA para la creación rápida de prototipos o proyectos de fin de semana, a menudo sin revisar el código subyacente. Por el contrario, el desarrollo responsable asistido por IA trata a la IA como un colaborador o un programador en pareja, en el que el humano mantiene la supervisión para revisar, probar y mantener el código base.

¿Qué significa el «vibe coding» para el desarrollo de la IA?

Para la comunidad de aprendizaje automático, la programación «vibe» reduce drásticamente las barreras de acceso. El desarrollo de complejos flujos de trabajo de visión artificial (CV) o la implementación de modelos solía requerir un profundo conocimiento de marcos como PyTorch y TensorFlow. Ahora, los desarrolladores pueden solicitar 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 se refiere a la tecnología subyacente que produce nuevos textos o imágenes, la programación por intuición es el flujo de trabajo específico o el patrón de interacción persona-ordenador utilizado para escribir software. Al integrar este flujo de trabajo, los ingenieros pueden acelerar el ciclo de vida de la implementación de modelos, centrándose en resolver el problema empresarial principal en lugar de depurar sintaxis repetitiva.

Aplicaciones reales del aprendizaje automático

La práctica del «vibe coding» resulta muy útil en los flujos de trabajo modernos de IA. A continuación se presentan dos ejemplos concretos de cómo los desarrolladores la aplican en la práctica:

• Preparación automatizada de conjuntos de datos: Un científico de datos puede pedirle a un asistente de IA que escriba un Python que recopile imágenes, las redimensione a 640 x 640 píxeles y normalice los valores de los píxeles. La IA genera el OpenCV o Pillow (PIL) necesario, lo que permite al desarrollador preparar un conjunto de datos de visión artificial sin tener que escribir manualmente la lógica de transformación de datos.
• Flujos de trabajo de inferencia rápida de modelos: Los desarrolladores pueden utilizar el lenguaje de programación vibe para crear rápidamente un script que capture la señal en directo de una cámara web y envíe los fotogramas a un modelo base. Al indicar a un agente de IA que «escriba un bucle de inferencia en tiempo real utilizando el Ultralytics », el usuario puede saltarse la fase de configuración y probar inmediatamente los resultados visuales.

Ejemplo: Programación de Vibe en un script de visión artificial

Al utilizar agentes de IA para programar mediante comandos de voz una aplicación Ultralytics , el resultado generado suele aprovechar API intuitivas y de alto nivel. Un desarrollador podría simplemente indicar: «Crea un Python para ejecutar la detección de objetos en un flujo de vídeo utilizando YOLO26 e imprime las coordenadas del cuadro delimitador». Es probable que la IA genere un fragmento de código limpio, listo para usar y ejecutable 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 de código muestra cómo Vibe Coding genera código funcional Python que interactúa a la perfección con los puntos finales de las bibliotecas, lo que permite al desarrollador alcanzar el objetivo final al instante.

¿Es malo el «vibe coding»? Entender las ventajas y desventajas

Una pregunta habitual entre los ingenieros que exploran esta tendencia es: «¿Es malo el vibe coding?». Aunque ofrece una velocidad y una accesibilidad sin igual, conlleva algunas desventajas notables. El propio Karpathy señaló que, aunque el código funciona, a veces puede resultar «pesado» o contener abstracciones poco elegantes.

• Deuda técnica y facilidad de mantenimiento: dado que es posible que el desarrollador no comprenda a fondo cada línea del código generado, el mantenimiento a largo plazo puede resultar complicado, especialmente en el caso de software empresarial complejo.
• Vulnerabilidades de seguridad: los modelos de IA pueden introducir inadvertidamente sesgos algorítmicos o patrones de código inseguros si los resultados no se revisan minuciosamente.
• Integración del entrenamiento en la nube: Aunque una IA puede escribir un script de entrenamiento, la gestión eficiente de la infraestructura subyacente suele requerir herramientas especializadas. La Ultralytics ayuda a salvar esta brecha al ofrecer una interfaz intuitiva para la anotación y el despliegue de conjuntos de datos en la nube, lo que garantiza que el proceso de desarrollo del modelo siga siendo sólido incluso si el script de integración circundante se ha programado de forma improvisada.

En definitiva, aunque la programación basada exclusivamente en el «vibe» es fantástica para generar ideas rápidamente, mantener un equilibrio con la supervisión humana —lo que a menudo se denomina «desarrollo responsable de la IA»— sigue siendo la mejor práctica para los entornos de producción.