17 de junio de 2026Actualizado el Fathy Shalaby11 min de lectura
De prototipo creado con vibe coding a producto financiable: la lista de verificación del fundador
El vibe coding abarata una demo que funciona. Convertirla en un producto por el que la gente paga y que los inversores respaldan exige tres cosas que el prompt se saltó: evidencia, una especificación y una pasada de endurecimiento.
Un prototipo hecho con vibe coding demuestra que eres capaz de construir algo. No demuestra que alguien lo necesite, y rara vez demuestra que sea seguro ponerlo en marcha. Para convertirlo en un producto financiable, añade las tres cosas que el prompt se saltó: evidencia de que un grupo concreto de usuarios vuelve y paga, una especificación escrita de lo que debe cumplirse y una pasada de endurecimiento en seguridad, datos y costes antes de que lleguen usuarios reales.
Ideas clave
Andrej Karpathy acuñó «vibe coding» en febrero de 2025 y lo planteó para proyectos desechables de fin de semana (Martin Fowler, 2026). Collins lo nombró Palabra del Año en noviembre de 2025.
El código escrito por IA no te descalifica: una cuarta parte del lote de invierno de 2025 de Y Combinator tenía bases de código generadas en un 95 % por IA (TechCrunch, 2025).
El código generado por IA introdujo fallos de seguridad en el 45 % de las tareas de prueba de Veracode (Veracode, 2025).
Un análisis divulgado en mayo de 2025 encontró que 170 de 1.645 apps creadas con Lovable exponían datos por reglas de acceso a la base de datos ausentes o rotas (Matt Palmer, 2025).
Los inversores financian la evidencia de demanda. El código es ya la parte fácil.
¿Para qué sirve un prototipo hecho con vibe coding?
Vibe coding es construir software describiendo lo que quieres a una herramienta de IA, probando el resultado y pidiendo cambios, sin leer el código. Como resume Martin Fowler el post original de Karpathy, la idea es dejar de prestar atención al código por completo (Martin Fowler, 2026). La propia advertencia de Karpathy fue que está «not too bad for throwaway weekend projects».
El término se extendió rápido. El diccionario Collins nombró «vibe coding» Palabra del Año el 6 de noviembre de 2025 y lo definió como el uso de IA, a la que se pide en lenguaje natural, para escribir código informático (Collins, 2025).
Un prototipo hecho con vibe coding en Lovable, v0, Bolt, Replit o Cursor es excelente para tres tareas:
Enseñar una idea a los clientes, para que reaccionen ante algo real en lugar de ante una descripción.
Hacer una prueba de demanda, como una fake door, un flujo concierge o una página de preventa.
Aprender lo que no sabes sobre el flujo de trabajo antes de comprometerte con una arquitectura.
La idea de Fowler es que el software desechable para un público pequeño e informado encaja bien, mientras que el código complejo, muy utilizado o con consecuencias importantes no debe olvidarse. En cuanto desconocidos meten datos reales en tu app, has cruzado esa línea.
¿Se puede levantar dinero con un prototipo hecho con vibe coding?
Sí, si el prototipo viene con evidencia. El origen del código importa menos que antes. Jared Friedman, socio gerente de YC, dijo que una cuarta parte del lote W25 tenía el 95 % de su base de código generada por IA (TechCrunch, 2025).
El mismo artículo incluye dos advertencias. Friedman subrayó que todos esos fundadores eran muy técnicos. Diana Hu, socia de YC, dijo que los fundadores necesitan el criterio y la formación para distinguir una buena salida de IA de una mala, y el CEO Garry Tan planteó la prueba de durabilidad como: «Does it fall over or not?»
Lo que un inversor compra de verdad es la respuesta a otra pregunta: ¿tirará este mercado del producto para sacarlo de ti? En el estudio de CB Insights de marzo de 2026 sobre 431 cierres de startups respaldadas por capital riesgo, el 43 % citó un mal product-market fit (CB Insights, 2026). Una demo pulida no reduce ese riesgo. Los usuarios que repiten y los pagos, sí. Desarrollamos el argumento completo en las startups no se quedan sin dinero, se quedan sin evidencia.
¿Por qué falla en producción un prototipo hecho con vibe coding?
Un prototipo se construye para el camino que describiste. La producción son todos los caminos que no describiste: estados vacíos, entradas erróneas, dos usuarios editando el mismo registro, alguien sondeando tu API a las 3 de la madrugada.
