El Momento de los $10,500 Millones del Vibe Coding: La AI Ya Inicia la Mayoría de los Nuevos Proyectos de Software

Algo cruzó un umbral la semana pasada, y la ronda de $500 millones casi lo oculta.

La startup de bases de datos Supabase recaudó $500 millones con una valoración de $10,500 millones, según CNBC, liderada por el fondo soberano GIC, con la participación de Accel, Y Combinator, Craft Ventures, Felicis, Coatue y Stripe. Esto es aproximadamente el doble de la valoración de la empresa en octubre de 2025, en menos de ocho meses. Pero el número que más importa para cualquier fundador que esté planificando una hoja de ruta de producto no es la cifra en dólares. Es este: más del 60% de las nuevas bases de datos en la plataforma de Supabase son ahora iniciadas por una herramienta de codificación con AI en lugar de un desarrollador humano. Claude Code de Anthropic es la única fuente de AI que más proyectos inicia en Supabase en lo que va de 2026.

Esto no es un dato curioso enterrado en el comunicado de prensa. Es una señal sobre cómo luce la creación de software ahora mismo, y cómo será construir una empresa durante los próximos años.

Qué Es Realmente el Vibe Coding

El término que escuchará en torno a esto es "vibe coding". La idea es simple: en lugar de escribir código línea por línea, una persona (ingeniero o no) describe lo que quiere a una herramienta de codificación con AI, revisa el resultado, lo refina mediante conversación, y publica. Herramientas como Claude Code y Codex de OpenAI se encargan de la generación. El humano se encarga de la dirección y el criterio.

Supabase es una empresa de cinco años (fundada en 2020 por Paul Copplestone como CEO y Ant Wilson como CTO) que proporciona infraestructura de backend: bases de datos, autenticación, almacenamiento y APIs. Es el tipo de plataforma que antes requería un ingeniero de backend para configurarla correctamente. Ahora, según los reportes sobre su ronda de financiación, la mayoría de las personas que crean nuevas bases de datos en su plataforma son agentes de AI actuando en nombre de un usuario que redacta prompts, frecuentemente un profesional sin perfil técnico que no habría tocado una herramienta de base de datos seis meses atrás.

Los inversores de la ronda no están apostando por una tendencia nicho entre desarrolladores. Están apostando a que este modo de creación de software se convierte en el estándar, y a que los más de 250,000 clientes de Supabase representan una ventaja temprana en un mercado mucho más grande. La empresa tiene alrededor de 350 personas. Acaba de recaudar capital a una valoración que la mayoría de las empresas de Serie D nunca alcanzan.

Datos clave

• Supabase recaudó $500 millones con una valoración de $10,500 millones en junio de 2026, aproximadamente el doble de su valoración de octubre de 2025. (CNBC)
• Más del 60% de las nuevas bases de datos en la plataforma de Supabase son ahora iniciadas por una herramienta de codificación con AI en lugar de un humano. (CNBC / Supabase)
• Claude Code de Anthropic es la mayor fuente de AI en nuevas bases de datos de Supabase en 2026. (CNBC / Supabase)

Tres Cambios Estructurales para Fundadores

El dato del 60% es específico de la plataforma de Supabase. No lo extrapole como afirmación de que la mayoría del software en todo el mundo es escrito por AI. Pero es un punto de referencia limpio y creíble de una plataforma donde se puede contar exactamente quién inició qué. Y si se analiza a fondo sus implicaciones para una empresa en etapa temprana, tres cosas cambian.

1. Comprar vs. desarrollar se inclina hacia desarrollar en más áreas de su negocio.

El argumento tradicional a favor de comprar en lugar de desarrollar es la velocidad y el costo. Contratar ingenieros para construir una solución personalizada tarda meses y cuesta entre $200,000 y $400,000 por ingeniero al año en un mercado competitivo. Ahora un fundador o un equipo técnico pequeño puede entregar lo que antes requería un equipo de cuatro personas de backend, describiendo el sistema a un agente de codificación, revisando el resultado e iterando. El piso de "cuánto cuesta construir esto" ha bajado. Eso cambia el cálculo para muchas funciones que antes se compraban a un proveedor. No significa desarrollar todo. Significa revisar los supuestos sobre qué es demasiado costoso de construir. Para una perspectiva más amplia de cómo la AI está redefiniendo el modelo operativo de SaaS, las dinámicas son similares: más áreas se vuelven desarrollables internamente de lo que el modelo anterior suponía.

2. Las ventajas competitivas basadas en "es difícil de construir" se erosionan.

Si su ventaja competitiva radica principalmente en que su producto sería difícil de replicar desde cero para un competidor, esa ventaja tiene una vida útil más corta de lo que tenía hace dos años. Un competidor con un equipo pequeño y acceso a Claude Code o Codex puede ahora construir una versión funcional de lo que antes llevaba 18 meses, en seis. Esto no significa que todas las ventajas desaparezcan. Pero las que sobreviven son las que son difíciles de construir incluso con agentes de AI: bases de datos propietarias, distribución ganada con esfuerzo, relaciones profundas con clientes, criterio operativo y gusto. La señal de comprar vs. desarrollar que emerge de las adquisiciones de AI empresarial apunta en la misma dirección: las empresas que compraron capacidades de AI estaban comprando realmente los datos y los flujos de trabajo que había debajo, no el modelo encima. Su diferenciador duradero es lo mismo: lo que usted sabe y a quién llega, algo que un proyecto de AI recién iniciado no puede replicar.

