🌱 ¿Nuevo por aquí?
No necesitas saber programar. Toda palabra técnica (IA, prompt, token, nodo, workflow…) se explica en un recuadro «¿Qué es X?» la primera vez que aparece. Si encuentras un término sin definición, ya se definió antes: usa el índice de la derecha para volver.
Antes de los siete hábitos, mira el cambio que los une. En el modo anterior, dabas órdenes paso a paso a un sistema predecible. En el vibe coding, dices resultado y un agente razona sobre el camino, y el resultado puede variar cada vez.
Diagrama ilustrativo — dos ejecuciones de la misma solicitud pueden llegar al mismo objetivo por caminos y formatos diferentes. Es lo esperado, no un defecto.
🗣️ Qué es el vibe coding
Qué es
Vibe coding es crear software y automatizaciones conversando con una IA en lenguaje natural: describes el resultado que quieres y la IA se encarga de la implementación técnica. En vez de aprender la mecánica de cada pieza, te enfocas en el problema: la IA se encarga de seleccionar las herramientas, configurarlas y depurarlas.
¿Qué es?IA (inteligencia artificial) — aquí, un modelo que entiende y genera texto. Le hablas en portugués; te responde y actúa. Automatización — una tarea repetitiva que empieza a ejecutarse sola (p. ej., «cada vez que llega un correo, regístralo en una hoja de cálculo»).
Ejemplo del tipo de solicitud que funciona bien: "revisa mi correo electrónico cada 10 minutos; si llega un mensaje nuevo, avísame por mensaje directo." La IA propone un plan, hace preguntas aclaratorias (¿canal? ¿mensaje directo?) y luego construye. Tú describes el destino; ella traza la ruta.
Por qué aprender
La conversación en lenguaje natural guía tanto la construcción como la iteración. Cuando algo necesita cambiar, no vuelves a abrir un editor de configuración: simplemente pides el cambio. La IA hace el «trabajo pesado».
- •Velocidad: del concepto al prototipo funcional en minutos, no horas.
- •Baja carga técnica: sin memorizar la mecánica de cada herramienta.
- •Enfoque en el problema: el esfuerzo se centra en el resultado, no en la herramienta.
Conceptos clave
El lenguaje natural dirige el build.
Para cambiarlo, solo tienes que pedirlo.
La IA elige y configura todo.
Fundamentos → técnica → práctica.
🎯 Describir el resultado, no los pasos
Qué es
El principio central de esta mentalidad: di lo que debe suceder, no cómo hacer. «Identifica preguntas técnicas y redacta una respuesta» es un resultado; «usa un nodo IF con una regla de texto y luego un nodo de código…» es un paso técnico. Tú describes el destino; la IA elige el camino.
¿Qué es?Nodo (node) — una cajita que hace algo en un flujo de automatización (leer correo electrónico, filtrar, enviar). Prompt — el mensaje que escribes para la IA. Aquí, el prompt ideal describe el resultado.
Por qué aprender
Cuando dictas los pasos, limitas a la IA a tu conocimiento (probablemente incompleto) de las herramientas. Cuando describes el resultado, usa todo su repertorio para alcanzarlo y suele encontrar un camino mejor del que se te habría ocurrido.
✓ Describe el RESULTADO
- ✓"Revisa el correo electrónico cada 10 min; si llega algo nuevo, avísame."
- ✓"Haz que lo revise cada hora." (cambio en lenguaje natural)
- ✓Responder las preguntas de aclaración de la IA.
✗ No dictes los PASOS técnicos
- ✗"Agrega un nodo de activación, conéctalo a un IF y luego a un nodo de código…"
- ✗Microgestionar la configuración de cada parámetro.
- ✗Esperar que la IA adivine sin que respondas a sus preguntas.
Conceptos clave
Di el «qué».
Formato, nombre, dónde guardar.
Deja que la IA elija el "cómo".
Responde las de ella y aprueba.
🎲 Determinístico vs. no determinístico
Qué es
La automatización tradicional es determinista: la misma entrada siempre produce la misma salida: predecible, «aburrido y genial». La IA generativa es no determinista: razona sobre alternativas sobre la marcha, así que la misma instrucción puede generar nombres, estructura y diseño distintos cada vez.
¿Qué es?Determinístico = resultado predecible y repetible (2 + 2 siempre da 4). No determinista = puede variar entre ejecuciones, aunque cumpla el objetivo (como dos cocineros que preparan el mismo plato de maneras distintas).
Diagrama ilustrativo — dos variaciones válidas no significan que haya un error; significan que la IA eligió caminos diferentes para alcanzar el mismo objetivo.
Por qué aprender
Si no sabes esto, compararás tu pantalla con la de otra persona, verás nombres y diseños diferentes y pensarás que algo se rompió. Aceptar la variación cambia tu forma de evaluar: juzgas por el resultado, no por la apariencia paso a paso.
🎯 Consejo práctico
No compares «pantalla por pantalla» con tutoriales o colegas. Si tu versión tiene nombres diferentes pero hace lo mismo correctamente, está bien. Evalúa siempre el comportamiento final.
