Vibe coding: qué es y por qué el 45% del código falla

Qué es el «vibe coding» y de dónde sale el término

El 45% del código que generan los modelos de IA no supera las pruebas de seguridad, según el informe que Veracode publicó el 30 de julio de 2025. Ese dato, por sí solo, debería cambiar cómo un founder sin equipo técnico decide lanzar su primera aplicación. Porque la promesa del vibe coding —describir una app en lenguaje natural y que la IA la construya— es real, funciona y ahorra semanas. El problema es qué pasa después.

El término lo acuñó Andrej Karpathy, cofundador de OpenAI, en un mensaje en X del 2 de febrero de 2025: habló de un tipo de programación en el que «te dejas llevar por completo por las sensaciones, abrazas los exponenciales y te olvidas de que el código existe». El diccionario Merriam-Webster ya lo recoge en su sección de jerga, y su definición conviene leerla entera: escribir código diciéndole a un programa de IA lo que quieres, sin necesidad de entender cómo o por qué funciona, y aceptando a menudo «un cierto número de errores».

Ese último matiz es el que importa. El vibe coding describe una forma relajada de construir software, no un método para poner en producción una aplicación que guarda datos de clientes.

Qué herramientas permiten programar hablando

Hay dos familias de herramientas, y elegir mal la familia es el primer error.

Las que te entregan una app funcionando en el navegador, sin que toques código:

• Lovable genera aplicaciones web completas —interfaz, backend, base de datos y autenticación— y sincroniza el código con GitHub, GitLab o Bitbucket.
• Replit Agent convierte ideas en aplicaciones «desde lenguaje natural»; su propia documentación dice que «no se necesita programar».
• Google AI Studio monta la app con los modelos Gemini a partir de una descripción, con cuota gratuita y opción de añadir tu propia clave. Google lo plantea sin disimulo: el objetivo de su modo de vibe coding, presentado el 26 de octubre de 2025, es ayudar también a «quienes nunca han escrito una línea de código».

Los agentes para quien sí programa, o al menos está dispuesto a lidiar con un terminal:

• Claude Code, de Anthropic, lee el proyecto, edita archivos y ejecuta comandos desde terminal, editor, app de escritorio y navegador. Según la página de precios de Anthropic, está incluido en todos los planes de pago, pero no en el gratuito.
• Codex, de OpenAI, funciona como agente de programación en la app de escritorio de ChatGPT, en terminal y como extensión de editor.
• Cursor, de Anysphere, se define como «un agente de programación» para entender un proyecto, planificar, corregir errores y revisar cambios.

Para un prototipo o una herramienta interna sin datos sensibles, el primer bloque funciona y ahorra semanas. El problema empieza cuando ese prototipo se convierte en producto sin que nadie lo haya revisado.

¿Es seguro el código que escribe una IA?

No por defecto. Veracode probó más de 100 modelos en Java, Python, C# y JavaScript y encontró que el 45% de las muestras introdujo vulnerabilidades del Top 10 de OWASP. Java fue el lenguaje más arriesgado, con un 72% de fallos; Python se quedó en el 38%, JavaScript en el 43% y C# en el 45%. Frente al cross-site scripting, un ataque clásico que inyecta código en una web, las herramientas no se defendieron en el 86% de los casos.

El dato más incómodo es otro: los modelos más nuevos escriben código que funciona mejor, pero no más seguro. Según Veracode, el rendimiento en seguridad se mantuvo plano.

Y hay un riesgo que no está en el código, sino en el ecosistema. OWASP añadió a su lista de amenazas para modelos de lenguaje de 2025 el hecho de que los modelos sugieren a veces librerías inseguras o que no existen. Los atacantes ya lo explotan: buscan los nombres de paquetes que las IA se inventan con frecuencia y publican paquetes maliciosos con ese nombre. Quien instala lo que le dice el asistente sin mirar acaba metiendo un troyano en su proyecto.

El research de esta nota confirma que no es un problema de un solo proveedor. The Next Web recoge que entre el 40% y el 62% del código generado por IA contiene vulnerabilidades según distintos estudios, y que un análisis de 470 pull requests de GitHub encontró que el código escrito por IA produce fallos a un ritmo 2,74 veces mayor que el humano. Una evaluación de más de 200 aplicaciones hechas con vibe coding en el primer trimestre de 2026 detectó que el 91,5% tenía al menos una vulnerabilidad atribuible a una alucinación del modelo, y que más del 60% exponía claves de API o credenciales de base de datos en repositorios públicos.

El caso Lovable: la base de datos que cualquiera podía leer

Uno de esos fallos tiene número de registro. La vulnerabilidad CVE-2025-48757, publicada en la base de datos del NIST estadounidense el 30 de mayo de 2025, describe una política de seguridad de base de datos insuficiente en sitios generados con Lovable hasta el 15 de abril de 2025, que permitía a atacantes sin credenciales leer o escribir en tablas de esas aplicaciones. MITRE le asignó una puntuación de 9,3 sobre 10, nivel crítico.

El matiz importa: Lovable disputa la vulnerabilidad porque considera que cada cliente es responsable de proteger los datos de su aplicación. Su documentación actual mantiene esa idea: ofrece un análisis rápido que se ejecuta en cada publicación y otro profundo, pero advierte de que «no sustituyen una revisión de seguridad completa» y de que la responsabilidad es tuya, sobre todo si la app maneja datos sensibles. Y si no sabes programar, tampoco sabes qué preguntar en esa revisión.

