¿La era del "vibe coding" ya llega a su límite?
- angiecantillo1
- hace 1 día
- 3 min de lectura
La programación asistida por inteligencia artificial está acelerando el desarrollo de software, pero también está generando nuevos riesgos de calidad y confiabilidad. Algunos sostienen que la siguiente etapa ya no consiste en generar código más rápido, sino en crear mecanismos para que la IA aprenda del comportamiento real de las aplicaciones en producción.
La inteligencia artificial ya escribe código. Lo hace cada vez más rápido, con mayor autonomía y con una capacidad que hace apenas dos años parecía inalcanzable. Sin embargo, el cuello de botella ya no está en producir software, sino en comprender cómo ese software se comporta una vez que entra en funcionamiento.
Ese es el argumento central del nuevo análisis publicado por Dynatrace, que plantea una transición desde el denominado "vibe coding" hacia una disciplina mucho más rigurosa: la ingeniería de software asistida por inteligencia artificial.
El término "vibe coding" describe un enfoque en el que los desarrolladores, o incluso personas sin experiencia técnica, utilizan modelos de IA para generar aplicaciones mediante instrucciones en lenguaje natural. La velocidad aumenta considerablemente, pero también lo hacen los riesgos derivados de errores que permanecen ocultos hasta que el software entra en producción.
Dynatrace cita investigaciones de CodeRabbit que indican que las solicitudes de incorporación de cambios (pull requests) generadas por inteligencia artificial presentan tasas más elevadas de determinados defectos que aquellas escritas por desarrolladores humanos.
Durante décadas, el ciclo tradicional del desarrollo seguía una secuencia relativamente lineal: planificar, programar, desplegar, probar y observar.
Con la llegada de agentes autónomos capaces de escribir código prácticamente sin intervención humana, ese modelo deja de ser suficiente.
Dynatrace propone cerrar el ciclo para que la información obtenida durante la operación del software vuelva automáticamente al modelo de inteligencia artificial. El flujo pasa a convertirse en un proceso continuo: Planificar, programar, desplegar, probar, observar y utilizar esas observaciones para planificar nuevamente.
En otras palabras, la IA deja de ser únicamente un generador de código para transformarse en un sistema que aprende constantemente del comportamiento real de las aplicaciones.
La observabilidad se convierte en una habilidad
La empresa sostiene que la observabilidad deja de ser una función exclusiva de los equipos de operaciones para convertirse en una competencia esencial del desarrollo moderno.
Los agentes necesitan acceder a herramientas capaces de consultar registros, métricas, trazas y eventos de producción. Solo así pueden comprender por qué una aplicación falla y corregir automáticamente los problemas detectados.
Para ello, Dynatrace impulsa el uso de dtctl, una interfaz de línea de comandos de código abierto inspirada en kubectl, diseñada para que los agentes de IA puedan consultar datos de observabilidad directamente desde la plataforma.
El análisis coincide con una tendencia que empieza a consolidarse en la industria.
Las organizaciones están descubriendo que generar software mediante IA es relativamente sencillo; mantener ese software funcionando de manera confiable resulta mucho más complejo.
Diversos estudios recientes muestran que los equipos de alto desempeño aplican controles iguales o incluso más estrictos al código generado por inteligencia artificial que al desarrollado manualmente. La supervisión humana continúa siendo un componente esencial para evitar errores en producción.
En paralelo, investigaciones académicas también apuntan en la misma dirección. Diversos trabajos publicados este año concluyen que los modelos colaborativos entre desarrolladores e IA producen mejores resultados en pruebas y aseguramiento de calidad que los flujos completamente automatizados, donde las decisiones del modelo pueden introducir comportamientos no previstos.