Dos ingenieros involucrados en el proyecto OpenClaw —también llamado 'Lobster'— han dado la voz de alarma: la IA puede acelerar el desarrollo, pero también puede producir código de baja calidad y potencialmente peligroso que termina directamente en producción. Lo que les preocupa no es la inteligencia artificial en sí, sino la rapidez con la que las empresas están recurriendo a estas herramientas sin la supervisión necesaria.
Mario Zekner, creador del marco interno de agentes de OpenClaw, Pi, afirma que la infraestructura ya está bajo una presión considerable y que el software es cada día más vulnerable. La industria quizá haga la vista gorda durante un tiempo, añade, pero al final pagará por los errores acumulados. Su colega Armin Ronacher sostiene que la IA debería servir para que los desarrolladores con experiencia sean más rápidos, pero muchas empresas la ven como un atajo para ahorrar costes de inmediato, sacrificando la calidad a largo plazo.
El problema de fondo es que generar código no es lo mismo que hacer ingeniería. La IA puede redactar borradores, funciones estándar y prototipos con rapidez, pero sin revisión, pruebas ni supervisión arquitectónica, ese código suele crear más problemas de los que resuelve. Los casos más graves se dan cuando fragmentos generados llegan directamente a productos en funcionamiento, saltándose comprobaciones de seguridad, pruebas de carga, análisis de compatibilidad y planificación del mantenimiento futuro.
Los ingenieros advierten de que buscar la productividad a corto plazo puede provocar falta de talento júnior, una deuda técnica creciente, nuevos agujeros de seguridad y fallos de servicio más frecuentes. Cuando las empresas sustituyen la formación y el crecimiento de los desarrolladores por generación automatizada de código, consiguen velocidad inmediata hoy, pero mañana pierden estabilidad en el equipo y calidad en el producto.
El Wall Street Journal ha bautizado este fenómeno como 'vibe slop', una mezcla de 'vibe coding' —donde el desarrollo se basa en indicaciones rápidas y resultados aproximados— y una avalancha de contenido generado por IA de escasa calidad. Para las empresas, el mensaje es claro: estas herramientas pueden ser ayudas poderosas, pero no eliminan la necesidad de contar con prácticas sólidas de ingeniería. Los sistemas críticos siguen exigiendo desarrolladores con experiencia, revisiones de código, refactorización, pruebas y auditorías de seguridad.
Al final, el tiempo que se ahorra al principio a menudo se convierte en un gasto mayor más adelante. Si la IA produce código de baja calidad, el coste real del desarrollo simplemente se aplaza hacia el futuro, en forma de correcciones de errores, investigaciones de fallos, parches de vulnerabilidades y reconstrucción de la confianza de los usuarios.