10 errores que cometen los programadores principiantes con IA (y por qué uno de ellos acaba de regalarle una startup entera a los hackers)
Por qué este artículo importa ahora (y no hace dos años)
La programación asistida por IA ha dejado de ser una curiosidad para convertirse en la forma dominante de escribir código. Según los datos de encuestas recientes, más del 70% de los desarrolladores ya usa alguna herramienta de IA en su flujo diario. Bien. El problema es que al mismo tiempo ha nacido una generación entera de "programadores" que nunca han leído una línea de código sin que se la explique antes una máquina.
Y eso tendría gracia si fuera solo una anécdota. No lo es. Un estudio presentado en USENIX Security 2025 analizó 756.000 muestras de código generadas por 16 modelos distintos (Claude, GPT-4, DeepSeek, Mistral) y descubrió que cerca del 20% recomendaba paquetes que no existen. En los modelos open source ese número sube al 21,7%. Por encima de uno de cada cinco. Y no es aleatorio: el 43% de las alucinaciones se repiten cuando vuelves a ejecutar el mismo prompt.
Los ciberdelincuentes llevan dos años mirando este dato. Por eso existe ahora un vector de ataque nuevo llamado slopsquatting, y por eso la CVE-2025-55284 permitió, durante un tiempo, extraer datos del ordenador de cualquier desarrollador que usara Claude Code si le hacías leer el fichero equivocado.
Este es el mapa de los errores más frecuentes que estoy viendo. Léelo entero aunque creas que alguno no te aplica: el más peligroso es siempre el que no te ves cometiendo.
Error 1 — Copiar y pegar código sin entender qué hace
El pecado original. Si no puedes explicar línea por línea qué hace el código que acabas de pegar en tu proyecto, no es tu código. Es una caja negra de la que eres legalmente responsable.
La gente que empieza suele justificarlo con "pero funciona". Ese es exactamente el problema: funciona hasta que falla, y cuando falla no sabes por dónde empezar a mirar. Te quedas bloqueado, vuelves a pedirle a la IA que lo arregle, la IA te mete otro parche que tampoco entiendes, y al cabo de dos semanas tienes un Frankenstein de código donde ninguna persona humana —ni siquiera tú— sabe qué está pasando.
Cómo evitarlo: después de que la IA te dé un bloque, pídele que te lo explique línea por línea. Y si hay alguna línea que sigues sin entender, no la uses. Reescríbela a mano en versión simplificada aunque sea más larga. Lento y sólido vence a rápido y frágil siempre.
Error 2 — Confiar en los paquetes que la IA te sugiere instalar (el error que te puede costar el ordenador)
Este es el que ha cambiado el juego en 2025. Cuando le pides a ChatGPT o Copilot que haga algo, muchas veces te dice "instala este paquete con pip install securehelper" o "npm install react-authboost". Y tú, confiado, lo instalas.
El problema: según el estudio de las universidades de Texas, Oklahoma y Virginia Tech, hasta 205.000 nombres de paquetes únicos son alucinados por los modelos. Los atacantes han montado un flujo industrial para detectar esos nombres inventados, registrarlos ellos mismos en PyPI y NPM con código malicioso dentro, y esperar a que un programador principiante los instale siguiendo el consejo de su IA favorita.
Eso es el slopsquatting. Cuando instalas un paquete infectado, el atacante tiene acceso a lo que quiera: credenciales guardadas en tu sistema, claves SSH, acceso a tu repositorio, variables de entorno con tokens, tu base de datos. En algunos casos documentados, malware que borra todo y pide rescate.
Cómo evitarlo:
- Nunca instales un paquete a ciegas. Busca su nombre en el registro oficial (pypi.org o npmjs.com) antes.
- Revisa número de descargas y última actualización. Un paquete "securehelper" con 12 descargas y creado hace 3 días huele fatal.
- Revisa el repositorio de GitHub vinculado. Si no existe, o tiene dos estrellas y un solo commit, huye.
