El experimento: migrar jQuery con IA autónoma
Un desarrollador veterano, Alex Yumashev de Jitbit, decidió poner a prueba Claude Code (Opus 4.6), la versión premium de la herramienta de asistencia con IA, para una tarea aparentemente perfecta para automatización: migrar 67 archivos de código que usaban jQuery a JavaScript vanilla. Nada complejo, solo reemplazar manipulación DOM y manejo de eventos en páginas administrativas simples.
El contexto era ideal para IA: una tarea repetitiva, mecánica, bien definida y aburrida. Yumashev hizo su tarea preparatoria: creó un archivo CLAUDE.md con instrucciones detalladas, preparó funciones helper como const _id = id => document.getElementById(id), describió casos edge (como la diferencia en manejo de elementos inexistentes entre jQuery y vanilla JS), e incluso implementó reemplazos personalizados de fadeIn() y fadeOut() usando transiciones CSS. Configuró dos agentes paralelos: uno escribiendo código, otro revisándolo.
El resultado fue un desastre total. Y esta experiencia revela verdades incómodas sobre el estado actual de la IA aplicada al desarrollo de software real.
Los errores que revelan las limitaciones de la IA
Los fallos documentados por Yumashev no son errores menores de sintaxis, sino malentendidos fundamentales de conceptos básicos de JavaScript:
1. Incompatibilidades básicas de JavaScript
El agente escribió <script type='module'> y luego usó document.currentScript en la primera línea. Problema: currentScript no funciona en módulos ES6, algo claramente documentado en MDN con advertencias destacadas. La IA «leyó todo internet» pero ignoró esta restricción fundamental.
2. Alucinaciones de elementos DOM
Claude Code usaba la función helper _id('something') para referenciar elementos que no existían en el HTML. Simplemente inventaba nodos DOM con total confianza, ignorando tanto el código real como las instrucciones específicas sobre usar optional chaining (?.) que Yumashev había proporcionado precisamente para prevenir este problema.
3. Selectores CSS inválidos
Generó código como querySelectorAll('#123'). Los selectores CSS no permiten IDs que comiencen con dígitos. jQuery lo permitía por su motor personalizado; CSS estándar no. Este es un error clásico que todo desarrollador frontend ha enfrentado al menos una vez, pero que la IA simplemente no captó.
4. Problemas con scripts diferidos y carga de eventos
Llamó funciones desde <script type='defer'> externos en scripts inline sin esperar a DOMContentLoaded, causando errores de timing. Además, ignoró diferencias críticas entre cómo jQuery ejecuta funciones «ready» al insertar HTML via AJAX versus cómo lo maneja vanilla JS con createContextualFragment.
5. Ignoró las pruebas automatizadas
El proyecto tenía una suite completa de tests, incluyendo tests de integración que rastrean toda la aplicación en un navegador headless reportando errores de JavaScript. Esta información estaba en CLAUDE.md. Claude Code nunca ejecutó npm run test.
El problema real: proyectos brownfield vs greenfield
Yumashev identifica el núcleo del problema con precisión quirúrgica: la IA es brillante en modo «pizarra limpia». Dale una página en blanco y genera magia. Tiene un modelo mental perfecto de lo que acaba de escribir, sin sorpresas, sin decisiones heredadas, sin rarezas legacy.
Pero en proyectos brownfield —código real que gente real usa y por el que paga— todo colapsa. La IA alucina, pierde el hilo, olvida instrucciones después de tres archivos. Inventa elementos inexistentes e ignora restricciones explícitas del prompt.
El proyecto de Jitbit tiene 150,000 líneas de código, de las cuales unas 30,000-40,000 son frontend (mayormente HTML), con solo 20% usando jQuery. Para un modelo que supuestamente puede «escribir compiladores de C en Rust desde cero con 24 agentes», esta debería ser una tarea trivial.
Por qué esto importa al ecosistema startup
Esta experiencia tiene implicaciones directas para founders técnicos:
La trampa del entusiasmo greenfield
Yumashev señala algo crítico: todos los creadores de contenido que hacen demos espectaculares de «construí 24 startups en 12 meses con IA» están siempre comenzando desde cero. Proyectos greenfield, sin usuarios, sin legacy, sin complejidad real. La IA domina ese caso de uso.
Pero si estás manteniendo software real con usuarios reales que dependen de él, la realidad es diferente. El valor está en el código que ya funciona, no en el que escribes desde cero cada semana.
El costo oculto de la «inteligencia artificial»
Yumashev paga $200/mes por Claude Code MAX (Opus 4.6), supuestamente el modelo más inteligente disponible. Su conclusión: «‘Inteligencia artificial’ es un decir. Más como ‘confianza artificial’. Todos hemos trabajado con gente así. Ahora pagamos $200/mes por el privilegio.»
Esta observación resume un problema creciente: herramientas que prometen autonomía pero entregan confianza sin competencia, requiriendo supervisión constante que puede consumir más tiempo que hacer el trabajo manualmente con asistencia puntual (Cursor + Tab, por ejemplo).
El problema del «context rot»
Todos los modelos actuales sufren de degradación contextual: pierden coherencia a medida que el contexto crece. En un proyecto real con docenas de archivos interdependientes, decisiones arquitectónicas específicas y edge cases documentados, este decay es fatal.
No es un problema de tokens o ventana de contexto técnica, sino de capacidad de mantener coherencia lógica a través de múltiples archivos y decisiones consecutivas.
Lecciones prácticas para founders que usan IA
A pesar de la frustración, Yumashev es un «heavy AI user» cuya productividad genuinamente aumentó 10x con estas herramientas. Las conclusiones no son «la IA no sirve», sino «entendamos sus límites reales»:
- Para tareas aisladas y atómicas, la IA sigue siendo increíblemente poderosa. Autocompletado contextual, generación de funciones específicas, escritura de tests unitarios para funciones existentes.
- Para refactoring complejo o migraciones arquitectónicas, incluso en proyectos pequeños, los agentes autónomos actuales no están listos. Requieren supervisión tan intensiva que el ROI es negativo.
- El valor está en asistencia, no autonomía. Copilot-style >> Agent-style para trabajo real de producción en 2026.
- Las demos espectaculares de YouTubers y Twitter probablemente tomaron «más tiempo prompting y supervisando que simplemente programar con cursor-tab», pero generan mejores tweets.
Conclusión
La experiencia de migrar jQuery a vanilla JS con Claude Code Opus 4.6 es un recordatorio necesario de dónde estamos realmente con IA aplicada al desarrollo. Las herramientas han avanzado enormemente y, en contextos específicos, multiplican genuinamente la productividad. Pero la brecha entre generar código nuevo y mantener/refactorizar código existente sigue siendo abismal.
Para founders técnicos, la lección es clara: usa IA intensivamente para acelerar tu desarrollo, pero no externalices tu criterio a agentes autónomos cuando se trata de tu codebase de producción. La «inteligencia artificial» de 2026 es una herramienta poderosa en manos expertas, no un reemplazo de esas manos.
Como concluye Yumashev: «Supongo que nuestros trabajos están seguros por un par de años más. Ahora discúlpenme, tengo que revisar 67 archivos.»
¿Quieres compartir tus experiencias reales con IA en desarrollo y aprender de otros founders que enfrentan los mismos retos? Únete gratis a nuestra comunidad de founders tech.
Fuentes
- https://www.jitbit.com/alexblog/323-i-asked-claude-code-to-remove-jquery-it-failed-miserably/ (fuente original)
