La inteligencia artificial está generando cada vez más código, pero esto no se traduce necesariamente en un desarrollo de software más rápido.
Una de las informaciones más interesantes que he leído sobre los agentes de codificación basados en inteligencia artificial es la siguiente: más código no siempre significa más software.
El estudio de Fiona Chen y James Stratton de Harvard analizó datos de más de 700.000 empleados en más de 700 empresas de software, así como 300 millones de eventos de trabajo, desde 2021 hasta marzo de 2026. Después de la implementación de los agentes de codificación, el número promedio de líneas de código aumentó en un 30%, el número de commits en un 20% y el número de solicitudes de extracción (pull requests) en un 23%.
Pero la pregunta clave es: ¿esto se traduce en una mayor productividad? No parece ser así. No se observó un cambio estadísticamente significativo en la tasa de finalización de errores, tareas y características que se rastrean en herramientas como Jira.
El cuello de botella se encuentra en la revisión del código. El tiempo que transcurre desde que se envía una solicitud de extracción hasta que se integra en el código base principal aumentó en un 49%. La proporción de solicitudes de extracción que requieren modificaciones casi se duplicó, el número de comentarios por solicitud de extracción aumentó en un 35% y el porcentaje de empleados que realizan revisiones de código también aumentó en un 14%. Es decir, gran parte de la velocidad ganada en la fase de codificación se pierde en la revisión y corrección.
Las empresas están intentando resolver este problema con la inteligencia artificial: al marzo de 2026, el 80% de las empresas analizadas utilizaban algún tipo de herramienta de revisión de código basada en inteligencia artificial. Sin embargo, solo el 23,3% de los comentarios de revisión provienen de estos agentes, y solo contribuyen al 10,8% de las solicitudes de extracción; la mayor parte del trabajo sigue siendo realizado por personas. Además, no se observó un cambio significativo en el número de empleados activos, al menos durante el período analizado.
Es importante tener en cuenta que los datos finalizan en marzo de 2026, y que las herramientas han evolucionado desde entonces. Sin embargo, la conclusión que saco es clara: para mejorar la productividad, no solo es necesario acelerar el proceso de codificación, sino también la revisión, la corrección y la integración.
Noticia en Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF del estudio: https://fion.ac/jellyfish.pdf
Fuente: DonanımHaber
El estudio de Fiona Chen y James Stratton de Harvard analizó datos de más de 700.000 empleados en más de 700 empresas de software, así como 300 millones de eventos de trabajo, desde 2021 hasta marzo de 2026. Después de la implementación de los agentes de codificación, el número promedio de líneas de código aumentó en un 30%, el número de commits en un 20% y el número de solicitudes de extracción (pull requests) en un 23%.
Pero la pregunta clave es: ¿esto se traduce en una mayor productividad? No parece ser así. No se observó un cambio estadísticamente significativo en la tasa de finalización de errores, tareas y características que se rastrean en herramientas como Jira.
El cuello de botella se encuentra en la revisión del código. El tiempo que transcurre desde que se envía una solicitud de extracción hasta que se integra en el código base principal aumentó en un 49%. La proporción de solicitudes de extracción que requieren modificaciones casi se duplicó, el número de comentarios por solicitud de extracción aumentó en un 35% y el porcentaje de empleados que realizan revisiones de código también aumentó en un 14%. Es decir, gran parte de la velocidad ganada en la fase de codificación se pierde en la revisión y corrección.
Las empresas están intentando resolver este problema con la inteligencia artificial: al marzo de 2026, el 80% de las empresas analizadas utilizaban algún tipo de herramienta de revisión de código basada en inteligencia artificial. Sin embargo, solo el 23,3% de los comentarios de revisión provienen de estos agentes, y solo contribuyen al 10,8% de las solicitudes de extracción; la mayor parte del trabajo sigue siendo realizado por personas. Además, no se observó un cambio significativo en el número de empleados activos, al menos durante el período analizado.
Es importante tener en cuenta que los datos finalizan en marzo de 2026, y que las herramientas han evolucionado desde entonces. Sin embargo, la conclusión que saco es clara: para mejorar la productividad, no solo es necesario acelerar el proceso de codificación, sino también la revisión, la corrección y la integración.
Noticia en Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF del estudio: https://fion.ac/jellyfish.pdf
Fuente: DonanımHaber
Comentarios 0
Deja el primer comentario, en el idioma que quieras.
Inicia sesión para comentar