Tras el vibe coding: orquestación multiagente y trabajo diario

La conversación ya no se queda en levantar una app con lenguaje natural: pasa a ejecutar varios agentes en paralelo y a comprobar lo que entregan. No hemos encontrado cifras de cuota de mercado que demuestren que este cambio «está disparándose».

El vibe coding consiste en describir la intención en lenguaje natural mientras la IA escribe el código. Andrej Karpathy acuñó la expresión en 2025. El 20 de abril de 2026, en el AI Ascent de Sequoia Capital, en conversación con Stephanie Zhan, fue un paso más allá. Si el vibe coding sube el suelo de quién puede crear software, la ingeniería agéntica (Agentic Engineering) es el oficio de coordinar agentes de IA manteniendo calidad, seguridad y mantenibilidad. Los agentes son programas que realizan por su cuenta tareas de varios pasos para el usuario.

En el sector también se distingue entre crear desde cero (de cero a uno) y el trabajo posterior al lanzamiento. Lo primero es montar un prototipo rápido. Lo segundo es cambiar con seguridad un sistema que ya existe: refactors grandes, migraciones, UI coherente, revisión de código. Ese contraste es una metáfora del sector, no un término fijo de Karpathy ni de Anthropic.

Del vibe coding a la ingeniería agéntica

Según el resumen de Karpathy, el vibe coding no es un pase libre para meter vulnerabilidades. La responsabilidad sobre el software sigue siendo tuya. Los agentes son potentes, irregulares y falibles, así que hacen falta barandillas de ingeniería: especificaciones, tests, permisos, revisión de diffs y espacios de trabajo aislados.

El Agentic Coding Trends Report de Anthropic, publicado a principios de 2026, apunta en la misma dirección. Describe el paso de un solo agente que trabaja en secuencia en una ventana de contexto a montajes multiagente en los que un orquestador reparte el trabajo, agentes especialistas corren en paralelo con su propio contexto y los resultados se fusionan.

El mismo material prevé agentes de ejecución larga que construyen sistemas a lo largo de días o semanas y reducen deuda técnica a la que nadie había llegado. Como ejemplo de Rakuten, dice que Claude Code terminó una tarea relacionada con vLLM (un motor que ejecuta modelos de IA en servidores) de unos 12,5 millones de líneas en unas siete horas de trabajo autónomo, con un 99,9 % de exactitud numérica frente a una implementación de referencia. Es el caso que eligió Anthropic, no una promesa de que todo refactor acabe así.

Lo que prometen de verdad las herramientas

Verdent AI y Lovable, los ejemplos del memo de partida, tiran en direcciones distintas. Verdent ejecuta agentes en paralelo sobre un código base existente. Lovable mantiene la coherencia de marca y componentes dentro de un generador de apps.

El 23 de septiembre de 2025, Verdent AI anunció Verdent y Verdent Deck en un comunicado de Business Wire. Verdent es una suite de código agéntico que planifica, verifica e itera trabajo a nivel de funcionalidad. Deck es una app de escritorio para gestionar varios agentes Verdent en paralelo. Decía que Deck corre en Mac, con sesiones de agente aisladas y soporte de Git worktree. La documentación oficial describe a cada agente trabajando en un espacio aislado, comparando resultados y haciendo rebase sobre main. La guía de refactor muestra patrones en paralelo que reparten módulos —auth, API, utils— entre workspaces. No encontramos un eslogan oficial de que «migra la API de backend y refactoriza el frontend a la vez». En la documentación, se parece más a asignar módulos que no se solapan a agentes en paralelo.

El 19 de agosto de 2026, Lovable anunció que los design systems estaban disponibles en todos los planes de pago. Puedes crear un sistema a partir de guías de marca, capturas y archivos de Figma, o conectar uno existente para que los proyectos hereden tipografía, color, espaciado y componentes. La documentación se centra en bibliotecas de componentes React. Tras conectar o actualizar, Lovable revisa la configuración de build, el CSS y los theme providers, y señala colores sueltos o componentes a medida que se desvían del sistema. Un proyecto puede conectar como máximo un design system. Envolver un paquete npm existente como design system es solo Enterprise.

Lo que dicen los números — y lo que no

El resumen de Anthropic cita investigación del equipo Societal Impacts: los desarrolladores usan IA en alrededor del 60 % de su trabajo, pero sienten que pueden delegar por completo solo entre el 0 y el 20 % de las tareas. Con qué frecuencia encargas trabajo a la IA y con qué frecuencia publicas sin revisar son cosas distintas.

No hemos verificado cuánto creció el uso de Verdent, Lovable o las herramientas multiagente en el mercado en general. Hay clasificaciones de herramientas en otras encuestas, como la de JetBrains. Este artículo se limita a la distinción de Karpathy, las previsiones de Anthropic y lo que afirman las documentaciones de producto.

Fácil de malinterpretar

No leas esto como «el vibe coding se acabó». En el marco de Karpathy, subió el suelo; la ingeniería agéntica empuja el techo. El vibe coding sigue encajando en prototipos y herramientas personales.

«Multiagente siempre es mejor» también puede chocar con lo que escribe Anthropic en otros sitios. Allí sostiene que multiagente gana cuando el contexto se contamina, el trabajo puede ir en paralelo o la especialización aporta —y que, si no, el coste de coordinación puede superar el beneficio—. Este artículo no entra en detalle en esos patrones.

Llamar a Verdent «producto solo para migraciones» o a Lovable «automatización de design system para cualquier stack» vende de más lo que verificamos: agentes paralelos aislados y flujos de refactor en Verdent; enlace de design system centrado en React en Lovable.

Qué vigilar

Cómo han cambiado la documentación, los precios y el soporte de Windows de Verdent tras el lanzamiento
Con qué frecuencia las actualizaciones de versión del design system de Lovable llegan de verdad a los proyectos conectados
Si Anthropic u otras encuestas empiezan a medir por separado la adopción de flujos multiagente
Cómo fijan los equipos las reglas de test, revisión y merge cuando los agentes corren en paralelo