Hace unas semanas, en un rato de ocio, me hice una pregunta absurdamente simple: ¿cuánta electricidad estoy gastando cada día?

Vivir en México en temporada de calor significa una cosa: vigilar el recibo de la CFE — la Comisión Federal de Electricidad, empresa estatal que provee el servicio en el país. Sus tarifas cambian por temperatura, por tramo de consumo, por temporada. Un mes descuidado puede triplicar tu factura. Años atrás tenía mi solución: una tabla de Excel con macros, fórmulas, tablas pivote, VLOOKUPs encadenados — como buen analista de datos, tenía mi control. Hasta que un movimiento en falso corrompió el archivo. Intenté rehacerlo en Google Sheets. Entre un respaldo del NAS y otro, lo perdí también.

Así que me dije: ¿y si pruebo eso del vibe coding? ¿Y si le saco provecho a mi pequeño proyecto de homelab en casa?

Tenía servidores ZimaBoard corriendo Proxmox, experiencia deployando sistemas, años armando arquitecturas de datos y servicios cloud. También tenía Claude Code instalado en mi laptop — completamente ocioso. Una aplicación más ocupando espacio, sin darme experiencia ni valor. Solo ahí, instalada.

Abrí la consola. Probé algunos comandos. Hice mi repositorio en GitHub. Le di detalles a Claude sobre la arquitectura del homelab, habilité algunas cosas extra por mi cuenta, y básicamente me convertí en el PM de un agente de IA que empezó a programar.

Primero: fatal. Códigos vacíos, incompletos, que necesitaron horas y horas de depuración. Pero poco a poco entendí que entre más detalle daba — sobre la arquitectura, sobre los fallos específicos — Claude Code mejoraba significativamente, hasta que podía retroalimentarse solo, auditarse solo, y desplegar el ambiente completo.

Veinticinco horas después, tenía un sistema en producción. Y una pregunta que todavía no sé cómo responder: ¿lo construí yo?

Claro que sí. Claro que no. En mi vida he escrito una línea de JavaScript, ni montado un túnel HTTP con Cloudflare, ni habilitado desde cero una infraestructura de contenedores. Y aun así, el sistema existe.

Ahí empieza el problema — o más precisamente, ahí empieza la pregunta.

¿Qué es el vibe coding?

El 2 de febrero de 2025, Andrej Karpathy — exdirector de IA en Tesla y cofundador de OpenAI — publicó un tweet que se volvió manifiesto: “There’s a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists.” Describes en lenguaje natural lo que quieres, la IA genera el código, tú iteras sobre el resultado sin necesariamente entender cada línea.

Qué no lo es

La narrativa que se instaló rápidamente fue seductora: el vibe coding democratiza el desarrollo. Ya no necesitas saber programar. Cualquiera puede construir software.

Esa narrativa es parcialmente verdadera. Y parcialmente peligrosa. Tanto, que en 2026 el propio Karpathy intentó distanciarse del término para acuñar “Agentic Engineering” — reconociendo públicamente que para que el software tenga calidad se requiere mucha más supervisión y escrutinio de lo que él mismo sugirió. El creador del concepto lo está corrigiendo en tiempo real. Vale la pena preguntarse por qué.

Lo que nadie cuenta: el conocimiento invisible

Claude falló. Muchas veces. Los códigos no fueron perfectos. Hubo demasiada iteración.

Lo que me permitió avanzar no fue que la IA no fallara — fue que yo sabía cuándo estaba fallando. Sabía que una arquitectura multiusuario necesita aislar datos por sesión. Sabía que una transacción en PostgreSQL no es un detalle opcional cuando hay dinero en juego. Sabía por qué el nginx cacheaba la IP interna del contenedor y cómo decirle a Claude exactamente qué estaba roto.

Ese conocimiento no vino de la IA. Vino de diez años construyendo sistemas de datos en contextos donde los errores cuestan caro.