Los datos sobre el código generado por IA son coherentes:
Hallazgo
Cifra
Fuente
Tareas de prueba en las que el código generado por IA introdujo una vulnerabilidad
Desarrolladores frustrados por soluciones de IA «casi correctas»
66 %
Stack Overflow, 2025
Desarrolladores que dicen que el vibe coding no forma parte de su trabajo profesional
77,5 %
Stack Overflow, 2025
El caso de Lovable es instructivo. Palmer atribuyó la exposición a reglas de seguridad a nivel de fila (row-level security) ausentes o que no coincidían con lo que suponía el código del cliente, de modo que usuarios sin autenticar podían leer o escribir tablas con nombres, teléfonos, claves de API y datos de pago. La app parecía terminada. La base de datos estaba abierta.
Michael Hayes, cofundador de Add Jam, enumera las carencias que su equipo encuentra una y otra vez en proyectos hechos con vibe coding: modelos de datos que no escalan, autenticación y autorización débiles, pruebas inexistentes o de cara a la galería, arquitectura enmarañada y ningún proceso para lanzamientos y reversiones seguros (Add Jam, 2026).
¿Cómo conviertes un prototipo hecho con vibe coding en un producto financiable?
Trabaja en este orden: probar, especificar, endurecer. Endurecer primero malgasta semanas en una app que quizá nadie quiera.
Fase 1: prueba la demanda (2-4 semanas)
Elige un segmento y una tarea. «Freelancers» es demasiado amplio. «Diseñadores freelance que cada mes persiguen facturas atrasadas» se puede probar.
Haz que 10-20 usuarios reales completen el flujo central, a mano si hace falta. Siéntate con cinco de ellos mientras lo usan.
Fíjate en el segundo uso, no en el primero. ¿Quién vuelve cuando la tarea se repite?
Pide dinero pronto. Un piloto de pago o una preventa es una evidencia más fuerte que cualquier lista de espera.
Lanza la encuesta de Sean Ellis una vez que unas 40 personas hayan usado el flujo central dos veces en dos semanas. El 40 % o más de «muy decepcionados» es la referencia (First Round Review, 2018). Nuestra plantilla de encuesta de product-market fit trae las preguntas.
Fase 3: endurece antes de que lleguen desconocidos
Usa esta lista antes de invitar a nadie fuera de tu grupo de pruebas:
Row-level security o reglas de acceso equivalentes en cada tabla, probadas sin sesión iniciada y como segundo usuario.
Ninguna clave de API ni secreto en el código del cliente ni en repositorios públicos.
Validación de entradas y codificación de salidas en cada formulario (el cross-site scripting y la inyección de logs son los descuidos más comunes de la IA).
Límites de frecuencia en registro, inicio de sesión, envío de correos y endpoints de IA.
Estados de error, vacío y carga en cada pantalla del flujo central.
Copias de seguridad de la base de datos y un proceso de migración que hayas ejecutado de verdad al menos una vez.
Registros que muestren las peticiones fallidas sin guardar contraseñas ni datos personales.
Coste por usuario activo, incluidas las llamadas al modelo, medido con uso real.
Pruebas automatizadas en el camino del dinero: registro, tarea central, pago.
Una forma de revertir un lanzamiento defectuoso en minutos.
Un aviso de privacidad y una base legal para el tratamiento de datos si tienes usuarios en la UE (el RGPD se aplica a tu app, sin importar cómo se haya construido).
¿Qué evidencia quieren ver los inversores en una startup en fase de prototipo?
Los inversores difieren, pero el patrón es el mismo que en cualquier prueba de product-market fit: el comportamiento que le cuesta algo al usuario vale más que las opiniones.
Evidencia débil
Evidencia sólida
Visualizaciones de la demo y «me gusta»
Usuarios que vuelven por la misma tarea sin que se lo pidan
Registros en la lista de espera
Pilotos de pago, preventas, cartas de intención firmadas
«Qué guay» en las entrevistas
Un 40 % o más de «muy decepcionados» entre los usuarios activos
Registros totales tras un lanzamiento
Cohortes de retención que se estabilizan
Una larga lista de funcionalidades
Un segmento acotado donde el producto gana con claridad
«Hecho en un fin de semana»
Una spec, una revisión de seguridad y unas unit economics conocidas
Para saber cómo medir cada uno de estos puntos, incluidas las referencias de retención, consulta nuestra guía de product-market fit con IA.
Ejemplo práctico: una herramienta para reclamar facturas (ilustrativo)
Imagina que un fundador en solitario dedica dos fines de semana a crear en Lovable una herramienta de IA que redacta recordatorios amables para facturas sin pagar.
Lanzamiento: un post trae 380 registros en la lista de espera. 64 (17 %) conectan una cuenta de facturación.
Uso repetido: tras cuatro semanas, 41 han usado la herramienta al menos dos veces en dos semanas.
Encuesta: 38 de esos 41 responden. 14 dicen «muy decepcionados»: un 37 %, justo por debajo de la línea.
