Vivimos enamorados del programador 10x, esa figura que produce como diez. Pero después de muchos años liderando equipos, aprendí que el rendimiento de un equipo no es la suma de los rendimientos individuales, y que muchas veces la persona más valiosa no es la que más código escribe. Apoyándome en algunas ideas de CEO Excellence, quiero discutir por qué el foco debería correrse de qué hace cada uno hacia cómo trabajamos juntos.
En marzo escribí sobre el vibe coding en pleno auge. Cuatro meses después, con el ruido más bajo, se puede empezar a separar lo que era hype de lo que era señal. La idea perdurable: las modas técnicas no son ni la revolución que prometen ni el fraude que denuncian sus críticos; dejan un residuo útil cuando una tiene la paciencia de esperar a que baje la espuma.
En la carrera por usar el modelo de IA más potente, solemos olvidar una pregunta sencilla: ¿lo necesitábamos? Elegir el modelo adecuado para cada tarea, en lugar del más grande por defecto, no es solo ahorrar dinero. Es una forma de responsabilidad técnica que tiene consecuencias económicas, operativas y ambientales. La eficiencia dejó de ser un lujo de optimización para volverse parte del criterio.
Hace medio año los agentes eran una posibilidad técnica prometedora. Hoy empiezan a correr tareas largas y autónomas en repositorios reales. El entusiasmo está justificado, pero la lección no cambió: cuanto más potente es lo que delegamos, más cuidado necesita el arnés con que lo conducimos. La capacidad creció; la responsabilidad de gobernarla, también.
Toda organización conoce sus dependencias visibles: la base de datos, la nube, el sistema de pagos. El problema son las invisibles, las que nadie anotó en ningún diagrama y que descubrimos recién cuando se caen. Mapearlas no es una tarea técnica más: es la base de cualquier resiliencia real, porque no se puede proteger ni recuperar lo que no se conoce.
El vibe coding me cambió la forma de ver el desarrollo de software. Pero el mismo día que me deslumbró, también vi el problema: sin versionado de especificaciones, sin organizar qué queremos que haga la IA, y especialmente al trabajar en equipo, esta forma de programar puede volverse un caos difícil de gobernar. No estoy en contra. Estoy a favor de entenderlo antes de que nos arrastre.
DeepSeek no es importante por ser un modelo más. Es importante porque, en pocos días, puso en duda varias certezas que la industria repetía como verdades fijas: que hacía falta un presupuesto enorme, que el liderazgo estaba donde siempre había estado y que la fuerza bruta era el único camino. La lección no es sobre un modelo, es sobre cuánto de lo que creemos saber es en realidad un supuesto heredado.
2024 no fue solamente otro año de novedades en inteligencia artificial. Fue el año en que empezamos a ver con más claridad que la IA aplicada necesita madurez: buenos datos, contexto, seguridad, resiliencia, arquitectura y liderazgo técnico.
La inteligencia artificial empieza a dejar de ser solamente una caja de texto para convertirse en una herramienta capaz de planificar, usar software, navegar, escribir código y ejecutar tareas. El desafío no es solo técnico: también es de arquitectura, seguridad, criterio y responsabilidad.
La IA puede ayudarnos a escribir código más rápido, pero la velocidad por sí sola no garantiza buen software. El verdadero valor aparece cuando la usamos con criterio, contexto, reglas claras, revisión técnica y una arquitectura que la guíe.