Un desarrollador junior sin esa base habría enfrentado los mismos errores — pero los habría visto como paredes opacas. No habría sabido qué preguntarle a la IA porque no habría sabido qué estaba mal. “Considero muy difícil que un junior sin experiencia pueda desarrollar código de calidad. Quizá logre un producto aceptable, pero sin buenas prácticas, sin estándares, sin considerar lo que no sabe que no sabe.” Eso lo escribí yo, al final de las veinticinco horas, cuando intentaba entender qué había pasado exactamente. La investigación lo confirma: los estudios sobre código generado por IA documentan tasas de rechazo elevadas en entornos de producción precisamente por ausencia de buenas prácticas — el código compila, pero no resiste (Poudyal, 2026).

La diferencia entre amplificar y sustituir

El vibe coding es un amplificador. Lo que amplifica importa.

Para mí: veinticinco horas hacia un sistema con autenticación JWT, cálculo de tarifas CFE reales, extracción de datos de recibos vía IA, backups automáticos y documentación de disaster recovery. La herramienta multiplicó lo que ya existía. Para alguien sin esa base: la misma herramienta, el mismo tiempo, un resultado radicalmente diferente — no porque la IA sea distinta, sino porque el criterio que guía a la IA es diferente. La herramienta no tiene criterio propio: toma prestado el de quien la usa.

El mercado ya está procesando esto de manera preocupante. Análisis recientes en LATAM muestran caídas salariales de hasta 6.3% en posiciones junior por el uso masivo de herramientas de IA para tareas básicas, mientras la demanda se concentra casi exclusivamente en perfiles senior capaces de auditar el código (CodersLink, 2025). No es democratización — es una reconfiguración de quién tiene valor y quién queda expuesto. Nicholas Carr lo anticipó hace una década: cuando dependemos de la automatización para pensar, perdemos precisamente la capacidad que nos hacía útiles (Carr, 2014).

El problema no es el vibe coding. El problema es confundir la herramienta con el oficio.

La pregunta del cyborg

¿Nos volvimos cyborgs, pero sin tener partes robóticas explícitas en nuestro cuerpo?

Somos cyborgs. No con implantes físicos, sino con extensiones cognitivas que procesan código, generan opciones, depuran errores a una velocidad que ningún humano podría sostener solo. La frontera entre lo que pienso y lo que la IA ejecuta se volvió borrosa de una manera que el lenguaje todavía no sabe manejar bien.

Por eso la pregunta gramatical de este artículo es genuinamente difícil. ¿Construí el Energy Tracker? Sí. ¿Lo construí solo? No sé cómo responder eso sin falsificar algo. “Construí” invisibiliza a la IA. “Construimos” le atribuye agencia que no tiene — o que aún no hemos decidido si tiene.

Sigo sin saber cómo conjugar este verbo.

Lo que sí sé: el dashboard funciona porque alguien sabía cuándo Claude estaba equivocado. Porque alguien entendía qué es el cumplimiento ARCO, por qué un sistema multiusuario sin transacciones en la base de datos es un sistema roto esperando el momento de romperse, qué significa tener dos entornos separados y por qué eso importa a las 3 AM cuando algo falla en producción.

Y la webapp funciona. La estoy probando con amigos y familia, viviendo en mi infraestructura del homelab — ese proyecto que empezó como un problema de ocio y un archivo de Excel corrupto. Tanto así que ahora me llevó a desplegar también un sitio web personal, y algunas otras curiosidades que no planeaba construir. El amplificador, una vez que empieza, no para fácilmente.

El cyborg es más productivo que cualquiera de sus partes por separado. Pero el sistema nervioso central sigue siendo humano — y ese sistema nervioso se construye con años de experiencia que ninguna herramienta puede reemplazar.

La pregunta no es si la IA puede construir software. Es: ¿estamos midiendo la habilidad correcta cuando hablamos de vibe coding? ¿O estamos confundiendo la herramienta con el oficio?

¿Tú qué opinas?