3. Su cálculo de contratación cambia.

Este es contraintuitivo. Si los agentes de AI están escribiendo más código, podría asumir que necesita menos ingenieros. Pero el cuello de botella no desaparece, se desplaza. Escribir código ya no es el recurso escaso. Revisar, asegurar y operar el código generado por AI sí lo es. Una base de código de producción construida en gran medida por un agente de codificación necesita personas que puedan auditarla en busca de vulnerabilidades de seguridad, detectar casos extremos que el agente pasó por alto, diseñar la arquitectura a un nivel que el agente no mantiene, y ser responsables del sistema cuando algo falla a las 2 de la mañana. Esas habilidades son distintas del simple rendimiento de codificación. Quizás necesite menos ingenieros generalistas en la fase inicial de una construcción, pero necesita ingenieros más senior y revisores con mentalidad de seguridad en la fase final. Para las funciones de AI y dónde añadirlas en un producto SaaS, el mismo principio aplica: quienes revisan y mantienen son la restricción, no quienes generan.

La Parte Que Se Pasa Por Alto

La narrativa del vibe coding es emocionante y en gran medida acertada, pero la versión que circula en conferencias tiende a eliminar la fricción.

El código generado por AI sigue fallando de maneras predecibles. Maneja bien el camino directo y omite casos extremos. No entiende sus requisitos de seguridad a menos que los especifique explícitamente, y aun así puede implementarlos incorrectamente. Genera código que funciona en un entorno de demo y falla bajo carga. La pregunta de quién es dueño y mantiene una base de código construida principalmente por un agente de AI no está resuelta. Cuando el sistema se comporta de manera inesperada seis meses después del lanzamiento, quien lo prompts hacia la existencia puede no tener la profundidad técnica para diagnosticarlo.

Nada de esto significa que el vibe coding no sea real ni valioso. Pero el dato del 60% de Supabase es un conteo de proyectos iniciados, no de sistemas en producción funcionando de manera confiable a escala. La pregunta más amplia sobre la adopción de AI para las empresas en 2026 es la misma: ¿cuánto de la ganancia de productividad sobrevive la transición del demo a la producción?

Por eso el tercer cambio (contratar revisores, no solo desarrolladores) no es una cobertura. Es el punto de apalancamiento real.

Una División Práctica: Vibe-Code vs. Ingeniería Formal

Use esto como filtro inicial, no como regla fija.

Aplique vibe coding primero (bajo riesgo, iteración rápida):

• Herramientas internas y paneles que solo usa su equipo
• Prototipos tempranos donde está probando si los usuarios quieren el producto
• Scripts puntuales, automatizaciones e integraciones con bajo impacto si fallan
• Funciones donde un error significa una mala experiencia de usuario, no una brecha de datos o un error financiero

Haga ingeniería formal (mayor riesgo, producción duradera):

• Todo lo que procese pagos, datos personales o autenticación
• Infraestructura central de la que dependen otros sistemas (si falla, todo falla)
• Todo lo que esté regulado (sanidad, servicios financieros, jurídico)
• Sistemas que necesiten escalar más allá de lo que luce una carga de prueba de concepto
• Código que será leído y modificado por futuros ingenieros que no participaron en la conversación original con la AI

El criterio práctico entre ambas categorías es este: si un error en ese sistema podría costarle dinero a un cliente, exponer sus datos o dejar su producto fuera de línea, necesita un ingeniero humano revisándolo antes de que salga a producción. El código generado por AI puede superar ese criterio. Pero debe pasar por él.

Para los fundadores que piensan en cómo se desarrolla la adopción de AI a nivel directivo y dónde crea ventaja frente a riesgo, la ola del vibe coding es uno de los ejemplos actuales más claros de por qué SaaS es el adoptante de AI de mayor velocidad en cualquier categoría.

Preguntas Frecuentes

¿Qué es el vibe coding y por qué importa para los fundadores?

El vibe coding es la práctica de construir software funcional mediante prompts a herramientas de AI (como Claude Code o Codex de OpenAI) en lugar de escribir código manualmente. Importa para los fundadores porque reduce significativamente el costo de mano de obra y el tiempo para construir software, lo que cambia el cálculo de comprar vs. desarrollar y comprime el tiempo de prototipado para equipos pequeños y profesionales sin perfil técnico.

¿Es generalizable el dato del 60% de Supabase a todo el software?

No. El dato es específico de nuevas bases de datos iniciadas en la plataforma de Supabase, que se inclina hacia proyectos en etapa temprana y herramientas para desarrolladores. Es una señal direccional creíble sobre cómo está cambiando la creación de software, pero no significa que el 60% de todo el software en producción sea ahora escrito por AI. La implicación relevante es que los proyectos iniciados por AI están pasando de ser una novedad a ser mayoría en al menos algunos segmentos del mercado.

¿Qué debería hacer concretamente un fundador de manera diferente a raíz de esto?

Tres cosas. Revise sus supuestos de comprar vs. desarrollar teniendo en cuenta el menor costo de mano de obra del vibe coding. Audite su ventaja competitiva para ver cuánto depende de "esto sería difícil de construir", y refuerce las partes que no dependen de eso (distribución, datos, relaciones). Ajuste su plan de contratación para ponderar las habilidades de revisión de código y auditoría de seguridad junto al rendimiento bruto de codificación.

Más Información

• Por Qué SaaS Es el Adoptante de AI de Mayor Velocidad
• Funciones de AI como Producto: Dónde Añadirlas
• Qué Significa la Transformación por AI a Nivel Directivo
• ¿Comprar su AI o Desarrollarla?
• Presentación de OPI de Anthropic: El Cálculo de Proveedor de AI de $96,500 Millones
• Modelo de Crecimiento B2B SaaS

Fuente: CNBC, 4 de junio de 2026