
Dije que el futuro era el vibe coding. Entonces Goldman Sachs dio marcha atrás.
En julio de 2025 escribí que el futuro era el vibe coding. La IA hacía posible describir una aplicación en lenguaje natural, generar código funcional y mejorarlo en cuestión de minutos. Sigo creyéndolo. Construí esta misma web de esa manera.
Pero hay una pregunta a la que no dediqué suficiente atención: ¿qué ocurre cuando esa aplicación se construye dentro de una empresa, se conecta a sistemas reales y se convierte en algo de lo que dependen otros compañeros?
Qué ha cambiado Goldman Sachs
Goldman Sachs ha puesto esa pregunta en primer plano. Según informó Bloomberg en noviembre de 2026, el banco restringió a la mayoría de sus profesionales de banca y mercados el acceso a determinadas herramientas avanzadas de IA para programar, tras evaluar su productividad y sus riesgos. Los ingenieros conservaron el acceso, al igual que los llamados strats, que trabajan entre los mercados, la investigación cuantitativa y la ingeniería de software. Se trata de una restricción sobre herramientas concretas de programación, no de un abandono de la IA.
El cambio llama la atención porque, apenas unos meses antes, el director de tecnología del banco, Marco Argenti, había elogiado a empleados no técnicos que utilizaban IA para desarrollar ideas y luego se las pasaban a los ingenieros para mejorarlas, según informó Bloomberg. Esa es precisamente la promesa del vibe coding: quienes conocen mejor un problema de negocio pueden ayudar a construir su solución.
No conocemos los detalles de la evaluación interna de Goldman. Su decisión no demuestra que las aplicaciones creadas por empleados hayan fallado, ni que otras empresas deban imponer las mismas restricciones. Pero sí plantea una pregunta que todas tendrán que afrontar: ¿cómo dar a los empleados la capacidad de construir sin dejar el software resultante fuera de los controles de la empresa?
El trabajo que hay detrás de una buena demostración
En el artículo de Guanta «Anyone can code, but…», exploré todo el trabajo que hay detrás de una demostración convincente. Alguien debe decidir dónde se guardan los datos, quién puede acceder a ellos, cómo llega un cambio a producción y quién responde cuando algo falla. La IA puede generar un código excelente sin conocer ninguna de esas respuestas. Un prototipo puede ser útil y acabar convirtiéndose en una dependencia sin gestionar.
La oportunidad es mayor que crear más aplicaciones internas. En «Every Company Needs an AI Operating System», sostuve que buena parte del funcionamiento real de una empresa vive entre sus sistemas oficiales: en hojas de cálculo, correos, aprobaciones, conciliaciones, excepciones y en el conocimiento que los empleados llevan consigo. La IA permite convertir más de ese trabajo en software. Y quienes lo realizan cada día suelen ser quienes mejor saben qué debería cambiar.
¿Qué pieza falta?
Creo que falta una forma de que esos empleados participen en la construcción del sistema operativo del negocio, con el apoyo de ingeniería y operaciones.
Imaginemos a un profesional de mercados que concilia repetidamente información de varios sistemas. Conoce las excepciones, los retrasos y las decisiones mucho mejor que un desarrollador que recibe una breve descripción del problema. Con un entorno de programación con IA aprobado y datos de prueba seguros, podría mostrar un flujo de trabajo mejor. Después, esa idea seguiría un camino claro: revisar el acceso a los datos, comprobar los cálculos, integrarla con los sistemas adecuados, asignarle un responsable, probarla y medir si mejora el trabajo.
El empleado aporta el conocimiento del negocio. Los ingenieros ayudan a convertir la idea en software fiable. La seguridad y los permisos establecen límites reales. La empresa conserva el resultado, en vez de depender de una aplicación que solo entiende quien la creó.
Ese camino también importa para la adopción. Enseñar a usar prompts con una herramienta de IA es un comienzo, pero la adopción duradera llega cuando las personas ven que su conocimiento mejora un proceso real. Necesitan espacio para experimentar, una forma sencilla de proponer cambios y una vía creíble para pasar del prototipo a producción. De lo contrario, los empleados más motivados dejan de intentarlo o construyen cosas útiles que la organización no puede mantener con seguridad.
Goldman Sachs ha optado por limitar el acceso a ciertas herramientas. Otras empresas pueden tomar decisiones distintas. La lección que extraigo de la noticia es que distribuir la capacidad de programar es solo el primer paso.
Ahora ampliaría el ciclo de desarrollo que describí el año pasado: describir, generar, refinar, revisar y operar. Si las empresas construyen ese ciclo completo, podrán aprovechar el talento que ya tienen para crear su sistema operativo de negocio y dar a las personas un motivo para participar en su construcción.
Imagen de portada: adaptación con IA de una fotografía de Ajay Suresh, publicada bajo la licencia CC BY 4.0.