REFERENCIAS Y FUENTES

  1. Karpathy, A. [@karpathy]. “There’s a new kind of coding I call ‘vibe coding’…”. X (antes Twitter), 2 de febrero de 2025. URL: https://x.com/karpathy/status/1886192184808149383
  2. Willison, S. “Not all AI-assisted programming is vibe coding”. Marzo 2025. (verificar URL exacta)
  3. Poudyal, A. “Fast Code, Fragile Systems: Governing AI-Induced Technical Debt”. Marzo 2026. (verificar publicación y URL)
  4. CodersLink. Reporte de Salarios de TI en México 2025. CodersLink, 2025. (verificar URL)
  5. Carr, N. The Glass Cage: Automation and Us. W. W. Norton & Company, 2014.
  6. CEPAL. Automatización e inclusión laboral en América Latina: impactos potenciales, vulnerabilidades y propuestas de política pública. Septiembre 2023. (verificar URL exacta en cepal.org)
  7. Flux IT. “La trampa de la IA: cuando el código generado se convierte en deuda técnica”. 2026. (verificar URL)
  8. Zuboff, S. The Age of Surveillance Capitalism. PublicAffairs, 2019.

A few weeks ago, during a moment of idle curiosity, I asked myself an absurdly simple question: how much electricity am I actually using each day?

Living in Mexico during the hot season means one thing: watching your CFE bill — the Comisión Federal de Electricidad, Mexico’s state-owned electricity provider. Its rates shift with temperature, consumption tiers, and season. One careless month can triple your bill. Years ago I had my solution: an Excel spreadsheet with macros, formulas, pivot tables, chained VLOOKUPs — a data analyst’s idea of control. Until one wrong move corrupted the file. I tried rebuilding it in Google Sheets. Between a NAS backup and another, I lost that one too.

So I said to myself: what if I try this vibe coding thing? What if I finally get some use out of my homelab project at home?

I had ZimaBoard servers running Proxmox, years of experience deploying systems, and a track record building data architectures and cloud services. I also had Claude Code installed on my laptop — completely idle. Just another app taking up space, giving me neither experience nor value. Just sitting there.

I opened the terminal. Ran some commands. Created my GitHub repository. Gave Claude the details of my homelab architecture, enabled a few things myself, and essentially became the PM of an AI agent that started to code.

At first: terrible. Empty, incomplete code that required hours and hours of debugging. But gradually I understood that the more detail I provided — about the architecture, about specific failures — the better Claude Code performed, until it could audit itself, refine itself, and deploy the complete environment.

Twenty-five hours later, I had a system in production. And a question I still don’t know how to answer: did I build it?

Of course I did. Of course I didn’t. I have never written a single line of JavaScript, never set up an HTTP tunnel with Cloudflare, never stood up a containerized infrastructure from scratch. And yet the system exists.

That’s where the problem starts — or more precisely, where the question starts.

What is vibe coding?

On February 2, 2025, Andrej Karpathy — former AI director at Tesla and OpenAI co-founder — published a tweet that became a kind of manifesto: “There’s a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists.” You describe what you want in natural language, the AI generates the code, you iterate on the result without necessarily understanding every line.

What it is not

The narrative that followed was seductive: vibe coding democratizes development. You no longer need to know how to program. Anyone can build software.

That narrative is partially true. And partially dangerous. So much so that by 2026, Karpathy himself tried to distance himself from the term, coining “Agentic Engineering” instead — publicly acknowledging that producing quality software requires far more supervision and scrutiny than he originally implied. The creator of the concept is correcting it in real time. Worth asking why.

What nobody talks about: the invisible knowledge

Claude failed. Many times. The code wasn’t clean. There was too much iteration.

What allowed me to move forward wasn’t that the AI didn’t fail — it was that I knew when it was failing. I knew that a multi-user architecture needs to isolate data by session. I knew that a PostgreSQL transaction isn’t an optional detail when money is involved. I knew why nginx was caching the container’s internal IP, and how to tell Claude exactly what was broken.

That knowledge didn’t come from the AI. It came from ten years building data systems in contexts where mistakes are expensive.

