Codificar por sensaciones un punto de venta: ¿hasta dónde se puede llegar realmente?

Sorprendentemente lejos, y luego contra una pared. Codificar por sensaciones (vibe coding) un punto de venta le permite obtener una pantalla de pago convincente, un catálogo de productos y una lógica de carrito funcional en una tarde, sin necesidad de conocimientos de código. Lo que no le permite obtener es un POS con el que pueda dirigir un negocio. La distancia entre esas dos cosas es el tema de esta publicación, porque la demostración hace que la brecha parezca mucho menor de lo que es.

Una advertencia antes de entrar en detalles: las herramientas de IA cambian mensualmente, así que considere los detalles aquí expuestos como una instantánea precisa en el momento de la publicación.

¿Qué se puede construir realmente codificando por sensaciones?

Más de lo que afirman los escépticos. Dé a una herramienta como Lovable, Replit o v0 la instrucción "construir un POS para mi cafetería" y obtendrá una interfaz real: cuadrícula de menú, modificadores, un carrito, un total y tal vez un paso de pago simulado. Se ve bien, funciona bien al hacer clic y puede ponerlo delante de la gente el mismo día.

Eso no es un truco. Para la capa visible de un POS, la generación por IA es legítimamente buena y sigue mejorando. Si lo que necesita es un prototipo, una demostración para una presentación o una forma de pensar en su propio flujo de pago, la codificación por sensaciones cumple su cometido.

¿Dónde se desmorona un POS codificado por sensaciones?

En las partes que tienen que ser correctas en todo momento, sin que nadie las vigile.

• Inventario bajo concurrencia (dos ventas que coinciden en el mismo instante): la lógica de stock generada por IA suele leer una cantidad, restar una y volver a escribirla. Dos ventas simultáneas de la última unidad tienen éxito, y usted habrá vendido un stock que no tiene.

• Informes que se concilian (totales que coinciden con el dinero que realmente se movió): un informe de demostración suma una tabla. Un informe real sobrevive a reembolsos, anulaciones, pagos parciales y cambios de precios a mitad del día sin desviarse de las cifras de su procesador.

• Impuestos: tarifas por región, reglas por categoría de producto, redondeo a nivel de línea frente al total. Las respuestas incorrectas aquí no son errores de software, son responsabilidades legales.

• Seguridad: en el estudio de Veracode de 2025 sobre más de 100 modelos de IA, el 45 % de las muestras de código generadas no superaron las pruebas de seguridad del Top 10 de OWASP, y la tasa de fallos no mejoró con modelos más nuevos o más grandes¹.

Ninguno de estos fallos aparece en una demostración. Todos ellos aparecen en el segundo mes de funcionamiento de una tienda.

¿Qué pasa con la aceptación de pagos reales?

Este es el límite más estricto. Los pagos con tarjeta en línea requieren el cumplimiento de PCI (normas de seguridad de datos de tarjetas), y los pagos con tarjeta presente requieren además un hardware de terminal certificado emparejado con un procesador de pagos. No hay ninguna instrucción que genere una certificación de hardware.

Apple y Google imponen esto en la entrada: hemos analizado por qué las aplicaciones de pago codificadas por sensaciones son rechazadas en la App Store, y la versión corta es que los equipos de revisión comprueban quién está canalizando los pagos mucho antes de comprobar lo bonita que es su interfaz.

¿Se puede saber si la IA se ha equivocado?

Esta pregunta decide si la codificación por sensaciones es segura para una parte determinada de su POS. Puede juzgar una pantalla de pago con solo mirarla. No puede juzgar el código de bloqueo de inventario o de conciliación con solo mirarlo, y la mayoría de los comerciantes no sabrían qué buscar.

La objeción habitual es "haga que un desarrollador revise el resultado de la IA". De acuerdo, pero entonces estará pagando por el desarrollo de todos modos, y revisar el código desconocido de otra persona, ya sea humana o IA, suele ser más lento que escribirlo de nuevo. Las ventajas económicas que hacían atractiva la codificación por sensaciones desaparecen.

Entonces, ¿hasta dónde se puede llegar realmente?

Hasta una demostración convincente, y casi a ninguna parte en las partes que hacen de un POS un sistema empresarial. La capa visible es un problema resuelto para la IA; la capa del dinero no lo es, y falla silenciosamente. La regla práctica: antes de dejar que la IA desarrolle algo, pregúntese si podría saber si se ha equivocado. Si la respuesta es sí, adelante con las instrucciones. Si es no, esa parte pertenece a una infraestructura probada.

Esa división es exactamente cómo se estructuran los creadores de POS con IA como los de Final: la IA diseña sus flujos de pago mientras que el inventario, los informes y los pagos se ejecutan en canales preconstruidos que no puede romper. Si quiere ver cómo es eso en la práctica, empiece por crear su primer flujo o nuestro tutorial sobre el uso de ChatGPT para crear un POS a medida.