- Usa herramientas de análisis como Snyk, FOSSA o Socket.dev que detectan paquetes sospechosos automáticamente.
- Trabaja en entornos virtuales aislados (venv, conda, Docker). Si algo sale mal, el daño queda contenido.
Lectura: cuanto más "gratis" y "open" es el modelo, mayor es la probabilidad de que te invente un paquete que mañana un atacante registrará con malware dentro. No porque el modelo sea malicioso: simplemente porque alucina más.
Error 3 — Pegar claves, tokens o contraseñas directamente en el prompt
Lo veo todos los días. Alguien le pide a una IA "ayúdame a debuggear esto" y pega un bloque donde se lee API_KEY="sk-xxxxxxx..." en claro. Ya está. Ese token debes considerarlo comprometido a partir de ese instante.
No porque la empresa de IA te vaya a robar la clave (no les hace falta, su modelo de negocio es otro), sino porque:
- Los prompts pueden almacenarse y ser utilizados para entrenamiento si no has desactivado esa opción.
- Los registros del servicio pueden filtrarse (ya ha pasado).
- Tu propio historial de conversaciones queda guardado y, si te hackean la cuenta de Google/OpenAI/Anthropic, quien entre verá todo.
Cómo evitarlo: antes de pegar cualquier bloque de código en una IA, pasa un search buscando las cadenas KEY, TOKEN, SECRET, PASSWORD, DATABASE_URL y reemplázalas por XXXX. Si ya lo has hecho alguna vez, rota esas claves ahora mismo (genera tokens nuevos e invalida los antiguos en el panel del proveedor).
Error 4 — El "vibe coding" mal entendido: generar 3.000 líneas sin leer ninguna
El término vibe coding lo popularizó Andrej Karpathy en 2025 y se refiere a dejar que la IA lleve el timón del desarrollo mientras tú guías con lenguaje natural. Para prototipos y pruebas de concepto es maravilloso. Para código que va a producción es suicida.
El caso más famoso: Enrichlead. Su fundador presumió en redes de que el 100% del código lo había escrito Cursor AI, sin tocar nada a mano. A los pocos días de lanzamiento, la plataforma resultó estar llena de fallos de seguridad de principiante: cualquiera podía acceder a funciones de pago, alterar datos de otros usuarios, escalar privilegios. El proyecto se canceló porque el fundador no fue capaz de llevar el código a un estándar de seguridad mínimo ni siquiera con la IA ayudándole. Moraleja: cuando todo el código es IA y ningún humano entiende la arquitectura, no hay nadie para arreglarlo cuando se rompe.
Cómo evitarlo: usa vibe coding para explorar, para hacer mock-ups, para jugar. Pero cuando el proyecto tenga usuarios de verdad, autenticación, pagos o datos personales, tú tienes que poder leer cada línea y decir qué hace. No es opcional.
Error 5 — No validar datos de entrada (el SQL injection sigue existiendo en 2026)
La IA tiene una manía: cuando le pides un formulario, un endpoint o una función que recibe datos del usuario, con frecuencia se salta la validación de entradas a menos que se lo pidas explícitamente. Te da un código que "funciona" con los datos bonitos del ejemplo y explota con los datos reales.
El resultado clásico:
- SQL injection (pasar comandos SQL disfrazados de nombre de usuario).
- XSS (inyectar JavaScript en un campo de comentarios).
- Path traversal (pedir
../../../etc/passwden un campo de ruta). - Buffer overflows en lenguajes más bajos.
El OWASP Top 10 sigue exactamente igual que hace diez años porque la IA ha multiplicado el volumen de código vulnerable, no lo ha reducido.
Cómo evitarlo: pide explícitamente a la IA "añade validación de entradas", "usa consultas parametrizadas", "sanitiza la salida HTML". Y después revisa que lo haya hecho de verdad: a veces dice que sí y no lo hace.
Error 6 — Subir .env, credenciales o archivos de configuración a GitHub
Este lleva existiendo desde antes de la IA, pero ahora es peor porque los principiantes generan proyectos enteros en 20 minutos y los suben a GitHub sin mirar qué hay dentro.
