Hola mundo: la IA como superpoder para los que no sabemos programar
Durante más de una década he trabajado en marketing digital: creando webs en WordPress, configurando automatizaciones de correo, analizando métricas y gestionando proyectos tecnológicos sin escribir código directamente.
La evolución reciente de los modelos de lenguaje aplicados al desarrollo de software cambia ese límite operativo. No se trata de redactar textos o resumir documentos, sino de construir y desplegar herramientas funcionales mediante instrucciones en lenguaje natural.
Primeras pruebas: Claude Code, Codex y Gemini CLI
He experimentado principalmente con tres asistentes: Claude Code (se abre en una pestaña nueva) de Anthropic, Codex (se abre en una pestaña nueva) de OpenAI y Gemini CLI (se abre en una pestaña nueva) de Google.
Esta misma web personal está construida con Claude Code: definiendo la arquitectura estática con Astro y Tailwind CSS, el modo oscuro y los componentes de navegación mediante iteraciones guiadas en la consola.
Codex y Gemini CLI han resultado especialmente útiles para tareas pesadas en segundo plano o integraciones con servicios en la nube.
Tres proyectos en producción
En los primeros siete días de uso construí y desplegué tres herramientas funcionales:
- Family Finances: Aplicación web con Next.js, PostgreSQL y Supabase Auth para gestión presupuestaria doméstica.
- Rummikub Score Tracker: Contador móvil para partidas de juegos de mesa.
- Pokemon Guessing Game: Juego interactivo de adivinanzas con la primera generación de Pokémon.
El proceso tradicional de trasladar una especificación funcional a un entorno de desarrollo acumulaba días de coordinación. Con herramientas de ejecución en terminal, el ciclo de feedback se comprime: propones un ajuste, el agente valida la sintaxis y compruebas el resultado en minutos.
Criterio sobre sintaxis
La clave en este modelo de trabajo no es dominar la sintaxis de cada framework, sino definir con claridad:
- Qué problema resuelve el producto.
- Cómo debe estructurarse la experiencia de usuario.
- Qué arquitectura de datos garantiza privacidad y escalabilidad.
- Cómo validar que el resultado final responde al objetivo fijado.
La capacidad de articular requisitos con precisión y evaluar críticamente lo que entrega la máquina es lo que permite convertir ideas en software mantenible.