Cambio de paradigmas con el desarrollo asistido por IA
Palabras clave:
vibe coding, modelos grandes de lenguaje (LLM), ingeniería de software, inteligencia artificial generativa, periodismo automatizado, soberanía de datosResumen
La proliferación de la Inteligencia Articial generativa ha impulsado el surgimiento del vibe coding, un paradigma de ingeniería de software donde los desarrolladores administran la arquitectura de alto nivel en lugar de código de programación manual. Este artículo presenta un caso de estudio que examina la ecacia del vibe coding en el desarrollo integral de un portal de noticias completamente automatizado. Mediante interacciones guiadas por el modelo Gemini Pro, se implementó con éxito una arquitectura full-stack (FastAPI y React) distribuida entre un servidor web y un servidor de IA local que ejecuta un Modelo de Lenguaje Grande destilado (deepseek-r1). El sistema agrega de forma autónoma fuentes RSS de Argentina, realiza agrupamiento semántico y genera síntesis neutrales. Los resultados indican un notable incremento de productividad, junto con una alta resiliencia sistémica y una estricta soberanía de datos mediante el uso de herramientas de código abierto locales. Las respuestas LLM locales con limitaciones de hardware introdujeron un nivel moderado de errores de coherencia y alucinaciones. En contraste, la metodología de vibe coding desplazó efectivamente la carga cognitiva del desarrollador hacia la validación arquitectónica y la coherencia del sistema. El estudio concluye que el vibe coding es un primer enfoque muy viable para la generación rápida de sistemas relativamente complejos, sentando las bases para futuras implementaciones de ajuste no basadas en triplet loss y otras características para mejorar la redacción de noticias.
Descargas
Referencias
Fawzy, A., Tahir, A., & Blincoe, K. (2025). Vibe coding in practice: Motivations, challenges, and a future outlook - a grey literature review. https://arxiv.org/abs/2510.00328
Ge, Y., Mei, L., Duan, Z., Li, T., Zheng, Y., Wang, Y., Wang, L., Yao, J., Liu, T., Cai, Y., et al. (2025). A survey of vibe coding with large language models. arXiv preprint arXiv:2510.12399.
Hassan, A. E., Li, H., Lin, D., Adams, B., Chen, T.-H., Kashiwa, Y., & Qiu, D. (2025). Agentic software engineering: Foundational pillars and a research roadmap. arXiv preprint arXiv:2509.06216.
Jiang, J., Wang, F., Shen, J., Kim, S., & Kim, S. (2026). A survey on large language models for code generation. ACM Transactions on Software Engineering and Methodology, 35 (2), 1-72.
Piskala, D. B. (2026). Spec-driven development: From code to contract in the age of ai coding assistants. arXiv preprint arXiv:2602.00180.
Sabouri, S., Eibl, P., Zhou, X., Ziyadi, M., Medvidovic, N., Lindemann, L., & Chattopadhyay, S. (2025). Trust dynamics in ai-assisted development: Definitions, factors, and implications. 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE), 1678-1690. https://doi.org/10.1109/ICSE55347.2025.00199
Sapkota, R., Roumeliotis, K. I., & Karkee, M. (2025). Vibe coding vs. agentic coding: Fundamentals and practical implications of agentic ai. ArXiv, abs/2505.19443. https://api.semanticscholar.org/CorpusID:278905853
Weber, I. (2025). Feasibility of ai-assisted programming for end-user development. arXiv preprint arXiv:2512.05666.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Edgardo Javier Trenti
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