Segmento: los diseñadores freelance puntúan 9 de 15 (60 %). Todos los demás, 5 de 23 (22 %).
Dinero: al ofrecerles un plan de 15 € al mes, 12 de los 41 usuarios recurrentes (29 %) pagan la primera semana.
Revisión de endurecimiento: 3 de las 9 tablas de la base de datos no tienen row-level security, una clave de API está en el código del cliente y el endpoint de correo no tiene límite de frecuencia.
El pitch ya no es «lo construí en un fin de semana». Es: «Los diseñadores freelance lo valoran con un 60 % de muy decepcionados, 12 personas pagan, aquí está la especificación y las tres brechas de seguridad están cerradas». Esa es una historia financiable en preseed. El 60 % sale de 15 personas, así que el fundador lo dice y enseña la siguiente ronda de encuesta.
¿Cuáles son los errores comunes al pasar del vibe coding a producción?
Endurecer antes de probar. Semanas de trabajo de seguridad y refactorización en una app sin usuarios recurrentes son escalar prematuramente en miniatura.
Reescribir desde cero por reflejo. Muchos prototipos se pueden endurecer sobre la marcha cuando una especificación define qué debe quedarse.
Fiarse de las afirmaciones de seguridad de la IA. Palmer descubrió que el escáner propio de Lovable solo comprobaba si existía una política, no si era correcta.
Ignorar los costes del modelo. Una funcionalidad que cuesta más por usuario de lo que este paga es un problema de negocio, no un detalle técnico.
Ocultar que se hizo con IA. A los inversores les importa si funciona y si lo entiendes. Prepárate para explicar la arquitectura.
Tratar la reacción a la demo como validación. Los aplausos no son retención.
Cuándo no necesitas nada de esto
Si la herramienta es para ti, tu equipo o un puñado de amigos que conocen los riesgos, sigue con el vibe. La distinción de Fowler se mantiene: el software desechable para un público informado no necesita una lista de verificación de producción. La lista empieza cuando llegan desconocidos, dinero o datos personales.
Dónde encaja Specky
Specky está pensado para la etapa posterior al prototipo que funciona. Convierte conversaciones con clientes, feedback y uso en un Product Graph, redacta la especificación con esa evidencia citada en línea y se conecta con agentes de código mediante un servidor MCP, de modo que Cursor o Claude Code construyen a partir del mismo contexto. Los fundadores pueden empezar con el vibe check gratuito para obtener una opinión honesta sobre un pitch, o ver cómo funciona para vibe coders.
Preguntas frecuentes
¿Está el vibe coding listo para producción?
No por defecto. El vibe coding es bueno para prototipos y pruebas de demanda, pero Veracode encontró que el código generado por IA introdujo fallos de seguridad en el 45 % de las tareas de prueba, y un análisis de 2025 halló que el 10,3 % de 1.645 apps de Lovable muestreadas exponían datos. Una app hecha con vibe coding está lista para producción tras una especificación, una revisión de seguridad y pruebas del flujo central.
¿Se puede levantar dinero con un MVP hecho con vibe coding?
Sí. Una cuarta parte del lote de invierno de 2025 de Y Combinator tenía bases de código generadas en un 95 % por IA. A los inversores les importa menos cómo se escribió el código que la evidencia de demanda: usuarios recurrentes, pagos, una puntuación de encuesta cercana al 40 % de «muy decepcionados» y un fundador que entiende el sistema lo bastante bien como para arreglarlo.
¿Debería reescribir mi app hecha con vibe coding antes de lanzarla?
Normalmente no como primer paso. Prueba la demanda con el prototipo, escribe una especificación de lo que debe cumplirse y luego endurece las partes que la especificación marque como importantes. Reescribe solo cuando el modelo de datos o la arquitectura bloquee un requisito para el que tienes evidencia. Una reescritura antes de tener evidencia gasta tu runway en una apuesta sin probar.
¿Cómo aseguro una app de Lovable o Supabase?
Empieza con row-level security en cada tabla y pruébala sin sesión iniciada y como segundo usuario, porque políticas ausentes o desajustadas causaron la exposición de Lovable en 2025. Después quita los secretos del código del cliente, añade límites de frecuencia a los endpoints de autenticación y correo, y valida cada entrada. Trata cualquier escáner integrado como una primera pasada, no como una prueba.
¿Qué debe incluir una especificación para un producto hecho con vibe coding?
El problema y el usuario, la evidencia que respalda la apuesta, una métrica de éxito, los no objetivos, los casos límite y las reglas de datos, y comprobaciones de aceptación para cada requisito. Mantenla en una página. Su función es permitir que tú o un agente de código endurezcáis el prototipo sin adivinar qué importa.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing