¿Qué es el AI slop en el código?
AI slop es lo que la IA produce que parece terminado pero es de baja calidad por dentro. En el código se ve como comentarios de más, bloques try y catch alrededor de todo, tres funciones que hacen lo mismo, código muerto de intentos abandonados, paquetes instalados que nadie usa y pruebas escritas para pasar, no para verificar nada.
El tipo más riesgoso es el código que parece correcto pero no lo es: una llamada a un método que no existe, un control de permisos que nunca se ejecuta, una regla de base de datos que deja a cualquier usuario leer todos los registros. Limpiar el slop (deslop o unslop, como se le dice en inglés) es quitar esa capa y dejar código que hace cada cosa en un solo lugar.
Por qué el código generado con IA se cae a medida que el proyecto crece
Una herramienta de IA solo ve lo que cabe en su ventana de contexto. En un proyecto pequeño eso es toda la app. A medida que el proyecto crece, cada prompt ve una parte más pequeña, así que la IA repite código que ya existe donde no lo ve, rompe un flujo que no conocía o contradice una decisión de hace tres semanas. Además, los modelos se vuelven menos confiables cuando el contexto se llena, un efecto conocido como context rot.
El resultado es una arquitectura que se desvía. Cada sesión toma una decisión razonable por separado, y juntas terminan en cuatro formas de manejar errores, dos formas de llamar a la API y tres formatos de fecha. Ahí es cuando cada arreglo rompe otra cosa y la IA empieza a dar vueltas en círculo.
Deuda de comprensión: código que nadie en el equipo entiende
Cuando una persona escribe código, entenderlo viene incluido. Cuando la IA lo escribe más rápido de lo que alguien puede revisarlo, el código crece más allá de lo que el equipo realmente conoce. Esa diferencia es la deuda de comprensión (comprehension debt), y se paga el día que algo falla en producción y nadie puede explicar cómo funcionan los pagos, los permisos o los correos.
Pagarla es leer el código, documentar cómo funcionan los flujos principales, borrar lo que no se usa y poner pruebas en lo importante, para que el próximo programador, o la próxima sesión de IA, empiece sobre una base sólida.
Riesgos de seguridad en apps hechas con vibe coding
Lo que más se encuentra en apps hechas con IA: llaves de API y contraseñas en el código del frontend o en el repositorio, la seguridad por fila (RLS) de Supabase apagada o reglas de Firebase abiertas a cualquiera, permisos que existen en la pantalla pero no en el backend, datos de entrada sin validar y llaves de APIs de IA o de pagos sin límite de gasto.
También está el slopsquatting. La IA a veces sugiere paquetes que no existen, y hay atacantes que registran esos nombres con código malicioso. La limpieza revisa cada dependencia, quita lo que no se usa o no se conoce y reemplaza las librerías abandonadas.
Señales de que tu app hecha con IA necesita un rescate
Cada arreglo rompe otra cosa. La IA reescribe el mismo archivo una y otra vez sin resolver el problema. Nadie quiere tocar los pagos ni el inicio de sesión. Publicar es manual y da miedo. Las pantallas se pusieron lentas a medida que crecieron los datos. La factura del hosting o de la IA subió y nadie sabe por qué. Un programador que contrataste lo miró y sugirió empezar de cero.
Cualquiera de estas es razón suficiente para pedir una revisión del código antes de agregar la próxima función encima.
¿Arreglar o reescribir una app hecha con IA?
Casi siempre arreglarla. Reescribir tira lo que ya funciona y trae de vuelta los mismos riesgos. La revisión del código muestra qué partes están bien, cuáles necesitan refactorización y cuáles, si hay alguna, cuesta menos reemplazar.
Cuando reemplazar una parte es la mejor opción, se hace por etapas mientras la app actual sigue en línea, para que tus usuarios no esperen un gran cambio de golpe.
¿Cómo funciona la limpieza?
Empieza con una revisión del código: arquitectura, seguridad, modelo de datos, dependencias, rendimiento, pruebas y forma de publicar. El resultado es una lista de problemas ordenada por riesgo y un primer ciclo enfocado en los más urgentes.
Después el trabajo va en ciclos fijos de 6 semanas, en orden de riesgo: llaves y contraseñas, inicio de sesión y permisos, reglas de base de datos y datos, validación de entrada, pruebas en los flujos críticos, limpieza del slop y refactorización, y una publicación confiable. Cada ciclo termina con las mejoras en producción y las convenciones escritas para tu equipo y tus herramientas de IA.
¿Con qué herramientas de IA y tecnologías trabajan?
Apps generadas con Cursor, Claude Code, GitHub Copilot, Lovable, Bolt, Replit, v0 y ChatGPT. La mayoría producen código en React, Next.js o Node.js sobre Supabase, Firebase o PostgreSQL, las mismas tecnologías con las que DevLunch trabaja todos los días, junto con Ruby on Rails y React Native.
Si el código todavía no está en un repositorio tuyo, primero se mueve ahí, con ambientes separados para desarrollo y producción.
¿Cuánto cuesta arreglar código generado con IA?
DevLunch no cobra por hora. El trabajo se cotiza por ciclos fijos de 6 semanas, con precio y fecha de entrega definidos antes de empezar. Después de cada ciclo decides si continuar.