Los bots que rastrean GitHub buscando credenciales filtradas son automáticos y están encendidos 24/7. Una AWS_SECRET_KEY filtrada en un commit puede generarte miles de euros en minería de criptomonedas en menos de una hora antes de que te des cuenta.
Cómo evitarlo:
- Crea siempre un
.gitignoreantes del primer commit. Añade.env,*.key,credentials.json,config/secrets.yml, etc. - Usa variables de entorno, no hardcodees nada sensible.
- Si ya has subido algo por error, no basta con borrarlo en un nuevo commit: queda en el historial. Hay que limpiar el historial con
git filter-repoy rotar las claves (asume que ya las han visto). - Activa el secret scanning de GitHub (gratis para repos públicos).
Si quieres profundizar en buenas prácticas de despliegue y estabilidad, nuestro análisis sobre alternativas a WeTransfer con cifrado real cubre algunas ideas sobre cómo gestionar archivos sensibles sin regalar tus datos.
Error 7 — Confiar en las dependencias sin auditarlas
Relacionado con el Error 2 pero más general. La IA tiende a "resolver" problemas pegándote tres librerías enormes cuando harían falta veinte líneas de código. Cada librería que añades a tu proyecto es:
- Superficie de ataque nueva.
- Código que no has escrito tú y no has leído.
- Un punto de fallo cuando el mantenedor abandone el paquete (y siempre acaban abandonándolo).
- Peso añadido que ralentiza tu build y tu despliegue.
Cómo evitarlo: antes de aceptar una librería que te sugiere la IA, pregunta: "¿Puede esto hacerse con la librería estándar del lenguaje?" En el 60% de los casos la respuesta es sí.
Error 8 — No escribir tests (y fingir que la IA los escribe por ti)
La IA puede escribir tests, y muy buenos. El problema es que casi ningún principiante se los pide, y cuando se los pide, no entiende los tests lo suficiente para saber si realmente están probando algo útil.
Un test que siempre pasa porque compara 1 == 1 es peor que no tener test: te da falsa seguridad. Lo he visto cientos de veces: tests generados por IA que parecen completos y que en realidad no cubren el caso de uso real.
Cómo evitarlo: después de que la IA te escriba un test, haz lo siguiente: rompe el código a propósito. Cambia un + por un -, invierte una condición, comenta una línea clave. ¿Sigue pasando el test? Entonces el test no sirve para nada. Hay que rehacerlo.
Error 9 — Entregar código generado por IA sin entender su licencia
Esto le va a costar juicios a muchísima gente en los próximos años. Algunos modelos de IA se entrenaron con código de GitHub sin filtrar licencias. Si el código que la IA te "genera" es en realidad una paráfrasis de un proyecto con licencia GPL y tú lo usas en una aplicación comercial cerrada, te pueden obligar a liberar el código de toda tu aplicación bajo GPL.
Esto no es paranoia. Hay demandas abiertas (el caso Doe v. GitHub contra Copilot, entre otros) que están definiendo los límites ahora mismo.
Cómo evitarlo: para código comercial, usa herramientas que declaren explícitamente que el código generado es libre de licencias problemáticas (Amazon Q, Tabnine Enterprise, etc.), o pasa el código por detectores como Black Duck, FOSSA. Y mantén logs de qué le pediste a la IA y cuándo, por si algún día tienes que defender la autoría.
Error 10 — Pensar que la IA sustituye al aprendizaje real
El más importante y el que dejo para el final porque muchos principiantes no quieren oírlo. Si tu estrategia es "no necesito aprender porque la IA lo hace por mí", estás construyendo una carrera encima de una base que no existe.
Cuando la IA se equivoca —y se equivoca constantemente en cuanto sales de lo trivial— no tienes las herramientas cognitivas para detectar el error. Cuando el bug aparece en producción a las 3 de la mañana y la IA no consigue arreglarlo, no sabes por dónde empezar. Cuando llega la entrevista técnica y te piden resolver algo sin asistente, te quedas en blanco.
