Soy un líder tecnológico de Amazon que codifica a diario. Es difícil resistirse.

 | AI,as-told-to,vibe-coding,amazon

📂 Categoría: AI,as-told-to,vibe-coding,amazon | 📅 Fecha: 1771400304

🔍 En este artículo:

Este ensayo, tal como se cuenta, se basa en una conversación con Anni Chen, quien ha trabajado en Amazon durante aproximadamente tres años y medio. Ha sido editado para mayor extensión y claridad. Business Insider comprobó su historial laboral.

Soy líder técnico en Amazon, responsable de implementar sistemas de IA generativa y LLM a escala. Me concentro en lo que llamamos memoria, que impulsa la personalización de experiencias de IA generativa en Amazon.

Vibro el código todos los días. Definitivamente es una ganancia de productividad.

Para la depuración o tareas pequeñas, a veces trato esto como una lotería. Quizás produzca algo increíble. A veces lo hace.

Coding Vibe me ayuda a pensar en cómo podría ser la solución, incluso si no adopto la solución final que sugiere. La codificación Vibe también acelera el tiempo dedicado a reescribir el código cuando se da cuenta de que no se ha cubierto un requisito.

La codificación de Vibe es más rápida, incluso con doble verificación

Cuando hago vibrar el código, siempre es iterativo. Le doy la información básica que necesita, él produce una compilación y luego la compruebo, un poco como una revisión de código con colegas. Podría decir: «Te perdiste esta parte» o «Te perdiste esta parte».

La IA a veces soluciona problemas pero introduce algo nuevo. Tienes que estar atento a ello.

Para tareas complejas, necesita comprobaciones adicionales. Pero incluso con controles adicionales, es aún más rápido.

Estaba trabajando con un equipo de socios y encontré algunos problemas de bloqueo complejos. Sin un LLM, podría haberme tomado un día para investigar posibles soluciones, especialmente porque esto era relativamente nuevo para mí.

En 15 minutos, hice una lluvia de ideas sobre posibles soluciones con el LLM. Le señalé las debilidades de sus sugerencias y le pedí que las mejorara. En 15 minutos tengo una propuesta para enviar al equipo.

El conocimiento técnico ayuda: sabes cuál es una buena solución y cuál no. Sabes lo que sabe bien, pero no sabes qué platos hay disponibles. El LLM presenta todos los platos y tú eliges.

Es posible que la codificación de Vibe para escala no funcione y el conocimiento técnico sigue siendo importante

Sin embargo, dudo en utilizar la codificación Vibe directamente en producción.

Los LLM son muy buenos para resolver problemas, pero a veces hacen suposiciones implícitas de las que no te das cuenta. Si no le dice explícitamente, por ejemplo, que algo debería funcionar para subprocesos múltiples, es posible que solo produzca la versión mínima que funcione, pero cuando esté a escala o en producción, podría fallar.

Los constructores no técnicos podrían pedirle a un LLM que cree algo que maneje millones de usuarios. Pero si no se tienen conocimientos técnicos, es difícil prever los obstáculos de antemano. Si no le dice al modelo los supuestos implícitos, no respetará estas restricciones. Más adelante encontrarás problemas.

Las personas no técnicas pueden utilizar el LLM para resolver problemas de forma reactiva. Pero los técnicos pueden anticipar proactivamente las limitaciones y prevenir problemas desde el principio.

Los técnicos también comprenden mejor el contenido codificado por ambiente y están en mejores condiciones para comprender dónde los LLM son buenos y no tan buenos. Por ejemplo, saber cómo están entrenados y por qué son más débiles en determinadas tareas como las matemáticas. Esta comprensión le ayuda a dominarlos como herramientas.

Cuando se llega a un millón o 100 millones de clientes, los sistemas deben codificarse de manera diferente para manejar esa escala.

Coding Vibe es difícil de resistir

Inicialmente, los líderes impulsaron la codificación ambiental. Nuestro equipo es un equipo GenAI, por lo que, naturalmente, fuimos más receptivos. En los equipos que no son GenAI, los ingenieros reaccionaron inicialmente como: «No, no dejaré que la IA haga mi trabajo. No confío en el código generado por IA».

Después de que la gente lo probó, las actitudes cambiaron. La gente se da cuenta de que a veces es bastante bueno. Hoy en día se adopta más ampliamente.

Es muy difícil resistirse al ambiente de la codificación en estos días. Si es un empleado, la gerencia verá el aumento de la productividad y lo alentará a utilizarlo.

Cuando sus compañeros lo usan y codifican más rápido, es difícil resistirse. Si no puedes seguir el ritmo, resulta difícil colaborar.

Incluso si te resistes, seguirás consumiendo IA de forma pasiva. Los comentarios de la IA se incorporan a las revisiones de código. Entonces, incluso si no estás activando directamente el código, todavía estás interactuando con las salidas de la IA.

¿Tiene una historia que compartir sobre la codificación de ambiente? Contacta con este periodista en cmlee@businessinsider.com.

Este ensayo, tal como se cuenta, se basa en una conversación con Anni Chen, quien ha trabajado en Amazon durante aproximadamente tres años y medio. Ha sido editado para mayor extensión y claridad. Business Insider comprobó su historial laboral.