A junior developer without that foundation would have hit the same errors — but would have seen them as opaque walls. They wouldn’t have known what to ask the AI because they wouldn’t have known what was wrong. “I think it would be very difficult for a junior without experience to develop quality code. They might build something acceptable, but without best practices, without standards, without accounting for what they don’t know they don’t know.” I wrote that myself, at the end of those twenty-five hours, trying to understand what had actually happened. Research backs this up: studies on AI-generated code document high rejection rates in production environments precisely because of missing best practices — the code compiles, but it doesn’t hold (Poudyal, 2026).

The difference between amplifying and substituting

Vibe coding is an amplifier. What it amplifies matters.

For me: twenty-five hours toward a system with JWT authentication, real CFE tariff calculations, AI-powered receipt data extraction, automated backups, and disaster recovery documentation. The tool multiplied what already existed. For someone without that foundation: the same tool, the same time, a radically different result — not because the AI is different, but because the judgment guiding the AI is different. The tool has no judgment of its own: it borrows it from whoever is using it.

The market is processing this in a worrying way. Recent analyses in LATAM show salary drops of up to 6.3% in junior positions due to the mass adoption of AI tools for basic tasks, while demand concentrates almost exclusively on senior profiles capable of auditing the code (CodersLink, 2025). That’s not democratization — it’s a reconfiguration of who has value and who becomes exposed. Nicholas Carr saw this coming a decade ago: when we rely on automation to think, we lose precisely the capacity that made us useful (Carr, 2014).

The problem isn’t vibe coding. The problem is confusing the tool with the craft.

The cyborg question

Have we become cyborgs, but without explicit robotic parts in our bodies?

We are cyborgs. Not with physical implants, but with cognitive extensions that process code, generate options, and debug errors at a speed no human could sustain alone. The boundary between what I think and what the AI executes has become blurry in a way that language still doesn’t handle well.

That’s why the grammatical question at the heart of this article is genuinely difficult. Did I build the Energy Tracker? Yes. Did I build it alone? I don’t know how to answer that without falsifying something. “I built” makes the AI invisible. “We built” attributes agency it may not have — or that we haven’t decided yet whether it has.

I still don’t know how to conjugate this verb.

What I do know: the dashboard works because someone knew when Claude was wrong. Because someone understood what ARCO compliance means, why a multi-user system without database transactions is a broken system waiting to break, what it means to have two separate environments and why that matters at 3 AM when something fails in production.

And the web app works. I’m testing it with friends and family, running on my homelab infrastructure — that project that started as an idle question and a corrupted Excel file. So much so that it’s now led me to deploy a personal website, and a few other things I hadn’t planned to build. Once the amplifier starts, it doesn’t stop easily.

The cyborg is more productive than either of its parts alone. But the central nervous system is still human — and that nervous system is built with years of experience that no tool can replace.

The question isn’t whether AI can build software. It’s: are we measuring the right skill when we talk about vibe coding? Or are we confusing the tool with the craft?

What do you think?

REFERENCES AND SOURCES

  1. Karpathy, A. [@karpathy]. “There’s a new kind of coding I call ‘vibe coding’…”. X (formerly Twitter), February 2, 2025. URL: https://x.com/karpathy/status/1886192184808149383
  2. Willison, S. “Not all AI-assisted programming is vibe coding”. March 2025. (verify exact URL)
  3. Poudyal, A. “Fast Code, Fragile Systems: Governing AI-Induced Technical Debt”. March 2026. (verify publication and URL)
  4. CodersLink. IT Salary Report Mexico 2025. CodersLink, 2025. (verify URL)
  5. Carr, N. The Glass Cage: Automation and Us. W. W. Norton & Company, 2014.
  6. CEPAL. Automation and Labor Inclusion in Latin America: Potential Impacts, Vulnerabilities and Public Policy Proposals. September 2023. (verify exact URL at cepal.org)
  7. Flux IT. “The AI Trap: When Generated Code Becomes Technical Debt”. 2026. (verify URL)
  8. Zuboff, S. The Age of Surveillance Capitalism. PublicAffairs, 2019.