Pedirle a una IA que construya algo describiéndolo como se le contaría a un compañero en el pasillo funciona sorprendentemente bien la primera hora. La segunda, empieza a romper lo que ya funcionaba. La tercera, alguien del equipo está revisando a mano lo que se suponía que iba a ahorrarle trabajo. Esa forma de trabajar tiene nombre: vibe coding. Y su alternativa también: especificación primero.

Planteemos una hipótesis bastante habitual.

El responsable de compras pide a un asistente de IA que le monte una automatización para comparar ofertas de proveedores. Lo explica en dos frases. En diez minutos tiene algo que parece funcionar.

Después añade una condición: que tenga en cuenta el plazo de entrega. Luego otra: que descarte a los proveedores sin homologación. Y otra más: que priorice a los que ya tienen contrato marco.

Cada cambio arregla una cosa y descoloca otra.

El reto no es la herramienta. Es que nadie escribió qué tenía que hacer.

Qué es el vibe coding y por qué engancha

Vibe coding es construir por conversación y por sensación. Instrucciones vagas, iteraciones rápidas y aceptar lo que parece que funciona.

Ya no es cosa solo de programadores. Hoy cualquier perfil puede pedir a una IA que le construya algo:

  • En compras, un comparador de ofertas.
  • En finanzas, una hoja que concilie cobros con facturas.
  • En comercial, un flujo que actualice el CRM con lo que entra por correo.
  • En atención al cliente, un agente que clasifique incidencias.

Para un prototipo, funciona muy bien. Para algo que tiene que convivir con el ERP, con las excepciones del negocio y con varias personas usándolo, se queda corto muy rápido.

Los síntomas se repiten:

  • Cambios que rompen lo anterior. Pides que el informe incluya devoluciones y desaparece el filtro por delegación.
  • Reglas que varían según el día. El mismo agente aplica el descuento por volumen de una forma el lunes y de otra el jueves.
  • Nadie sabe qué hace exactamente. No hay un documento que diga qué debía hacer, así que no hay forma de comprobar si lo hace.
  • El tiempo se va en conversar. Más horas explicando y corrigiendo que las que habría costado definirlo bien desde el principio.
Lo que no se ha especificado no se puede verificar. Solo se puede esperar que salga bien.

Especificación primero

La alternativa no es volver a los documentos de requisitos de ochenta páginas que nadie lee.

Es otra cosa. Antes de pedirle nada a la IA, se escribe la especificación más clara y rigurosa posible. Y la IA construye a partir de ella.

La especificación pasa a ser un activo de trabajo, no un trámite:

  • Versionada, para saber qué cambió, cuándo y por qué.
  • Mantenida junto a lo que se construye, no en una carpeta olvidada.
  • Refinada con cada aprendizaje, compacta y depurada, para que el contexto que recibe la IA sea útil y no ruido.
Comparativa entre vibe coding, con instrucciones vagas, cambios que rompen lo anterior y resultados que nadie puede comprobar, y especificación primero, con lo que debe cumplir escrito antes de construir, casos convertidos en comprobaciones y una especificación versionada

El test como especificación que se ejecuta

En desarrollo de software existe una práctica que encaja perfectamente con esto: escribir primero la prueba y después el código. La prueba es la especificación.

Y los modelos de lenguaje rinden mucho mejor con ella.

La razón es sencilla. Una prueba no es una nota en prosa. Es una especificación formal, que se puede ejecutar y que no admite interpretaciones. O se cumple o no se cumple.

Llevado al lenguaje de negocio, una prueba se parece a esto:

  • En finanzas, un cobro parcial nunca cierra la factura.
  • En comercial, si el pedido supera el límite de crédito y el cliente tiene importes vencidos, el pedido queda retenido.
  • En logística, un envío con mercancía peligrosa nunca sale con el transportista estándar.
  • En compras, entre dos ofertas equivalentes en precio, gana la del proveedor con contrato marco vigente.

Cada una de esas frases se puede comprobar. Y eso cambia por completo la relación con la IA: ya no se le pide que adivine, se le pide que cumpla.

Cuanta más formalización, mejores resultados. El lenguaje natural sirve. La estructura gana.

El reto: el negocio no tiene pruebas

Aquí aparece la asimetría.

El código tiene sus pruebas. Las matemáticas tienen su notación. El negocio no tiene nada equivalente.

No hay una prueba automática para una política comercial. Ni para una norma de cumplimiento. Ni para el diseño de un proceso de aprobación de compras.

Esas reglas viven en documentos en PDF, en correos antiguos y en la cabeza de las personas que llevan años en la empresa. Cuando una IA construye sobre ellas, rellena los huecos con lo que sabe de forma general. Y lo general rara vez coincide con cómo funciona tu empresa.

La IA no se inventa las reglas por mala fe. Se las inventa porque nadie se las dio por escrito.

Ontologías y grafos: la especificación del negocio

Las ontologías y los grafos de conocimiento cubren precisamente ese hueco. Permiten formalizar el significado del negocio con un rigor parecido al que una prueba aporta al comportamiento de un programa.

Qué es un pedido retenido. Qué relación hay entre un cliente, su riesgo y sus condiciones de pago. Qué proveedor sustituye a cuál y en qué circunstancias.

Combinados con un modelo de lenguaje, cumplen dos funciones:

  1. Guían. La IA construye sobre conceptos y reglas definidos, no sobre su interpretación del momento.
  2. Validan. Lo que la IA genera se contrasta con el grafo. Si un agente propone servir un pedido a un cliente bloqueado por riesgo, la regla lo detecta antes de que el pedido salga del almacén.

Esa segunda función es la que suele olvidarse. Y es la que permite pasar de un piloto vistoso a algo que se puede poner en producción con tranquilidad.

Cinco pasos para pasar de la intuición a la especificación: escribir casos con ejemplos, convertirlos en comprobaciones, formalizar conceptos y reglas en una ontología compartida, versionar la especificación y construir y validar con IA contra ella

Qué cambia en el día a día

El cambio no es tecnológico. Es de método.

  • La conversación con la IA cambia de tono. Se pasa de "hazme algo que compare ofertas" a "esto es lo que tiene que cumplir, y estos son los casos con los que lo voy a comprobar".
  • El esfuerzo humano se desplaza. Menos tiempo corrigiendo resultados y más tiempo definiendo qué es un buen resultado. La IA libera al equipo de la parte repetitiva de construir; la parte de decidir sigue siendo suya.
  • El conocimiento se acumula. Cada regla formalizada sirve para la siguiente automatización, el siguiente informe y el siguiente agente.
  • Los cambios dejan de dar miedo. Si hay comprobaciones, cualquier modificación se valida contra ellas antes de llegar a producción.

Nada de esto es nuevo para quien ha vivido proyectos de integración entre sistemas. Lo que separa una integración que funciona de una que se arrastra durante meses casi nunca es la tecnología. Es la calidad de la toma de requisitos antes de escribir la primera línea.

La IA no elimina esa regla. La hace más visible.

Esta es mi apuesta

Creo que el futuro de la IA en la empresa no se va a construir a base de intuiciones. Ni en el código ni en los procesos.

Se va a construir según lo bien que cada empresa sea capaz de formalizar lo que quiere: convertir la ambigüedad en algo estructurado, comprobable y ejecutable.

Las empresas que escriban primero qué deben hacer sus sistemas tendrán agentes y automatizaciones en los que se puede confiar. Las que sigan construyendo por sensación tendrán prototipos que lucen en la demo y que cuesta mucho mantener.

La IA construye rápido. Lo que decide si construye bien es la calidad de lo que le pides.