La historia no terminó ahí. The Next Web documentó que un investigador reportó a Lovable el 3 de marzo un fallo de autorización a nivel de objeto que permitía a cualquier usuario con cuenta gratuita acceder al perfil, los proyectos públicos, el código fuente y las credenciales de base de datos de otro usuario en apenas cinco llamadas a la API. La empresa lo corrigió para proyectos nuevos pero no para los existentes, marcó un reporte de seguimiento como duplicado y lo cerró; el fallo seguía abierto 48 días después de publicarse el 20 de abril. En febrero, un emprendedor encontró 16 vulnerabilidades —seis de ellas críticas— en una sola app alojada en Lovable y expuesta en su propia página Discover, con 18.697 registros de usuarios comprometidos. Un estudio de mayo de 2025 ya había detectado que 170 de 1.645 aplicaciones creadas con Lovable permitían acceder a información personal, y que cerca del 70% tenía la seguridad a nivel de fila desactivada.

Cómo hacer vibe coding sin arriesgar los datos de tus usuarios

• Empieza por algo sin datos ajenos. Nada con contraseñas, pagos o datos de salud de terceros. Si el proyecto no toca información personal, un fallo se convierte en una molestia en lugar de un incidente legal.
• Usa el modo de planificación. Replit tiene un modo Plan en el que el agente propone una lista de tareas antes de tocar código o datos. Revisar ese plan es la única auditoría gratuita que vas a tener.
• Deja los permisos cortos. En Codex, según su documentación de seguridad, el agente trabaja por defecto sin acceso a la red y dentro de un entorno aislado que suele limitarse a la carpeta del proyecto, y pide aprobación antes de salir de él. No amplíes esos permisos sin saber por qué.
• Pasa los análisis de seguridad que te ofrezcan. Y si la aplicación va a tener usuarios reales, paga a alguien que la revise. Es más barato que un incidente.
• Guarda el código fuera de la plataforma. Sincronizarlo con GitHub te permite cambiar de herramienta o pedir ayuda a un programador sin depender del proveedor.

¿Qué significa esto para tu startup?

El vibe coding es la mejor noticia en años para quien tiene ideas y no tiene presupuesto para un equipo técnico. También es una mala noticia para los usuarios de las aplicaciones que se publican sin revisar. Karpathy hablaba de olvidarse de que el código existe; los datos de Veracode dicen que el código sí existe, y que casi la mitad de las veces trae un agujero.

El mercado se mueve en la dirección contraria a la prudencia. The Next Web reporta que Lovable alcanzó US$4M de ingresos recurrentes anuales en sus primeras cuatro semanas y US$10M en dos meses con un equipo de 15 personas, y que levantó US$200M a una valoración de US$1.800M en julio de 2025 y US$330M a US$6.600M en diciembre de 2025. La adopción empresarial del vibe coding creció 340% interanual y el 87% de las empresas del Fortune 500 ya usa al menos una plataforma de este tipo. El incentivo del mercado premia la velocidad, no la seguridad.

El costo de esa velocidad ya se ve en producción. Según TechTarget, un informe de CloudBees de 2026 encontró que el 81% de los líderes técnicos de empresa vio más incidentes en producción ligados a código generado por IA, aunque el 92% se sentía confiado al publicarlo. En marzo de 2026, cambios de código asistidos por IA contribuyeron a dos caídas del sitio de retail de Amazon en una misma semana: una provocó 120.000 pedidos perdidos y 1,6 millones de errores en el sitio, y la otra una estimación de 6,3 millones de pedidos perdidos.

Y hay señales de que el capital empieza a mirar con cautela el sector. Jussi Salovaara, cofundador y managing partner de Antler, dijo a Business Insider que no ve espacio para nuevas startups de vibe coding —«los chicos ya están ahí»— y anticipa una consolidación con unos pocos ganadores que empezarán a adquirir compañías más pequeñas. Su tesis para invertir es otra: founders con expertise profundo en un sector concreto que además dominen IA.

Dos acciones concretas para tu startup:

• Define quién es el dueño humano de cada línea antes de publicar. Si no hay una persona capaz de explicar qué hace el código y por qué, no está listo para producción. Es la recomendación que repiten los responsables de seguridad consultados por TechTarget: tratar el código de IA como una entrada de terceros no confiable, no como trabajo terminado.
• Separa el prototipo del producto con una regla explícita. Mientras no haya usuarios reales ni datos de terceros, el vibe coding es una ventaja competitiva. En el momento en que entra el primer dato personal, necesitas una revisión de seguridad pagada. Presupuesta esa revisión desde el día uno, no cuando llegue el primer incidente.

Para un founder hispanohablante el cálculo es especialmente relevante: el acceso a capital es más limitado que en Estados Unidos y un incidente de seguridad en los primeros meses quema la confianza de los primeros clientes de una forma de la que es muy difícil recuperarse. La velocidad que da la IA es real; la deuda que genera, también.

Fuentes

• Programar sin saber programar: qué es el «vibe coding» (fuente original)
• Lovable left thousands of projects exposed for 48 days
• Vibe slop in coding: A guide for IT executives
• An early-stage VC shares why he's not investing in AI coding startups