> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/es/2025/w30-full-stack-development-in-the-ai-wave.md).

# W30-El desarrollo full stack en la ola de la IA

Mantengo un optimismo prudente sobre el desarrollo full stack.

El concepto existe desde hace mucho. De hecho, los desarrolladores independientes pueden considerarse full stack, pero en China nunca ha llegado a ser la corriente principal. Las grandes tecnológicas prefieren la profundidad técnica, y la mayoría de los entrevistadores no valora demasiado a quienes saben un poco de todo. Ahora se está reconsiderando su valor. Creo que conviene mirar ese cambio con un optimismo prudente.

Casi todas las tecnologías de esta ola de IA generativa, incluidas Vibe Coding e ingeniería de software, están en la cima del Hype Cycle. Las tecnologías que llegan a esa cumbre suelen venir acompañadas de expectativas excesivas y despliegues poco realistas.

Vibe Coding e ingeniería de software son cosas distintas. En Vibe Coding, la IA es buena generando código de prototipos desechables: permite construir rápidamente productos que funcionan y validar el diseño y la aceptación del usuario. Como son solo prototipos, no existe la preocupación por el mantenimiento posterior ni por la calidad del código. En ingeniería de software, programar es solo una parte del trabajo diario de entrega. Los estudios de METR y otras organizaciones muestran que las herramientas de IA mejoran muy poco la eficiencia de los desarrolladores experimentados.

Dominar los fundamentos permite resolver el 99 % de las cosas. Los fundamentos siguen importando. Al participar la semana pasada en un diagnóstico, noté carencias claras en conocimientos de redes básicas —como Nginx y el protocolo HTTP— y de middleware de la empresa —la capa PaaS—. Cuando el sistema funciona, todo parece sencillo. En cuanto falla, nos encontramos buscando a ciegas por todas partes. Sin una base sólida, ni las herramientas inteligentes más avanzadas permiten construir sistemas fiables.

Construir confianza entre el ingeniero y la IA requiere un proceso, a través del cual se forma una comprensión correcta de los límites de sus capacidades. Hay tres fronteras que debemos explorar en la práctica: cuándo se puede confiar en la IA y dejarla participar en una tarea; cuándo se puede dejar que produzca primero y que el ingeniero se limite a revisar; y cuándo hay que apagarla y concentrarse en resolver el problema por cuenta propia.

Por supuesto, esas fronteras cambian rápidamente y la inteligencia sigue mejorando. Conviene ser optimistas sobre su efecto positivo en el desarrollo de aplicaciones de negocio durante los próximos 3 a 5 años. La semana pasada, OpenAI anunció que un LLM aún no publicado había alcanzado por primera vez el nivel de medalla de oro en la Olimpiada Internacional de Matemáticas, IMO. Antes, solo un modelo de Google DeepMind optimizado específicamente para matemáticas había llegado al nivel de medalla de plata.