Un cadete de la Fuerza Aérea de Estados Unidos sin una sola línea de código a sus espaldas se propuso construir software militar hablando con chatbots. A eso se le llama vibe-coding: describir en lenguaje natural lo que uno quiere y dejar que la IA escriba el programa. Lo consiguió, más o menos, y ahí está lo interesante. El experimento, dirigido por el Laboratorio Lincoln del MIT, es a la vez una demostración de lo que esta técnica pone al alcance de cualquiera y una invitación a fijarse en qué ocurre cuando ese atajo se acerca a un terreno tan sensible como el militar.
El protagonista es Joshua Lynch, que durante tres meses trabajó con las versiones de pago de Claude, ChatGPT y Gemini para levantar una aplicación desde cero. Casi todo lo hizo escribiendo en el chat del navegador, sin entorno de programación, y solo para la versión final recurrió a Google AI Studio. Nació así ROMAD-AI, una herramienta para analizar mapas tácticos y redactar documentos de planificación de misiones, dentro del programa Phantom del acelerador de IA que comparten el MIT y el Departamento de las Fuerzas Aéreas.
De un arma autónoma a un lector de mapas
Lo más revelador es cuánto encogió el proyecto por el camino. Lynch no arrancó queriendo un procesador de documentos: su idea original incluía reconocimiento de objetivos asistido por IA, inteligencia y vigilancia modulares, ataque autónomo y gestión de comunicaciones en el campo de batalla. Buscaba, según explica, reducir los daños colaterales y mejorar la supervivencia en la misión. Pero los límites de la tecnología y del tiempo le obligaron a recortar hasta dejarlo en una aplicación que lee mapas y genera papeleo.
Ese abismo entre lo que quería y lo que logró es la primera lección. Que un novato pueda esbozar en un chat un sistema de ataque autónomo dice mucho de lo fácil que resulta hoy pedirlo; que no llegara ni de lejos a construirlo dice lo lejos que está la IA de entregarlo con garantías. El peligro asoma justo en medio: cuando alguien se queda a mitad de camino y decide usar igualmente lo que tiene.
El punto flaco: la seguridad
Porque el prototipo funcionaba, pero, en palabras del propio MIT, no era seguro para el uso que se pretendía. Durante el desarrollo ocurrió algo que resume el riesgo: en lugar de procesar los documentos en el ordenador de Lynch, la aplicación se los enviaba a un modelo Gemini de Google para que los analizara, y él ni se enteró. Hablamos de una herramienta pensada para mapas tácticos y planes de misión filtrando su contenido a un servicio comercial externo sin que su creador lo supiera.
Y ahí está el nudo real del asunto: la cuestión no es solo si la IA escribe código que funcione, sino si quien lo encarga es capaz de saber qué hace ese código por dentro. Un vibe-coder, por definición, no lo sabe. El MIT lo dice sin rodeos: revisar el código sigue siendo el cuello de botella, y una revisión deficiente abre agujeros de seguridad. No es la primera vez que esta forma de programar enseña esa cara, esa en la que la velocidad se come a la seguridad, y el código generado por IA arrastra fallos que solo un experto detecta.
«Por muy buena que llegue a ser la IA, creo que siempre necesitaremos colaborar para dar con las mejores soluciones a los problemas más importantes».
Joshua Lynch, cadete de la Fuerza Aérea de EE. UU.
Qué queda del experimento
Conviene no quedarse solo con el susto, porque el propio MIT saca una lectura más bien optimista. Su conclusión no es que el vibe-coding no sirva, sino que sirve para otra cosa: rinde mejor como asistente de prototipado que como herramienta de producción cuando hay información sensible de por medio, y sobre todo como puente, porque permite que quien conoce el problema operativo, pero no sabe programar, le enseñe a un técnico una maqueta de lo que necesita en lugar de describírselo con palabras. Para el personal no técnico, es una forma nueva de participar en la tecnología que usa.
La mentora del proyecto, Laura Niss, del Laboratorio Lincoln, vigilaba precisamente eso: cómo cambiaba la percepción de Lynch sobre la IA a medida que la exprimía. Empezó con una meta deslumbrante y la fue rebajando conforme entendía los límites reales de la tecnología. De paso dejaron un apunte curioso: Claude se mostró más estable que ChatGPT a lo largo del tiempo en rasgos como la simpatía, el antropomorfismo o la inteligencia percibida.
El MIT no va más allá: se queda en que, por ahora, esto funciona mejor como ayudante que como producto terminado. La pregunta de hasta dónde conviene llevarlo en un contexto militar la ponemos nosotros, y la respuesta razonable no es ni prohibir ni celebrar, sino ir con pies de plomo. Si un ejercicio de laboratorio, tutelado y sin prisa, ya se le escapó por dónde salían sus documentos, cualquier salto a algo real pide mucha revisión experta y no confundir un prototipo que impresiona con un sistema listo para el campo.
