Vibe Coding vs Spec-Driven Development: cómo está cambiando el desarrollo de software con IA

Hace poco, desarrollar una aplicación con inteligencia artificial significaba pedirle a un asistente que completara una función, explicara un error o generara algunas líneas de código.

Eso está cambiando rápidamente.

Hoy existen agentes de programación capaces de analizar un repositorio completo, modificar múltiples archivos, ejecutar comandos, correr pruebas y trabajar durante varios pasos antes de volver a pedir intervención humana.

La conversación ya no es solamente:

"¿Puede la IA programar?"

La pregunta empieza a ser otra:

"¿Cómo hacemos para que construya exactamente el software que necesitamos?"

Y ahí aparece una tendencia que está ganando fuerza entre desarrolladores: Spec-Driven Development o desarrollo guiado por especificaciones.

Primero llegó el vibe coding

El concepto de vibe coding popularizó una manera extremadamente simple de desarrollar software:

describes lo que quieres, la inteligencia artificial genera código, pruebas el resultado y continúas haciendo ajustes mediante prompts.

Por ejemplo:

"Créame un sistema para reservar horas, con usuarios, pagos y un panel administrador."

Un agente puede comenzar a construirlo prácticamente de inmediato.

Para prototipos, pruebas de concepto, herramientas internas o experimentos rápidos, esta forma de trabajar puede ser tremendamente útil.

El problema aparece cuando el software empieza a crecer.

¿Qué ocurre si el sistema debe manejar permisos?

¿Quién puede modificar una reserva?

¿Qué pasa si falla un pago?

¿Cómo se manejan los datos personales?

¿Qué ocurre cuando dos usuarios reservan simultáneamente?

¿Qué arquitectura debería utilizarse?

¿Cómo sabremos que una funcionalidad está realmente terminada?

Esas decisiones siguen existiendo aunque la inteligencia artificial sea capaz de escribir el código.

El problema ya no es generar código

Los modelos actuales pueden producir código a una velocidad que hace pocos años habría parecido absurda.

De hecho, el estudio State of Code 2026 de Sonar encontró que los desarrolladores encuestados estiman que aproximadamente un 42% del código que entregan actualmente está generado o significativamente asistido por IA.

Pero existe una paradoja.

El mismo estudio indica que 96% de los desarrolladores no confía completamente en el código generado por inteligencia artificial.

Es decir:

podemos producir código más rápido, pero seguimos necesitando asegurarnos de que sea el código correcto.

Ahí comienza a cambiar el trabajo del desarrollador.

Qué es Spec-Driven Development

Spec-Driven Development, normalmente abreviado como SDD, propone invertir parte del proceso.

En lugar de empezar diciendo:

"Construye esta aplicación."

primero se crea una especificación suficientemente clara de cómo debería funcionar.

Por ejemplo:

Funcionalidad

El usuario puede reservar una hora disponible.

Reglas

• Una hora reservada deja de estar disponible inmediatamente.
• Un usuario no puede tener dos reservas simultáneas.
• La reserva solo queda confirmada después del pago.
• Si el pago falla, el horario vuelve a estar disponible.
• El administrador puede cancelar una reserva.
• Toda cancelación debe quedar registrada.

Criterios de aceptación

• Dos usuarios no pueden reservar el mismo horario.
• Una reserva debe aparecer en el panel administrativo.
• El sistema debe enviar confirmación después del pago.
• Un pago fallido no puede generar una reserva confirmada.

Ahora el agente tiene algo mucho más poderoso que un simple prompt.

Tiene un contrato sobre cómo debería comportarse el software.

El concepto está ganando relevancia precisamente por el crecimiento de los agentes de programación, y ya se está estudiando como una metodología específica para trabajar con desarrollo asistido por IA.

Del prompt engineering al context engineering

También está cambiando otra idea.

Durante los primeros años de la IA generativa se hablaba constantemente de prompt engineering.

¿Cómo escribimos el mejor prompt?

Con los agentes actuales, eso empieza a quedarse corto.