Conceptos clave
Tradicional = siempre igual.
La IA = puede cambiar cada vez.
La variación no es un defecto.
Evalúa el resultado, no la pantalla.
🔎 Confía, pero verifica
Qué es
Confía, pero verifica ("confía, pero verifica") es el hábito de probar siempre lo que creó la IA y revisar el resultado según tus expectativas, incluso cuando no aparece ningún error. La regla de oro: verde ≠ correcto. Un flujo puede ejecutarse sin errores y aun así producir la respuesta equivocada.
¿Qué es?"Verde" — cuando la herramienta muestra que la ejecución fue exitosa (sin mensaje de error). Esto solo indica que se ejecutó, no que el contenido sea correcto. Alucinación — cuando la IA inventa información que no tiene.
Por qué aprender
La IA se equivoca, y a veces lo hace con seguridad. Si solo miras el "verde" y no revisas el contenido, arrastras el error. Además, un buen agente, se niega inventar lo que no sabe; probarlo es lo que revela si está haciendo eso.
✓ Verifica de verdad
- ✓Prueba con escenarios reales (y con casos límite).
- ✓Verifica los números y los hechos con la fuente (30 días ≠ un año).
- ✓Espera que el agente diga «no sé» cuando falten datos.
✗ No confíes ciegamente en el indicador verde
- ✗Asumir que «sin errores» = «correcto».
- ✗Omitir la prueba porque "pareció funcionar".
- ✗Aceptar una respuesta inventada sin verificar la fuente.
Conceptos clave
Ejecutarse no es acertar.
Usa escenarios reales.
Verifica los números y las fuentes.
"No sé" es deseable.
🪜 Iterar por capas
Qué es
Iterar por capas es avanzar por etapas (stair-step): un cambio a la vez, probando después de cada paso, antes de pasar al siguiente. En vez de pedir diez mejoras a la vez, incorporas una, la validas y solo entonces agregas la siguiente.
¿Qué es?Iterar — repetir un ciclo de pequeñas mejoras. Caso límite (edge case) — una situación inusual que puede interrumpir el flujo (p. ej., un correo sin firma, un campo vacío).
Por qué aprender
Los cambios aislados son fáciles de probar, revertir y diagnosticar. Si cambias cinco cosas y algo falla, no sabes cuál fue la responsable. Una capa a la vez permite localizar el error; confirma siempre que el «camino feliz» sigue funcionando antes y después de cada cambio.
🎯 Consejo práctico
Antes de cualquier cambio, haz un copia de seguridad (duplica o exporta) y establece una línea de base probada. Así, si algo sale mal, puedes revertir sin perder lo que ya funcionaba, y no culpas al cambio nuevo por un problema que ya existía.
Conceptos clave
Acumula cambios.
Valida en cada paso.
Haz una copia de seguridad antes de cambiar.
Confirma que no se haya roto.
🎓 La IA como herramienta de aprendizaje
Qué es
La IA no solo construye: también es el mejor profesor que tienes ahí. Cada vez que elija un nodo, una configuración o un camino, pregunta «por qué». Esta pregunta convierte cada build en una miniclase y hace que el conocimiento se quede contigo.
¿Qué es?"Configúralo y olvídate" — la tentación de aceptar todo lo que hace la IA sin entenderlo. Lo opuesto es lo que construye intuición: observar el build y preguntar por qué se toman esas decisiones.
Por qué aprender
Observar desde temprano el razonamiento de la IA tiene dos beneficios: aprendes cómo funciona el sistema y puedes interrumpir rápidamente si se desvía del camino — ahorrando tiempo y tokens. Quien entiende el porqué da mejores comentarios y depende menos.
Fija el conocimiento.
Ve el razonamiento.
Detente si te desvías del camino.
Cada build es una clase.
👔 Quién hace qué
Qué es
El modelo mental que conecta los seis anteriores: tú eres el gerente; la IA es el desarrollador. Defines el objetivo, das contexto, apruebas el plan y revisas el resultado. La IA, como un desarrollador experimentado, elige herramientas, escribe, depura y se corrige sola. Pensar así evita la microgestión.
Diagrama ilustrativo — la relación de doble sentido: delegas resultados y das comentarios; la IA ejecuta y te los devuelve para que los revises.
Por qué aprender
Tratar a la IA como especialista (y no como una herramienta que necesita instrucciones minuciosas) libera lo mejor de ella. Y, a la hora de corregir, prefiere feedback ("me gusta la estructura, pero el tono es demasiado formal"), la corrección seca ("esto está mal"); los comentarios ayudan a la IA a ajustar su razonamiento, no solo a remendar el resultado.
Conceptos clave
Define y aprueba.
La IA ejecuta.
Trátala como especialista.
Mejor que una corrección seca.
Fijando la mentalidad: ¿qué frase es la forma programación por intuición ¿de pedir?
📌 Resumen del módulo
Siguiente módulo:
1.2 — El ecosistema: cómo encajan las piezas