¿Los programadores sobrevivirán al final? El costoso vibe coding cambia las reglas del juego

Hace no tanto, la narrativa era simple y muy clicable: los agentes de IA codificarán más rápido, más barato y prácticamente sin intervención humana, así que los equipos de programación empezarán a reducirse. Para unos era una visión de automatización preciosa; para otros, un apocalipsis profesional. El problema es que la realidad, como suele ocurrir, no lee los titulares de LinkedIn.

Hoy se oye cada vez más lo contrario: las empresas que se dejaron llevar por el “vibe coding” empiezan a mirar la hoja de cálculo. Y la hoja de cálculo suele ser brutal. A medida que crece el uso de los modelos, también crecen las facturas por tokens, las iteraciones, las correcciones, el debugging y el mantenimiento del código generado por IA. De repente, resulta que la persona que entiende la arquitectura del sistema y sabe tomar una decisión sensata a la primera o a la segunda no es un lujo tan caro.

Eso no significa que la IA en programación haya fallado. Al contrario. La IA se está convirtiendo en un apoyo muy potente para el programador, pero cada vez parece menos un sustituto completo de todo un equipo. Y ese es probablemente el cambio más importante de mentalidad que conviene notar hoy.

¿Qué pasó realmente con todo este vibe coding?

“Vibe coding” es una forma de llamar a un modo de trabajo en el que el usuario no programa de forma tradicional, sino que describe la intención, corrige el resultado y guía al modelo hacia la solución. En teoría suena genial: en vez de escribir cientos de líneas de código, le dices a la IA lo que quieres y ella entrega la aplicación.

A pequeña escala, realmente funciona. Una landing page sencilla, un script para automatizar una tarea aburrida, un prototipo rápido, un MVP para enseñar al cliente: ahí la IA puede ahorrar horas, a veces días. Sobre todo a personas que no son programadoras, les da una capacidad de acción completamente nueva.

Las dificultades empiezan después.

Porque cuando el proyecto crece, aparecen cosas poco instagramables:

• dependencias entre módulos,
• seguridad de los datos,
• rendimiento,
• compatibilidad con la infraestructura existente,
• pruebas,
• refactorización,
• mantenimiento después de unas semanas, cuando ya nadie recuerda por qué una parte funciona exactamente así.

Y entonces queda claro que la IA puede generar mucho código, pero mucho código no es lo mismo que un buen sistema.

El coste creciente de los tokens: un detalle pequeño, un gran problema

En el entusiasmo por la automatización es fácil pasar por alto una cosa: los modelos no trabajan gratis, y con un uso intensivo el coste puede crecer más rápido de lo que el equipo espera.

No se trata solo de un prompt aislado. En la práctica, el proceso suele verse así:

1. Le pides a la IA que escriba una función.
2. Ajustas el prompt porque el resultado no encaja.
3. Pides una refactorización.
4. Añades contexto de otros archivos.
5. Le pides que corrija un bug.
6. El modelo rompe otra cosa al lado.
7. Repites la ronda.

Cada vuelta consume más tokens. Cuando una sola persona trabaja así durante una hora, el coste no parece dramático. Pero en una empresa donde una docena o varias decenas de personas usan herramientas de IA a diario, la cosa empieza a ponerse interesante. O mejor dicho, cara.

A eso se suma otro efecto: cuanto más complejo es el proyecto, más contexto hay que pasarle al modelo. Y cuanto más contexto, mayor consumo de tokens. De pronto, un experimento sencillo de unos pocos euros se convierte en un coste operativo regular que hay que justificar en términos de negocio.

Y ahí aparece una pregunta que hace un año muchas empresas no formulaban lo bastante alto: ¿de verdad sale más barato delegarlo todo a un agente de IA, o quizá tiene más sentido darle a una persona buenas herramientas y dejar que trabaje más rápido?

Por qué algunas empresas vuelven a contratar personas

No es un regreso romántico a “los viejos buenos tiempos”. Es pura economía.

La empresa no paga por el simple hecho de generar código. La empresa paga por resolver un problema. Si la IA crea la solución más rápido, estupendo. Pero si requiere muchas iteraciones, supervisión constante y correcciones posteriores por parte de personas más experimentadas, la cuenta cambia.

Los programadores con experiencia empiezan así a recuperar posición no porque la IA haya resultado débil, sino porque:

• saben cuándo usar IA y cuándo no,
• detectan errores y alucinaciones más rápido,
• diseñan mejor la arquitectura,
• entienden las consecuencias de los cambios en el sistema,
• pueden reducir el coste de generación con mejores prompts y un workflow más inteligente.

