Vibe coding sin AI slop: cómo el equipo de targetai multiplicó por 12 la velocidad de desarrollo

Vibe coding no se trata de pedirle a la IA que escriba todo el código y pulsar "deploy". Es la capacidad de trabajar con modelos de lenguaje como trabajarías con un desarrollador junior muy rápido pero ocasionalmente alucinante: hacer las preguntas correctas, verificar el resultado, mantener la visión arquitectónica en la cabeza. El equipo de targetai pasó varios meses refinando este equilibrio en proyectos reales y documentó el resultado: aceleración de 8–12 veces sin pérdida de calidad — si se hace correctamente.

El término "vibe coding" fue introducido por Andrej Karpathy a principios de 2025. La idea es simple: en lugar de escribir cada línea manualmente, el desarrollador describe la intención en lenguaje natural, y la herramienta LLM — Cursor, GitHub Copilot, Claude Code, Cline — genera la implementación. La velocidad de las iteraciones se multiplica: puedes construir un prototipo funcional en horas en lugar de semanas.

El problema es que junto con la creciente popularidad del enfoque vino su reflejo oscuro — neural slop. Este es código que se ve convincente, compila, pasa pruebas básicas, pero tres meses después se convierte en un desastre inmantenible: nadie en el equipo entiende por qué esta o aquella parte está escrita de esa manera. El LLM no explica sus decisiones arquitectónicas — simplemente las toma.

Los ingenieros de targetai se preguntaron: ¿podemos sistematizar el trabajo con LLMs de modo que ganemos velocidad sin acumular deuda técnica? Su respuesta es sí, pero requiere prácticas específicas.

Primera: los LLMs funcionan mejor en tareas con contexto estrictamente limitado. No "construye una función de autenticación", sino "implementa la función validateToken en el archivo auth/utils.ts, que recibe una cadena JWT y devuelve userId o null si el token es inválido".

Segunda: la revisión de código no puede delegarse al modelo en sí. Necesitas una persona que entienda exactamente qué está revisando — y por qué cierto código es malo, no solo cómo se ve.

Tercera: las decisiones arquitectónicas se toman antes de que la IA comience a generar la implementación. La IA es la ejecutora, no la arquitecta.

Los números de los experimentos: el ciclo de desarrollo de nuevas funcionalidades se redujo 8–12 veces — de varios días a varias horas. El número de iteraciones antes del deploy disminuyó. Lo crucial es que el nivel de incidentes en producción no aumentó. Esto contradice el miedo más generalizado: que la aceleración por IA inevitablemente significa más bugs en producción. Con la metodología correcta — no lo significa.

En targetai no existe una posición separada de AI-engineer o prompt engineer: el equipo llegó a estas prácticas orgánicamente, a través de errores e iteraciones.

En la práctica, el enfoque funciona así. Cada desarrollador usa el LLM como un programador en pareja personal, pero con reglas de higiene. Nunca copies código generado sin leerlo línea por línea. Sin solicitudes vagas — mejor tres prompts precisos que uno borroso. Las pruebas se escriben antes de la generación de la implementación: esto filtra inmediatamente opciones no funcionales en la etapa de prompting. La documentación de la base de código interna se almacena en formato legible por máquina y se carga en el contexto automáticamente — esto mejora significativamente la precisión de la generación para tareas específicas del dominio.

Vibe coding como práctica ha salido del ciclo de hype y se está convirtiendo en una habilidad de ingeniería fundamental — tan básica como saber leer una stack trace o escribir un pull request claro. La pregunta ya no es si usar modelos de lenguaje en el desarrollo, sino cuán conscientemente hacerlo.

La experiencia de targetai demuestra: con flujos de trabajo adecuadamente estructurados, un asistente de IA no reemplaza al ingeniero — multiplica su productividad muchas veces. El precio de esta multiplicación — disciplina, pensamiento crítico, y la disposición de no confiar en código bonito simplemente porque fue escrito rápidamente.