El uso correcto de la IA para aprender no es "haz mi tarea por mí". Es:
- Escribe tú primero el código como puedas, aunque sea feo y mal.
- Pídele a la IA que te lo revise, te explique qué está mal y por qué.
- Reescribe con el conocimiento nuevo.
- Pregúntale cosas conceptuales ("¿por qué un hash map es más eficiente aquí que una lista?", "¿qué pasa si hay 10.000 usuarios concurrentes?").
Usar la IA así te convierte en un desarrollador 3x más rápido. Usarla al revés te convierte en un pegacódigos con fecha de caducidad.
Checklist rápido antes de usar cualquier código generado por IA
Imprime esto y pégalo al lado del teclado:
- ¿Entiendo qué hace cada línea?
- ¿He verificado que los paquetes que instala existen de verdad en el registro oficial?
- ¿Estoy pasando alguna clave, token o contraseña en el prompt?
- ¿El código valida los datos de entrada?
- ¿Tengo
.gitignoreconfigurado antes del primer commit? - ¿He probado el código con datos feos a propósito?
- ¿Los tests fallarían si rompiera el código?
- ¿Conozco la licencia de las librerías que introduce?
- ¿Puedo explicarle este código a otra persona?
- ¿Estoy aprendiendo algo, o solo copiando?
Si alguna respuesta es "no" o "no lo sé", no subas ese código a producción.
Preguntas frecuentes (FAQ)
¿Qué IA es más segura para aprender a programar siendo principiante? En términos de tasa de alucinación de paquetes, los modelos comerciales de pago (Claude, GPT-4, Gemini en sus versiones actuales) son significativamente mejores que los modelos open source gratuitos. Pero el factor más importante no es la IA: es cómo la usas. Un principiante con GPT-3.5 y buenas prácticas es más seguro que uno con Claude Opus copiando a ciegas.
¿Puedo usar código generado por IA en un proyecto profesional? Sí, pero con las precauciones de los errores 7, 8 y 9 aplicadas. Revisión humana obligatoria, tests reales, auditoría de licencias y de dependencias.
¿Qué es exactamente el slopsquatting? Un ataque donde se registran paquetes maliciosos con los nombres que las IAs tienden a inventar repetidamente, aprovechando que los desarrolladores confían en las sugerencias del asistente. El término lo acuñó Seth Larson, de la Python Software Foundation, en 2025.
¿Son las alucinaciones de paquetes un problema resuelto hoy? No. Las tasas han bajado en modelos comerciales pero siguen por encima del 3% incluso en los mejores. Y el 43% de las alucinaciones se repiten: si tu IA inventó react-authsecure una vez, lo va a volver a inventar, y un atacante puede estar esperando ese momento.
¿Qué hago si creo que ya he instalado un paquete malicioso?
- Desconecta el equipo de la red.
- Rota todas tus credenciales (SSH, tokens, contraseñas, API keys) desde otro equipo limpio.
- Revisa logs del sistema y conexiones salientes recientes.
- En un caso serio, restaura desde copia de seguridad o reinstala el sistema. No hay atajos.
¿La IA va a sustituir a los programadores principiantes? Mi predicción técnica: va a sustituir a los que usen la IA para no aprender. Los que la usen para aprender más rápido van a ser desarrolladores excepcionales en 3-5 años. La diferencia no está en la herramienta, está en el uso.
Mi historia con la tecnología empezó con un Atari, siguió con un IBM DX4 y se complicó bastante cuando descubrí Internet con un módem de 56k. Desde entonces no he dejado de cacharrear, probar aparatos y comprar cosas que probablemente no necesitaba. En MundoBug cuento lo que descubro, lo que me gusta y lo que me parece una tomadura de pelo. Sin tecnicismos innecesarios y con algo de humor, que bastante seria es ya la vida.
Comentarios
Inicia sesion o registrate para dejar tu comentario.
Aun no hay comentarios
Se el primero en compartir tu opinion