La trampa del vibe coding: por qué tus agentes de IA son en realidad lentos

Una pregunta extraña, ¿verdad? Los agentes de IA tienen muchos problemas, desde las alucinaciones hasta fallos repentinos de lógica, pero difícilmente se les puede acusar en serio de lentitud. Pregunte a cualquier entusiasta qué siente al trabajar con las nuevas herramientas y oirá la historia clásica de la red neuronal que escupió cien mil líneas de código en tres horas. Muéstrenme a un programador de carne y hueso capaz de producir siquiera la décima parte de ese volumen y admitiré que la humanidad ha perdido esta carrera. Sin embargo, sigo sosteniendo que los agentes de IA son hoy catastróficamente lentos, y que esa lentitud se esconde tras una pantalla de rendimiento excesivo.

Veamos en qué consiste el camino del vibe coder. Es un nuevo tipo de desarrollador que no escribe código en el sentido habitual, sino que dirige flujos de probabilidades. Lanzas un prompt, el agente empieza a murmurar «pensamientos» y de pronto tienes delante un proyecto terminado.

El problema es que esas cien mil líneas suelen ser ruido digital. Hemos caído en una trampa en la que la velocidad de generar texto se confunde con la velocidad de resolver un problema. Cuando un agente pasa minutos razonando (Chain of Thought) y luego entrega un fragmento de código que no funciona y hay que rehacer cinco veces más, el tiempo total hasta producción resulta mayor que el de un desarrollador sénior con experiencia y una taza de café.

Las raíces del problema están en la propia arquitectura de los LLM actuales. Estamos acostumbrados a medir el progreso en tokens por segundo, pero para los agentes autónomos lo importante no es la velocidad de escritura, sino la velocidad de iteración. Cada vez que el agente se equivoca, arranca un largo ciclo de retroalimentación: error de compilación, envío del log al modelo, nuevo análisis, nueva generación.

En ese momento, la IA «rápida» se convierte en el empleado más lento de la plantilla. Te quedas mirando cómo avanza el cursor, sin poder intervenir, porque el agente está inmerso en su proceso de «pensamiento». Esa es la latencia real: el tiempo muerto cognitivo de una persona que espera el resultado de una máquina.

Además, ha surgido el concepto de vibe coding, en el que el resultado se evalúa con el criterio de «parece que funciona». Eso genera una deuda técnica colosal en cuestión de horas. La velocidad con la que los agentes producen malas decisiones de arquitectura asusta.

Si antes un programador dedicaba dos horas a pensar y diez minutos a escribir código limpio, ahora el agente dedica diez segundos a escribir y dos horas a intentar que funcione con el resto del sistema. Simplemente hemos trasladado el coste de tiempo de la fase de creación a la fase de corrección interminable de errores. En consecuencia, el tiempo total de desarrollo (Time-to-Market) no se reduce tan radicalmente como prometen las presentaciones de marketing.

¿Por qué importa ahora? Estamos al borde del paso de los chatbots a sistemas autónomos completos que deben funcionar en segundo plano. Si un agente pasa horas en tareas sencillas, atrapado en bucles infinitos de razonamiento, dejará de ser un ayudante y se convertirá en un cuello de botella. La industria necesita replantear el propio concepto de velocidad. No necesitamos modelos que escriban más rápido que nadie. Necesitamos modelos que acierten con menos intentos. El verdadero avance llegará no cuando veamos un millón de líneas en una hora, sino cuando un agente entregue diez líneas que no haga falta cambiar.

Lo esencial: la velocidad de los agentes de IA es un mito de marketing mientras dediquemos más tiempo a revisarlos que al trabajo en sí. ¿Lograrán arquitecturas nuevas como OpenAI o1 corregir este equilibrio, o seguiremos siendo niñeras de algoritmos muy rápidos, pero no demasiado listos?