No saber programar de forma profesional no significa no poder crear software. En mi caso, la entrada vino desde otro lugar: ingeniería, mantenimiento industrial, resolución de problemas en terreno y uso diario de Linux.
No saber programar no significa no poder crear
Cuando comencé a trabajar en mis propios proyectos de software, no partí desde la posición clásica de un programador profesional. Tenía ideas claras sobre lo que quería construir, pero no siempre sabía cómo llevar esas ideas a código.
Ahí fue donde herramientas como Codex, integradas al flujo de trabajo con Visual Studio Code, comenzaron a tener un impacto importante. Uno de los mayores bloqueos al comenzar en programación es pensar que primero hay que dominar completamente un lenguaje antes de intentar construir algo útil.
Mi experiencia fue distinta. Mis proyectos nacieron desde necesidades reales: controlar funciones del sistema en Fedora, crear herramientas simples para usuarios no expertos, mejorar flujos de trabajo en Linux, organizar recursos para IA y experimentar con interfaces gráficas para KDE Plasma.
Codex no eliminó la necesidad de aprender. Al contrario: hizo que el aprendizaje fuera más práctico.
Visual Studio Code como espacio de trabajo
Visual Studio Code se convirtió en una especie de taller. Ahí podía abrir el proyecto completo, revisar archivos, modificar código, probar cambios y mantener todo ordenado con Git.
La IA dentro de ese entorno ayuda porque no trabaja solo con una línea aislada, sino con el contexto del proyecto. Puede revisar estructuras, sugerir mejoras, explicar por qué algo falla y proponer cambios sin perder completamente la lógica del software.
Para alguien que está aprendiendo, eso cambia mucho la experiencia. En vez de mirar una pantalla llena de archivos sin saber por dónde empezar, es posible preguntar qué hace un archivo, por qué falla un botón, cómo separar mejor la interfaz de la lógica o qué debería limpiarse antes de subir a GitHub.
La IA no reemplaza el criterio
Algo que fui entendiendo es que la IA puede escribir código, pero no siempre sabe exactamente qué necesito como usuario final. Puede generar una solución técnicamente correcta, pero visualmente pobre. Puede crear una estructura funcional, pero demasiado compleja. Puede sugerir cambios que funcionan, pero que no representan bien la intención del proyecto.
Por eso el criterio sigue siendo humano. En mis proyectos, muchas veces la IA entregó una base, pero luego fue necesario revisar, probar, corregir y decidir qué mantener.
Al trabajar con interfaces para KDE Plasma, por ejemplo, no bastaba con que el plasmoide funcionara. También tenía que sentirse integrado al escritorio, verse limpio, ocupar poco espacio y ser entendible para cualquier usuario. Ahí aprendí que programar no es solo escribir código. También es tomar decisiones.
Aprender corrigiendo errores
Una de las partes más útiles de Codex ha sido el aprendizaje a partir de errores. Cuando algo falla, el mensaje deja de ser solo una frustración y se convierte en una pista.
Errores de rutas, permisos, scripts, QML, Git, GitHub Pages o empaquetado dejan de ser obstáculos imposibles cuando se pueden analizar paso a paso. La IA ayuda a interpretar qué significa el error, qué archivo revisar y qué comando ejecutar para confirmar el problema.
Eso no significa copiar y pegar sin entender. Significa usar la IA como apoyo para aprender a leer el sistema.
De una idea a un proyecto real
El mayor cambio fue pasar de ideas sueltas a proyectos con estructura: repositorios en GitHub, README, licencias, scripts de instalación, documentación, versiones, limpieza de archivos innecesarios, publicación web, pruebas en Fedora KDE e integración con el entorno real del sistema.
Eso me permitió entender mejor cómo se construye software de forma más seria. No solo como un archivo que funciona en mi PC, sino como un proyecto que puede explicarse, compartirse y mejorarse.
Codex como herramienta de aprendizaje
Para mí, Codex no representa un atajo para evitar aprender programación. Representa una forma distinta de aprender.
Antes, aprender programación podía sentirse como estudiar muchas cosas antes de poder hacer algo útil. Con IA, el proceso puede partir desde una necesidad concreta. Uno construye, prueba, falla, pregunta, corrige y entiende.
Ese ciclo es muy valioso. La IA ayuda a bajar la barrera de entrada, pero el aprendizaje real ocurre cuando uno revisa lo que se generó, entiende por qué funciona y se atreve a modificarlo.
Cómo influyó en mis proyectos
Codex influyó especialmente en la forma de ordenar y profesionalizar mis ideas. Me ayudó a convertir problemas cotidianos en herramientas más concretas.
Proyectos como herramientas para Fedora, gestores de recursos para IA o plasmoids para KDE Plasma nacieron desde una mezcla entre curiosidad, necesidad práctica y aprendizaje continuo. La IA fue importante, pero no como autora total. Fue más bien una asistente técnica: propone, explica, corrige y acelera.
La dirección del proyecto, la necesidad original y las decisiones finales siguen viniendo de la experiencia personal y del uso real.
Conclusión
Usar Codex en Visual Studio Code me demostró que no saber programar de forma profesional no impide comenzar a crear. Lo importante es tener una idea clara, probar con paciencia y usar las herramientas disponibles de forma inteligente.
La IA no reemplaza el aprendizaje. Lo transforma. Permite aprender construyendo, y para quienes venimos de áreas técnicas como mantenimiento, ingeniería o automatización, puede ser un puente muy potente entre la experiencia práctica y el mundo del software.
En mi caso, ese puente se convirtió en PunchiSoft: un espacio donde Linux, IA, ingeniería y desarrollo se unen para resolver problemas reales.