Un agente que trabaja sobre un proyecto durante horas necesita mucho más que un buen prompt.

Necesita entender:

• la arquitectura del sistema;
• las tecnologías utilizadas;
• convenciones de código;
• reglas del negocio;
• restricciones;
• APIs disponibles;
• estructura de la base de datos;
• pruebas existentes;
• criterios de seguridad;
• documentación del proyecto.

Por eso está tomando fuerza otro concepto:

context engineering.

En lugar de preocuparnos únicamente del mensaje que enviamos al modelo, diseñamos todo el contexto que tendrá disponible mientras trabaja.

Investigaciones recientes sobre miles de repositorios ya muestran el crecimiento de mecanismos como archivos de contexto, skills y subagentes para configurar agentes de desarrollo.

Entonces, ¿se acabó el vibe coding?

No necesariamente.

El vibe coding sigue siendo extremadamente útil.

El problema es utilizarlo para situaciones donde las consecuencias de una mala decisión técnica son importantes.

Vibe coding puede funcionar muy bien para:

• prototipos;
• demos;
• landing pages;
• experimentos;
• scripts internos;
• herramientas personales;
• validar rápidamente una idea.

Un enfoque más estructurado es necesario para:

• sistemas empresariales;
• plataformas con múltiples usuarios;
• e-commerce;
• aplicaciones que manejan pagos;
• software que procesa información sensible;
• integraciones con otros sistemas;
• productos que deberán mantenerse durante años.

Mientras mayor sea la importancia del software para una empresa, mayor debería ser la claridad de sus especificaciones.

La IA no elimina la ingeniería de software

Este probablemente sea uno de los cambios más interesantes que estamos viviendo.

Durante años, gran parte del esfuerzo de desarrollar software estaba directamente relacionado con escribir código.

Ahora una parte creciente de ese trabajo puede automatizarse.

Pero eso no elimina otros problemas.

Al contrario, hace que sean más visibles.

Antes de escribir una línea de código todavía necesitamos responder preguntas como:

¿Qué problema queremos resolver?

¿Cómo debería funcionar el sistema?

¿Qué ocurre cuando algo sale mal?

¿Cómo protegemos la información?

¿Cómo sabemos que la solución realmente funciona?

La inteligencia artificial puede generar veinte archivos en pocos minutos.

Pero producir veinte archivos equivocados más rápido no crea un mejor producto.

El nuevo rol de los equipos de software

En este escenario, el valor de un equipo de desarrollo empieza a desplazarse.

Menos tiempo escribiendo código repetitivo.

Más tiempo:

• entendiendo procesos;
• diseñando soluciones;
• definiendo especificaciones;
• tomando decisiones de arquitectura;
• revisando resultados;
• creando pruebas;
• evaluando seguridad;
• integrando sistemas;
• entendiendo el negocio.

Los agentes de IA se convierten en una nueva capa dentro del proceso de desarrollo.

No necesariamente reemplazan el proceso.

Lo aceleran.

Y cuando esa aceleración está acompañada de buenas especificaciones, arquitectura y controles, podemos construir software considerablemente más rápido sin convertir cada proyecto en un experimento.

Lo importante para las empresas

Para una empresa que quiere desarrollar una plataforma, automatizar un proceso o crear una nueva aplicación, la pregunta ya no debería ser:

"¿Van a utilizar IA para programarla?"

Probablemente la respuesta será sí.

Una mejor pregunta sería:

"¿Qué proceso utilizan para asegurarse de que la IA construya correctamente lo que mi empresa necesita?"

Antes de responderla, conviene saber qué validar antes de desarrollar una aplicación y entender qué riesgos trae usar IA sin supervisión.

Porque en los próximos años escribir código probablemente será cada vez más barato.

Pero entender un negocio, transformar un problema en una solución y construir software confiable seguirá siendo la parte realmente importante.

Y posiblemente ahí esté el verdadero cambio que está provocando la inteligencia artificial en el desarrollo de software.