Soy líder técnico en Amazon, responsable de implementar sistemas de IA generativa y LLM a escala. Me concentro en lo que llamamos memoria, que impulsa la personalización de experiencias de IA generativa en Amazon.

Vibro el código todos los días. Definitivamente es una ganancia de productividad.

Para la depuración o tareas pequeñas, a veces trato esto como una lotería. Quizás produzca algo increíble. A veces lo hace.

Coding Vibe me ayuda a pensar en cómo podría ser la solución, incluso si no adopto la solución final que sugiere. La codificación Vibe también acelera el tiempo dedicado a reescribir el código cuando se da cuenta de que no se ha cubierto un requisito.

La codificación de Vibe es más rápida, incluso con doble verificación

Cuando hago vibrar el código, siempre es iterativo. Le doy la información básica que necesita, él produce una compilación y luego la compruebo, un poco como una revisión de código con colegas. Podría decir: «Te perdiste esta parte» o «Te perdiste esta parte».

La IA a veces soluciona problemas pero introduce algo nuevo. Tienes que estar atento a ello.

Para tareas complejas, necesita comprobaciones adicionales. Pero incluso con controles adicionales, es aún más rápido.

Estaba trabajando con un equipo de socios y encontré algunos problemas de bloqueo complejos. Sin un LLM, podría haberme tomado un día para investigar posibles soluciones, especialmente porque esto era relativamente nuevo para mí.

En 15 minutos, hice una lluvia de ideas sobre posibles soluciones con el LLM. Le señalé las debilidades de sus sugerencias y le pedí que las mejorara. En 15 minutos tengo una propuesta para enviar al equipo.

El conocimiento técnico ayuda: sabes cuál es una buena solución y cuál no. Sabes lo que sabe bien, pero no sabes qué platos hay disponibles. El LLM presenta todos los platos y tú eliges.

Es posible que la codificación de Vibe para escala no funcione y el conocimiento técnico sigue siendo importante

Sin embargo, dudo en utilizar la codificación Vibe directamente en producción.

Los LLM son muy buenos para resolver problemas, pero a veces hacen suposiciones implícitas de las que no te das cuenta. Si no le dice explícitamente, por ejemplo, que algo debería funcionar para subprocesos múltiples, es posible que solo produzca la versión mínima que funcione, pero cuando esté a escala o en producción, podría fallar.

Los constructores no técnicos podrían pedirle a un LLM que cree algo que maneje millones de usuarios. Pero si no se tienen conocimientos técnicos, es difícil prever los obstáculos de antemano. Si no le dice al modelo los supuestos implícitos, no respetará estas restricciones. Más adelante encontrarás problemas.

Las personas no técnicas pueden utilizar el LLM para resolver problemas de forma reactiva. Pero los técnicos pueden anticipar proactivamente las limitaciones y prevenir problemas desde el principio.

Los técnicos también comprenden mejor el contenido codificado por ambiente y están en mejores condiciones para comprender dónde los LLM son buenos y no tan buenos. Por ejemplo, saber cómo están entrenados y por qué son más débiles en determinadas tareas como las matemáticas. Esta comprensión le ayuda a dominarlos como herramientas.

Cuando se llega a un millón o 100 millones de clientes, los sistemas deben codificarse de manera diferente para manejar esa escala.

Coding Vibe es difícil de resistir

Inicialmente, los líderes impulsaron la codificación ambiental. Nuestro equipo es un equipo GenAI, por lo que, naturalmente, fuimos más receptivos. En los equipos que no son GenAI, los ingenieros reaccionaron inicialmente como: «No, no dejaré que la IA haga mi trabajo. No confío en el código generado por IA».

Después de que la gente lo probó, las actitudes cambiaron. La gente se da cuenta de que a veces es bastante bueno. Hoy en día se adopta más ampliamente.

Es muy difícil resistirse al ambiente de la codificación en estos días. Si es un empleado, la gerencia verá el aumento de la productividad y lo alentará a utilizarlo.

Cuando sus compañeros lo usan y codifican más rápido, es difícil resistirse. Si no puedes seguir el ritmo, resulta difícil colaborar.

Incluso si te resistes, seguirás consumiendo IA de forma pasiva. Los comentarios de la IA se incorporan a las revisiones de código. Entonces, incluso si no estás activando directamente el código, todavía estás interactuando con las salidas de la IA.

¿Tiene una historia que compartir sobre la codificación de ambiente? Contacta con este periodista en cmlee@businessinsider.com.

💡 Puntos Clave

  • Este artículo cubre aspectos importantes sobre AI,as-told-to,vibe-coding,amazon
  • Información verificada y traducida de fuente confiable
  • Contenido actualizado y relevante para nuestra audiencia

📚 Información de la Fuente

📰 Publicación: www.businessinsider.com
✍️ Autor: Lee Chong Ming
📅 Fecha Original: 2026-02-18 05:02:00
🔗 Enlace: Ver artículo original

Nota de transparencia: Este artículo ha sido traducido y adaptado del inglés al español para facilitar su comprensión. El contenido se mantiene fiel a la fuente original, disponible en el enlace proporcionado arriba.

📬 ¿Te gustó este artículo?

Tu opinión es importante para nosotros. Comparte tus comentarios o suscríbete para recibir más contenido histórico de calidad.

💬 Dejar un comentario