Andrej Karpathy: aprender IT con IA sin saltear los fundamentos
Inventó el término vibe coding, pero insiste en construir para entender. Qué dice Karpathy sobre agentes y aprendizaje, y qué le sirve a quien empieza en IT.
Si estás aprendiendo a programar o pensando en entrar en IT, seguramente ya escuchaste hablar de "vibe coding". El término lo puso en circulación Andrej Karpathy, uno de los investigadores de inteligencia artificial más seguidos en X y en YouTube. Pero buena parte de lo que dijo después va en otra dirección: entender lo que hacés aunque una IA escriba el código. Repasamos sus ideas, con fuentes, y qué pueden significar para quien arranca desde Latinoamérica.
Quién es Andrej Karpathy
Se doctoró en Stanford, donde creó y dictó CS231n, un curso de redes neuronales para visión por computadora. Fue miembro fundador de OpenAI, dirigió el área de IA y la visión del Autopilot de Tesla entre 2017 y 2022, volvió a OpenAI en 2023 y se fue en febrero de 2024. En julio de 2024 anunció Eureka Labs, una empresa de educación con IA. Y el 19 de mayo de 2026 contó en X que se sumó a Anthropic, la empresa que desarrolla Claude, para trabajar en investigación sobre preentrenamiento de modelos. En ese mismo mensaje aclaró que la educación le sigue apasionando y que piensa retomarla más adelante, sin dar fechas.
Vibe coding: de un posteo al pasar a una discusión del oficio
El 2 de febrero de 2025, Karpathy describió en X una nueva forma de programar: pedirle cosas a la IA, en su caso por voz y casi sin tocar el teclado, ejecutar lo que genera y ver si funciona. Lo llamó vibe coding y la expresión se volvió masiva.
Un año después, en febrero de 2026, él mismo puso el término en contexto. Recordó que lo había escrito como un pensamiento suelto y que esa forma de trabajar servía sobre todo para proyectos descartables, demos y pruebas. Según contó, programar con agentes de IA se estaba volviendo el flujo de trabajo habitual de muchos profesionales, pero con más supervisión. Para eso propuso otro nombre, "agentic engineering" (ingeniería agéntica): casi nunca escribís el código a mano, coordinás agentes y controlás lo que hacen. Para él, es una habilidad que se aprende y se puede mejorar.
Software 3.0: programar también en lenguaje natural
En junio de 2025, en la AI Startup School de Y Combinator en San Francisco, dio la charla "Software Is Changing (Again)". Ahí ordenó la historia en tres etapas: el Software 1.0 es el código escrito a mano; el 2.0, las redes neuronales cuyos pesos se entrenan con datos; y el 3.0, los modelos de lenguaje que se programan con instrucciones en inglés.
Lo más útil para quien trabaja con estas herramientas fue su idea de autonomía parcial: en lugar de agentes que hacen todo solos, propuso productos donde la persona regula cuánta libertad le da a la IA según el riesgo de la tarea, una idea que comparó con el traje de Iron Man. A quienes entran a la industria les recomendó manejar los tres paradigmas y saber cuándo conviene cada uno.
Agentes: útiles, pero lejos de un compañero de trabajo
En octubre de 2025, en el podcast de Dwarkesh Patel, fue más escéptico que buena parte de la industria. Planteó que lo que viene no es un año sino una década de agentes: según él, todavía les falta inteligencia, no aprenden de forma continua, no manejan bien una computadora y no son lo bastante multimodales para trabajar como lo haría un pasante. Calculó unos diez años para resolver esos problemas, que considera difíciles pero solucionables.
Contó además cómo escribió nanochat, un proyecto propio de poco más de un mes. Usó tres modos: código a mano, autocompletado y agentes. Su preferido fue el autocompletado; los agentes le sirvieron para código repetitivo, pero no para un proyecto que exigía precisión. Su diagnóstico: "They're not very good at code that has never been written before" (no son muy buenos con código que nunca se escribió antes).
En 2026 matizó esa visión. En abril, en el evento AI Ascent de Sequoia, contó, según la cobertura del evento, que los agentes de programación empezaron a funcionar bien hacia fines de 2025 y que la IA avanza más rápido donde los resultados se pueden verificar, como el código, la matemática o los tests. La idea que más circuló de esas entrevistas: podés delegar el razonamiento en la IA, pero no la comprensión.
Aprender construyendo
Sobre cómo aprender, su postura es clara. En la misma charla con Dwarkesh Patel aconsejó construir las cosas uno mismo, sin atajos: "Build the stuff yourself, but don't allow yourself copy-paste" (construilo vos, pero sin permitirte copiar y pegar). Según él, al construir te topás con lo que no sabías que no sabías.
Su material gratuito sigue esa lógica. La serie "Neural Networks: Zero to Hero" son ocho clases en YouTube que arrancan con una red neuronal mínima y terminan construyendo un GPT y su tokenizador, con código abierto. Como requisitos pide buen nivel de Python y matemática introductoria, como derivadas. nanoGPT es un repositorio para entrenar modelos tipo GPT con unas 300 líneas de modelo y otras 300 de entrenamiento; su README hoy lo marca como viejo y recomienda nanochat, que publicó en octubre de 2025 y recorre todo el proceso para entrenar un chat chico, por alrededor de US$100 de alquiler de servidores. Eureka Labs, en tanto, prometía un curso, LLM101n, que todavía figura como en construcción.
Qué significa para quien empieza en Latinoamérica
Leído en conjunto, el mensaje de Karpathy no es que ya no haga falta aprender a programar. Al contrario: si el trabajo pasa a ser supervisar agentes, necesitás entender lo suficiente para saber cuándo se equivocan. Las herramientas de IA bajan la barrera para hacer una primera versión, pero el criterio para revisarla sigue siendo humano.
Hay dos límites prácticos. Su material está en inglés, así que sumalo a tu práctica del idioma. Y no todo requiere hardware caro: el ejemplo inicial de nanoGPT, que entrena un modelo chico con textos de Shakespeare, corre en una notebook sin GPU en unos minutos. Entrenar nanochat completo, en cambio, implica alquilar servidores en dólares, así que dejalo para más adelante.
Qué podés hacer vos
- Mirá la primera clase de Zero to Hero y escribí el código a la par, sin copiar y pegar.
- Cloná nanoGPT en GitHub, corré el ejemplo de Shakespeare y cambiá parámetros para ver qué pasa.
- Si usás IA para programar, empezá por tareas repetitivas y revisá cada cambio antes de aceptarlo. Para entender qué hace un agente, leé esta nota.
- Si te interesa trabajar construyendo con modelos, mirá qué hace un AI Engineer y compará carreras.
- Reforzá Python y matemática básica con alguno de los cursos gratis que recomendamos.
¿Qué es el vibe coding?
Es el término que Karpathy usó en febrero de 2025 para describir una forma de programar pidiéndole todo a la IA, ejecutando lo que genera y viendo si funciona. Él mismo dijo después que servía para proyectos descartables y que, para trabajo profesional, prefiere hablar de ingeniería agéntica, con supervisión.
¿Karpathy cree que los agentes de IA van a reemplazar a los programadores?
No lo planteó así. En 2025 estimó que faltaba alrededor de una década para que los agentes funcionen como un empleado, y en 2026 describió el trabajo actual como coordinar y supervisar agentes, algo que requiere entender lo que hacen.
¿Sus cursos son gratis?
Sí. La serie Zero to Hero está en YouTube y el código de nanoGPT y nanochat está en GitHub, de libre acceso. Están en inglés y piden una base de Python y matemática introductoria.