vibecoding no elimina la especialización del desarrollador, sino que cambia las áreas donde se necesita. [Artículo traducido]

1. Casos experimentales de vibecoding

   • Usando el agente Claude Code de Anthropic, se llevó a cabo con éxito un experimento para crear juegos y aplicaciones reales en un entorno Linux.
   • Comandos en lenguaje natural: con una sola frase simple en inglés, como “coloca edificios con varios diseños y deja que pueda conducir por el pueblo que construí”, la IA generó automáticamente código funcional que podía ejecutarse de verdad.
   • Incorporación continua de retroalimentación: al pedir funciones adicionales como una misión con camión de bomberos, tráfico, un rival (helicóptero), cambios entre día y noche y más misiones, la IA actualizó la aplicación reflejando esas solicitudes.
   • Proceso de resolución de problemas: incluso los bugs y errores que surgieron durante la ejecución del código se resolvieron mediante comunicación iterativa con la IA, y al final el costo de uso de la API de Claude fue de aproximadamente $13.

2. El cambio en la especialización

   • Desplazamiento de la especialización: vibecoding no elimina la especialización del desarrollador, sino que cambia las áreas donde se necesita. Es decir, en lugar de escribir personalmente todo el código, se vuelve más importante entender el sistema completo, marcar la dirección y evaluar los resultados.
   • Se necesita conocimiento mínimo: al colaborar con IA, hace falta al menos un conocimiento básico de programación (comprensión fundamental y criterio), además de la capacidad para revisar los resultados propuestos por la IA y dar retroalimentación.
   • Ejemplo de uso real: incluso alguien que no está familiarizado con un entorno Linux puede crear rápidamente el software que desea con ayuda de la IA.

3. Escalabilidad de los agentes de IA

   • Diversos agentes de IA: distintos agentes de IA, como Manus de China, pueden realizar de forma autónoma una amplia gama de tareas, como investigación web, programación y creación de documentos y sitios web.
   • Importancia de la retroalimentación: aunque la IA ejecute tareas de forma autónoma, pueden producirse errores o fallos, por lo que es indispensable que una persona revise los resultados y proporcione retroalimentación.
   • Caso experimental real: ante la solicitud “crea un curso interactivo sobre elevator pitching usando el mejor consejo académico”, la IA realizó de forma autónoma todo el proceso, desde elaborar una checklist y hacer investigación web hasta crear la página. Después, al recibir comentarios de que faltaban elementos interactivos, la IA incorporó esa retroalimentación y lo mejoró.

4. Colaboración profunda (Deep Vibeworking)

   • Análisis de datos complejos: se realizó un experimento para analizar junto con IA grandes volúmenes de datos anónimos recopilados en crowdfunding, e incluso redactar un paper.
   • Rol de la IA: la IA ayudó mucho en el análisis de datos y la propuesta de hipótesis, pero para seleccionar un tema con valor académico y evaluar los resultados seguía siendo necesaria la especialización humana.
   • Generación rápida de resultados: la redacción del paper tomó menos de una hora, y el resultado alcanzó un nivel que podía representar una contribución significativa para la academia.

5. Conclusión: la clave es la colaboración entre humanos e IA

   • Colaboración complementaria: la IA no puede reemplazarlo todo, pero el mayor valor se crea cuando se combinan la especialización humana y las capacidades de la IA.
   • Cambio en la forma de trabajar: la manera de trabajar está cambiando rápidamente, y es importante encontrar en cada tarea el punto de contacto sobre cómo colaborarán la IA y los humanos.
   • Perspectiva futura: está llegando una nueva era en la que la IA y los humanos colaboran aprovechando las fortalezas de cada uno.

[tsboard]

Puede que la IA no haga todo por nosotros, pero sí va a terminar encargándose de una buena parte del trabajo.
También da un poco de miedo pensar que podría venir una época en la que un grupo muy pequeño de expertos, en vez de seguir colaborando con desarrolladores junior o de nivel intermedio, simplemente trabaje con IA y la brecha se haga aún mayor.

[ashbyash]

Parece que la polarización en el trabajo también se va a intensificar cada vez más.

[beoks]

Al colaborar con IA, se necesita al menos un conocimiento mínimo de programación (comprensión básica, criterio), así como la capacidad de revisar los resultados que propone la IA y dar retroalimentación.

En el desarrollo de aplicaciones empresariales, creo que más que un conocimiento mínimo, se requiere uno fundamental (CS, dominio, diseño, etc.).
Con IA, en el caso de proyectos de juguete simples, es posible desarrollar con facilidad incluso sin ese conocimiento, pero a medida que la escala crece, la falta de conocimientos fundamentales termina chocando con varios obstáculos (estructuras que no se ajustan al dominio, rendimiento, problemas de concurrencia, etc.).
Bajo la premisa de saber aprovechar bien la IA, pienso que en adelante la especialización del desarrollador estará en la capacidad de decidir la dirección del proyecto desde una perspectiva macroscópica a partir de conocimientos fundamentales y en una capacidad profunda de resolución de problemas.

[ashbyash]

Muchas gracias por tu comentario, es una perspectiva realmente muy buena :)

[devjeonghwan]

Si sientes que puedes delegarle tu trabajo a la IA, al final solo serás reemplazado al 100%. Hay que desarrollar habilidades que la IA no pueda reemplazar o que los demás no puedan imitar.

[ashbyash]

Sí, creo que hay que seguir explorando y desarrollando esa capacidad.