Aunque herramientas como GitHub Copilot o Cursor prometían multiplicar la capacidad de los equipos de desarrollo, un análisis longitudinal revela que el aumento real de productividad ronda el 10%. El principal obstáculo no es escribir código, sino todo lo que rodea al proceso.
Durante los últimos años, la inteligencia artificial aplicada al desarrollo de software fue presentada como una revolución capaz de multiplicar la productividad de los equipos de ingeniería. Asistentes de programación basados en IA prometían acelerar drásticamente la creación de código y reducir tiempos de entrega.
Sin embargo, un estudio longitudinal realizado por DX (Developer Experience), que analizó datos de 40 empresas entre 2024 y 2026, muestra una realidad más moderada: el incremento promedio de productividad se sitúa alrededor del 10%, medido a través de métricas concretas como el número de pull requests completados.
Esto no implica que la IA haya fracasado en el desarrollo de software, pero sí sugiere que el impacto está lejos de las expectativas iniciales de muchos fundadores y líderes técnicos.
El verdadero cuello de botella en los equipos de desarrollo
A diferencia de encuestas basadas en percepciones, el estudio de DX se centró en datos reales de actividad en repositorios de código, analizando cómo los equipos utilizaban herramientas de IA durante un período de dos años.
La principal conclusión es que el problema no está en la velocidad de escritura del código. Los desarrolladores ya realizan esa tarea con relativa rapidez. El verdadero límite de la productividad se encuentra en actividades que rodean el desarrollo.
Entre ellas destacan:
- La planificación de sprints y tareas.
- La revisión de código entre pares.
- La coordinación con equipos de producto.
- La gestión de dependencias técnicas.
- La documentación y el mantenimiento.
Las herramientas actuales de IA son especialmente eficaces generando fragmentos de código, pero tienen un impacto mucho menor en estos procesos organizativos y colaborativos, que consumen una gran parte del tiempo de los equipos.
Otros estudios confirman resultados similares
El informe de DX no es un caso aislado. Distintas investigaciones recientes apuntan a resultados comparables sobre el impacto real de la inteligencia artificial en la productividad de los desarrolladores.
Un análisis del MIT Sloan realizado en tres empresas tecnológicas detectó un aumento promedio del 26% en tareas completadas por semana, aunque con diferencias significativas según el nivel de experiencia. Los desarrolladores junior experimentaron mejoras de entre 27% y 39%, mientras que los perfiles senior registraron incrementos mucho más modestos, de 8% a 13%.
Por otro lado, un ensayo controlado aleatorio publicado en arXiv en 2025, centrado en desarrolladores experimentados de proyectos open source, encontró un resultado inesperado: el uso de herramientas de IA aumentó el tiempo de finalización de tareas complejas en un 19%, pese a que los propios programadores creían que trabajarían aproximadamente un 20% más rápido.
En línea con estos resultados, un informe de Bain & Company (2025) estimó mejoras de productividad de entre 10% y 15% cuando las empresas utilizan asistentes de código de forma básica. El impacto puede alcanzar entre 25% y 30% únicamente cuando la inteligencia artificial se integra en todo el ciclo de desarrollo, y no solo en la generación de código.
La paradoja de la automatización del código
Parte del problema radica en una suposición equivocada: pensar que escribir código es la principal limitación del trabajo de un desarrollador.
Datos de Anthropic sobre el uso de Claude en entornos de programación indican que la escritura activa de código representa aproximadamente el 23% del tiempo total de un programador. El resto se reparte entre reuniones, planificación, revisiones, depuración de errores, documentación y comunicación con distintos equipos.
Esto significa que incluso si la IA acelera significativamente la escritura de código, el 77% restante del trabajo permanece prácticamente igual.
A este factor se suma un efecto secundario detectado por varios estudios: el código generado por IA puede introducir errores en determinados contextos. Según el informe de Faros AI sobre la llamada “paradoja de productividad de la IA”, algunos equipos observaron un aumento en el número de commits y pull requests, pero también un incremento en los ciclos de corrección de errores, lo que termina reduciendo parte de la ganancia inicial.
En conjunto, estos hallazgos sugieren que el verdadero impacto de la inteligencia artificial en el desarrollo de software dependerá menos de su capacidad para generar código y más de su integración en procesos más amplios de colaboración, gestión y planificación dentro de los equipos de ingeniería.