La muerte de la prueba técnica: Por qué el vibe coding no reemplaza las cicatrices en producción

Wed, 28 Oct 2026 00:00:00 +0000

Hasta hace poco, la prueba técnica estándar para analistas cuantitativos o científicos de datos era predecible: una tarea para la casa. El ejercicio clásico consistía en pedirle al postulante un script para descargar, limpiar y consolidar los Estados Financieros de la Superintendencia de Banca, Seguros y AFP (SBS).

Durante años, ese filtro funcionó: quien dominaba librerías de extracción y manipulación de datos pasaba; quien no, quedaba fuera.

Hoy, ese tipo de evaluación ha muerto.

Cualquier persona con acceso a un modelo de lenguaje redacta un prompt en cinco minutos y obtiene un script funcional sin escribir una sola línea de código. Si la barrera para generar sintaxis cayó a cero, ¿qué estamos evaluando realmente? ¿Y dónde reside el verdadero talento técnico?

Del script que funciona a la ingeniería que perdura

El auge del vibe coding —programar guiando a la IA con lenguaje natural— demostró que hacer código que corra a la primera es trivial. Lo complejo, y lo que define a un profesional sólido, es la ingeniería detrás de ese código.

Descargar un archivo de la SBS es sencillo. Pero, ¿qué ocurre cuando el regulador añade una entidad imprevista que descuadra las columnas? ¿Cómo validas automáticamente que el balance cuadre antes de alimentar los modelos de riesgo? ¿Cómo integras ese flujo de forma eficiente y auditable con la tesorería o contabilidad?

Un script generado por IA entrega la sintaxis solicitada, pero rara vez anticipa las fallas silenciosas cuando la realidad difiere del caso ideal.

Lo que el ‘vibe coding’ no te puede enseñar

Existe la ilusión de que dominar el prompting equivale a dominar el oficio. Es un salto formidable en productividad, pero tiene un límite: la experiencia técnica no se aprende leyendo respuestas de un modelo, sino acumulando equivocaciones en entornos reales.

Diseñar sistemas tolerantes a fallos no es una lección teórica; es el fruto de haber vivido caídas en producción. Es saber dónde se quiebra la data en un cierre de mes.

Esa misma lección la experimenté en mi proyecto personal de código abierto, WebOS_JVC_cleanyourtv, diseñado para depurar la interfaz de un Smart TV JVC desde Windows. Con la IA tomó minutos generar una interfaz minimalista. Sin embargo, el verdadero reto no fue la pantalla: fue construir un sistema de snapshots automáticos con sumas de verificación SHA-256, un mecanismo de reversión atómica en un comando (.\restore.ps1 -Latest) para proteger el televisor y una suite de pruebas offline antes de tocar el hardware. Ese diseño preventivo nació de años aprendiendo que si algo puede fallar en un despliegue, fallará.

El mejor gimnasio para los ‘juniors’

Aquí radica una gran oportunidad para los perfiles júnior. En lugar de limitarse a resolver ejercicios de juguete con IA, este tipo de proyectos personales es el mejor gimnasio técnico.

Tomar un hardware real, una molestia cotidiana y construir una solución completa —con manejo de excepciones, respaldos, pruebas e integración— es la forma más honesta de practicar, equivocarse en un entorno seguro y desarrollar criterio de ingeniería.

Para quien recién empieza, un repositorio en GitHub que demuestre cómo pensó la resiliencia de un sistema dice infinitamente más que una prueba técnica resuelta en cinco minutos con ChatGPT.

Conclusión: El valor de las horas de vuelo

En los procesos de selección actuales, evaluar si alguien escribe un algoritmo aislado o un script mecánico carece de sentido. Lo que debemos examinar es su cuenta de GitHub, su arquitectura mental y cómo anticipa la fragilidad de lo que construye.

El vibe coding acelera la velocidad, pero la velocidad sin criterio arquitectónico solo multiplica la deuda técnica. A codificar se aprende con prompts, pero a construir sistemas confiables se aprende equivocándose. Y en un mundo inundado de código sintético, el activo más valioso seguirán siendo las cicatrices de la experiencia.

¿Cómo estás adaptando la evaluación técnica en tus equipos con la llegada de la IA?

¿Crees que los repositorios de GitHub y la arquitectura deberían reemplazar definitivamente a las tareas para la casa? Te leo en los comentarios.