En otras palabras: un buen programador con IA se vuelve más productivo, no necesariamente reemplazable.

Es un poco como la calculadora. Cuando apareció, no eliminó la necesidad de entender matemáticas. Pero sí aumentó drásticamente el ritmo de trabajo de quienes ya sabían lo que hacían.

La IA no le quita el oficio al programador. Cambia la descripción del puesto

Las empresas más sensatas ya no tratan a la IA como un trabajador mágico sin salario. Cada vez más la ven como:

• asistente para generar boilerplate,
• ayuda en investigación y comprobación rápida de soluciones,
• herramienta para crear tests,
• apoyo en documentación,
• compañera para prototipado rápido.

Es una diferencia importante. Porque si la IA es una herramienta, la ventaja no la obtiene quien “le entrega todo”, sino quien sabe dirigirla bien.

Para los directivos, esto implica cambiar la forma de pensar sobre los equipos. En vez de preguntar “¿a cuántas personas podemos sustituir?”, conviene preguntar: ¿cómo hacemos para que las personas que ya tenemos entreguen más gracias a la IA sin destrozar la calidad ni el presupuesto?

Para estudiantes y personas que eligen carrera, también es una buena noticia. La programación no desaparece. Lo que sí crece es el valor de las competencias de nivel superior:

• análisis del problema,
• diseño de sistemas,
• comprensión de la lógica de negocio,
• comunicación con herramientas de IA,
• evaluación de la calidad del resultado.

Dicho sin rodeos: teclear sintaxis cada vez valdrá menos. El pensamiento de ingeniería —cada vez más.

¿Qué significa esto para las personas no técnicas?

Aquí la cosa se vuelve especialmente interesante. Porque si la IA puede generar un fragmento funcional de una aplicación, las personas fuera de IT pueden entrar en el mundo de la creación de herramientas, automatización y productos digitales sencillos sin pasar años aprendiendo programación.

Pero otra vez: no se trata de que cualquiera se convierta de golpe en senior backend tras un fin de semana con un chatbot. Se trata de algo más práctico: la barrera de entrada para construir soluciones digitales ha bajado muchísimo.

El dueño de una pequeña empresa puede crear más rápido un sistema sencillo para ordenar leads. Un estudiante puede montar un proyecto para su portfolio. Un manager puede preparar una herramienta interna para el equipo. Una persona que sigue las tendencias puede entender mejor qué es realmente posible hoy y qué es solo marketing envuelto en un tono demasiado seguro.

Eso sí, conviene aprenderlo bien y no con el método de “hago clic y a ver qué pasa”. Porque justo ahí es cuando los costes, la frustración y el caos crecen más rápido.

Dónde la IA en código ofrece mayor retorno

No todos los usos de la IA tienen el mismo sentido de negocio. El mayor retorno suele aparecer donde se puede acortar el tiempo de trabajo sin ceder todo el control del proyecto.

Buenos ejemplos:

• crear primeras versiones de aplicaciones y prototipos,
• generar integraciones sencillas y scripts,
• automatizar tareas repetitivas,
• preparar documentación técnica,
• ordenar código existente,
• probar ideas rápidamente antes de invertir en un desarrollo mayor.

Los beneficios son menores, y a veces el riesgo mayor, cuando intentamos llevar por IA sin supervisión:

• sistemas críticos de negocio,
• arquitecturas complejas,
• áreas con altos requisitos de seguridad,
• proyectos donde el coste del error es alto.

Eso no significa “no uses IA”. Significa: úsala donde refuerce al humano, no donde pretenda fingir que lo sustituye.

Directivos: mirad no solo la velocidad, sino también el coste de la decisión

Desde la perspectiva de gestión, lo más fácil es entusiasmarse con un solo número: “lo hicimos 3 veces más rápido”. Pero la velocidad sin contexto puede ser engañosa.

Si el código generado luego requiere muchas correcciones, no es legible, cuesta desarrollarlo o nadie del equipo quiere tocarlo al cabo de un mes, el ahorro fue temporal. La deuda técnica tiene un talento especial para volver justo cuando no hay presupuesto para ella.

Por eso las preguntas más sensatas son:

• cuánto nos cuesta realmente usar IA a escala mensual,
• dónde la herramienta acorta el trabajo y dónde solo lo desplaza en el tiempo,
• si el equipo sabe evaluar la calidad del código generado,
• si la IA reduce costes o solo da la ilusión de acelerar.

