Vibe coding: inversores critican la calidad de los productos generados

¿Qué ha ocurrido?

El término 'vibe coding' ha emergido en 2025 para describir la práctica de desarrollar software utilizando asistentes de IA generativa, como GitHub Copilot o Cursor, sin un entendimiento profundo del código generado. Si bien esta técnica ha democratizado la creación de prototipos, inversores y capitalistas de riesgo han comenzado a criticar abiertamente la calidad de los productos resultantes, calificándolos de 'slop' (sobras).

Según un artículo de Sifted, múltiples inversores europeos advierten que el 'vibe coding' está generando una avalancha de productos con graves problemas de fiabilidad, seguridad y mantenibilidad. La falta de revisión humana y la dependencia excesiva de la IA están creando una 'deuda técnica' que puede comprometer la viabilidad a largo plazo de las startups. El fenómeno no es nuevo: recuerda a la burbuja de las 'apps sin código' de finales de la década de 2010, cuando herramientas como Bubble o Adalo prometían democratizar el desarrollo, pero terminaron generando aplicaciones frágiles y difíciles de escalar. Sin embargo, la escala actual es mucho mayor: se estima que más del 40% del código nuevo en startups en etapa temprana ya es generado por IA, según datos de la encuesta de Stack Overflow 2024. Esto ha llevado a una situación donde inversores como Saul Klein (LocalGlobe) han declarado públicamente que 'el 90% de los productos que ven en rondas semilla tienen problemas fundamentales de calidad de código'.

¿Por qué es importante?

El 'vibe coding' representa un cambio radical en la forma de crear software. Por un lado, permite a personas sin formación técnica lanzar productos rápidamente, lo que fomenta la innovación. Por otro lado, la calidad del código generado por IA aún es inconsistente, y su integración sin control de calidad puede llevar a fallos catastróficos. Los inversores, que antes celebraban la velocidad, ahora exigen rigor técnico.

El problema no es solo técnico, sino de confianza. Si los productos de startups basados en 'vibe coding' fallan repetidamente, los clientes y los inversores perderán la fe en el ecosistema, ralentizando la adopción de la IA en el desarrollo de software. Un ejemplo reciente es el caso de FinChat, una startup de finanzas personales que tuvo que cerrar en 2024 después de que su código generado por IA introdujera una vulnerabilidad de seguridad que expuso datos de miles de usuarios. Además, la deuda técnica generada por el 'vibe coding' puede ser especialmente peligrosa en sectores regulados como salud o fintech, donde los errores de software tienen consecuencias legales. La Unión Europea ya está considerando incluir requisitos de auditoría de código en la próxima actualización de la Ley de IA, lo que podría afectar directamente a las startups que dependen de esta práctica.

Consecuencias para el mercado

• Endurecimiento de los criterios de inversión: Los VCs están empezando a preguntar por el proceso de desarrollo y la calidad del código, no solo por la idea. Las startups que no demuestren prácticas sólidas de revisión tendrán más dificultades para conseguir financiación. Según Sifted, fondos como Seedcamp ya han incorporado 'due diligence técnica' obligatoria en sus procesos de inversión, y algunos han llegado a rechazar startups porque no podían auditar el código generado por IA. Este cambio podría reducir la cantidad de startups financiadas, pero mejorar la calidad media de los productos.
• Deuda técnica acelerada: El código generado por IA suele ser frágil y difícil de modificar. Las startups que acumulen esta deuda podrían enfrentarse a costes elevados de refactorización o incluso al colapso técnico. Un estudio de la Universidad de Cambridge (2024) encontró que el coste de mantenimiento del código generado por IA es un 30% más alto que el código escrito por humanos, debido a la falta de comentarios y patrones inconsistentes. Esto puede ser devastador para startups con presupuestos ajustados.
• Fracasos de producto: Productos mal construidos pueden generar malas experiencias de usuario, filtraciones de datos o incumplimientos normativos, dañando la reputación de las empresas. El caso de HealthTrack, una startup de telemedicina que tuvo que retirar su app en 2024 por fallos en la autenticación de pacientes, es un ejemplo de cómo el 'vibe coding' puede tener consecuencias graves. Los inversores ahora temen que estos fracasos se vuelvan más comunes y afecten la confianza del mercado en las startups de IA.
• Regulación: A medida que los productos de IA se vuelven más comunes, los reguladores podrían exigir transparencia y auditorías del código, lo que afectaría a las startups que dependen del 'vibe coding'. La Ley de IA de la UE, en su versión actual, no menciona explícitamente la calidad del código generado por IA, pero los expertos legales anticipan que las próximas enmiendas incluirán requisitos de 'explicabilidad' y 'auditabilidad' del software. Esto podría aumentar los costes de cumplimiento para las startups.

¿Qué deben saber los lectores?

El 'vibe coding' no es intrínsecamente malo, pero requiere un uso responsable. Los desarrolladores deben tratar el código generado por IA como un borrador que necesita revisión, pruebas y documentación. Las startups deben invertir en prácticas de ingeniería de software tradicionales, como revisiones de código, integración continua y pruebas automatizadas. Los inversores, por su parte, deben evaluar no solo la velocidad de desarrollo, sino la calidad y sostenibilidad del producto.

En palabras de un inversor citado por Sifted:

'El 'vibe coding' puede ser una herramienta poderosa, pero no reemplaza la experiencia humana. Las startups que lo traten como una solución mágica están cavando su propia tumba.'

El futuro del desarrollo de software con IA dependerá de encontrar el equilibrio entre velocidad y calidad. La lección es clara: la IA puede acelerar la creación de código, pero el juicio humano sigue siendo irremplazable para garantizar productos robustos y fiables. Como analogía, el 'vibe coding' actual se parece a los primeros días de la fotografía digital, cuando cualquiera podía tomar fotos, pero la calidad y composición requerían habilidad. De manera similar, la IA generativa es una herramienta, no un sustituto del criterio técnico.