Las empresas que hoy ganan no suelen ser las que “han implantado IA en todas partes”, sino las que la han implantado donde tenía sentido operativo.

Estudiantes y personas que eligen carrera: ¿sigue valiendo la pena ir a IT?

Respuesta corta: sí, pero con una mentalidad distinta a la de hace unos años.

Si alguien imagina que aprender programación consistirá solo en memorizar sintaxis, es verdad que puede decepcionarse. Esa capa la IA la asume cada vez mejor. Pero si alguien quiere entender sistemas, crear productos, resolver problemas y trabajar en la intersección entre tecnología y negocio, el campo sigue siendo enorme.

En la práctica, conviene desarrollar al mismo tiempo tres áreas:

• fundamentos técnicos y lógica de programación,
• habilidad para trabajar con herramientas de IA,
• competencias de dominio, es decir, comprensión de una industria o proceso concreto.

Esa combinación es la que da ventaja hoy. No “o humano o IA”, sino el humano que sabe usar la IA mejor que los demás.

Si quieres entrar en este mundo de forma práctica

Para muchas personas, el mayor bloqueo no es la falta de motivación, sino el caos al empezar. Terminal, API, configuración, comandos, integraciones: todo suena a algo que uno deja fácilmente para “algún día”. Y luego la persona vuelve a ver otro vídeo sobre cómo la IA cambia el mundo, en vez de construir algo que funcione por sí misma.

Por eso tiene sentido aprender con un proceso concreto. Si eres manager, estudiante, dueño de una empresa o simplemente quieres ver cómo es construir aplicaciones modernas sin codificación clásica, una buena opción es el curso Claude Code - cómo programar sin escribir código.

Es un material práctico para personas no técnicas: desde instalar Claude Code en la terminal, conectar la cuenta y la API, hasta construir y ejecutar la primera aplicación. Sin fingir que todo se hará solo. Pero mostrando cómo usar de verdad una herramienta que puede acortar el camino de la idea a una solución funcional.

¿Por qué tiene sentido precisamente para este grupo?

• un manager entenderá mejor qué se puede delegar realmente a la IA,
• un estudiante construirá más rápido un proyecto para su portfolio,
• un dueño de empresa verá dónde se pueden automatizar procesos,
• una persona sin base técnica dejará de ver la IA como una caja negra.

En la práctica, también es una buena vacuna contra el hype. Después de un curso así, es más fácil distinguir las posibilidades reales de los relatos de marketing en los que un solo prompt supuestamente sustituye a todo un departamento de IT.

¿Sobrevivirán los programadores? Sí, pero no todos en el mismo rol

La respuesta real no es ni “la IA les quitará el trabajo a todos” ni “nada cambiará”. Cambiará muchísimo, solo que no necesariamente como predecían los titulares más ruidosos.

Los programadores sobrevivirán porque seguirá siendo necesario:

• entender el problema,
• diseñar soluciones,
• evaluar la calidad,
• asumir responsabilidad por el despliegue,
• mantener y hacer evolucionar el sistema.

Lo que tendrá menos valor será ejecutar tareas completamente mecánicas, repetitivas y fáciles de describir en prompts. Ahí la IA será cada vez más fuerte.

Así que ganarán no quienes se enfaden con las nuevas herramientas, ni quienes les entreguen el volante sin pensar. Ganarán quienes aprendan a colaborar con los modelos: con inteligencia, con ahorro y con plena conciencia de sus límites.

La ironía más interesante de toda esta historia

Íbamos a llegar al momento en que las empresas despiden programadores porque la IA codifica más barato. Sin embargo, cada vez más a menudo resulta que la IA sin una persona puede salir sorprendentemente cara, y que un buen especialista con un apoyo sensato de IA ofrece un mejor resultado por un dinero más razonable.

Eso no es un fracaso de la inteligencia artificial. Es una señal de madurez del mercado.

Después de la fase de fascinación llega la fase de contar. Y cuando empieza el conteo, vuelve a subir el valor de las personas que saben pensar, elegir herramientas y tomar buenas decisiones. O sea, en fin, la clásica.

Así que si alguien se pregunta hoy si merece la pena desarrollar competencias técnicas o aprender a trabajar con IA, la respuesta es: sin duda, sí. Solo que no para creer ciegamente que el modelo lo hará todo. Más bien para saber cuándo usarlo, cómo usarlo y cuándo conviene tomar el control.

Y eso ya no es una tendencia pasajera. Es el nuevo estándar de trabajo.