La cifra que todo el mundo cita
En 2023 se publicó un experimento que desde entonces sale en todas las presentaciones: el grupo que usaba un autocompletado de código con IA terminó un 55,8 % más rápido que el grupo de control.
Lo que casi nunca se añade: la tarea era escribir un servidor HTTP en JavaScript, desde cero, lo más rápido posible. Y los autores son empleados de la empresa que vende la herramienta.
Eso no invalida la medición. Dice a qué se aplica: a una tarea autocontenida, bien definida y empezada de cero, donde no hay base de código previa, ni estilo que respetar, ni código que no se pueda romper.
La cifra que no le gusta a nadie
En julio de 2025 se publicó un experimento más estricto. Dieciséis desarrolladores open-source con experiencia, 246 issues reales, decidiendo al azar en cada tarea si se podía usar IA. Los repositorios tienen de media 22.000 estrellas y más de un millón de líneas, y los desarrolladores llevan cinco años de media trabajando en ellos. La tarifa era de 150 dólares la hora, para que la motivación no fuera el problema.
El resultado: con IA, el trabajo llevó un 19 % más de tiempo.
Los propios autores añaden la limitación más importante: «no afirmamos que nuestros desarrolladores o nuestros repositorios representen la mayoría del trabajo de desarrollo de software». Este es el peor escenario posible para la IA: base de código madura, listón de calidad alto y gente que se sabe el código de memoria. Justo por eso resulta interesante.
Y es difícil de descartar por lo robusto que es: repasaron veinte posibles factores explicativos — tamaño del proyecto, exigencia de calidad, experiencia previa con IA — y la ralentización se mantuvo en todos los cortes.
Los 39 puntos porcentuales
Aquí llega la parte que importa más que las dos mediciones juntas.
Antes del experimento, los desarrolladores esperaban una aceleración del 24 %. Después — habiendo trabajado de verdad más despacio, en sus propias carnes — seguían sintiendo una aceleración del 20 %. El valor medido fue una ralentización del 19 %.
No falló su pronóstico. Falló su percepción. Esa brecha de 39 puntos porcentuales es la razón por la que en este tema no se puede decidir por impresiones. Qué conviene medir en su lugar lo recorre paso a paso el post medir el efecto , con ejemplos de marketing, aunque el método sea el mismo.
Un apunte importante: ese mismo equipo de investigación anunció en febrero de 2026 que su diseño experimental se había venido abajo — entre el 30 y el 50 % de los desarrolladores ya se niega a hacer ciertas tareas sin IA, así que eligen ellos qué entregan. Su postura de hoy es que en 2026 la IA probablemente acelera, solo que no saben cuánto. O sea: ese 19 % de ralentización no es un hecho de 2026, sino historia de medición de principios de 2025 — la brecha de 39 puntos porcentuales, en cambio, no ha desaparecido.
En qué coinciden las muestras grandes
La mayor encuesta del sector preguntó a casi cinco mil profesionales en 2025. Tiene cuatro cifras que juntas cuentan lo esencial:
- el 90 % usa IA en su trabajo;
- más del 80 % dice que su productividad ha subido;
- el 30 %, en cambio, tiene poca o ninguna confianza en el código generado por IA;
- y en los indicadores de entrega: el throughput mejora, la estabilidad empeora.
Esta última es la frase clave. En palabras del propio informe, la IA es un amplificador: agranda las fortalezas de las organizaciones que funcionan bien y las disfunciones de las que van a trompicones.
Otra medición, basada en lo que declaran más de 400 empresas, muestra lo mismo en una cifra práctica: el tamaño mediano de los pull requests pasó de 44 líneas a 72 entre julio de 2025 y junio de 2026. Por cada revisión pasa más código que antes — y la capacidad de revisión no ha crecido con él.
La deuda técnica que sí se puede medir
Hay una empresa de analítica de código que analizó 623 millones de cambios de código entre 2023 y 2026. No es investigación revisada por pares, y no publica sus criterios de selección de repositorios — pero los órdenes de magnitud hablan solos.
| Indicador | Cambio |
|---|---|
| Duplicación de bloques | +81 % desde 2023 |
| Proporción de código «movido» (refactorizado) | 21 % → 3,8 % |
| Acoplamiento entre ficheros | −35 % |
| Mantenimiento de código heredado | 1,7 % → 0,46 % |
En una frase: la duplicación ha crecido y la proporción de código refactorizado ha caído a una fracción de lo que era — hoy los desarrolladores copian en lugar de refactorizar. No sorprende: copiar es justo aquello en lo que la IA es más rápida. La factura llega después.
La curva en J
El modelado más serio del retorno se hizo para una organización de ingeniería de 500 personas: 39 % de retorno el primer año y un plazo de recuperación de unos ocho meses.
Pero ese mismo modelo dice también lo que mata la mitad de las implantaciones: primero llega una caída temporal de la productividad, por el aprendizaje, la mayor carga de revisión y la reorganización de procesos. Y en el modelo la proporción de cambios fallidos sube del 5 % al 6 %, lo que por sí solo se come varios cientos de miles de dólares en coste de caídas.
La frase más importante del informe: el mayor retorno no viene de la herramienta, sino de si la organización adapta su forma de trabajar.
«¿Cuánto código se escribe con IA?»
El abanico de respuestas a esta pregunta ya es revelador por sí solo.
Afirmaciones de escenario, sin metodología detrás: el consejero delegado de una gran empresa tecnológica dijo en el otoño de 2024 que más de una cuarta parte del código nuevo era generado por IA; en abril de 2026 esa misma persona ya hablaba del 75 %. El responsable de una empresa que desarrolla modelos predijo en la primavera de 2025 que en medio año la IA escribiría el 90 % del código — no ocurrió.
La mejor medición disponible, a partir de lo que declaran más de 400 empresas: 27,4 % en el primer trimestre de 2026 y 51,9 % en el segundo. También es autodeclarado, y el propio proveedor advierte del riesgo de sesgo en las dos direcciones.
Lo que conviene sacar de aquí: la cifra depende de qué llames «código escrito por IA», y la definición casi nunca viene al lado.
El mercado laboral
Aquí están los datos más fiables, de una base de datos de nóminas estadounidense, hasta junio de 2026.
El empleo en la franja de 22 a 25 años en ocupaciones muy expuestas a la IA está en torno a un 19 % por debajo de donde estaría si hubiera evolucionado igual que el de las ocupaciones menos expuestas. Entre los trabajadores con experiencia no hay una brecha parecida. El mecanismo del ajuste: menos contratación, no más despidos.
Dos matices importantes. Los propios autores advierten de que son patrones descriptivos, no estimaciones causales. Y el efecto se mantiene incluso si se sacan las empresas tecnológicas y las ocupaciones informáticas — o sea, esto no es solo la historia de «la IA se lleva a los desarrolladores junior», sino algo bastante más general.
Una moda de 2026 que conviene evitar
A principios de 2026 empezaron a aparecer las clasificaciones de consumo de tokens: quién gasta más tokens al mes, como medida de productividad.
El mismo equipo que hace la mayor encuesta del sector lo rechaza sin rodeos como métrica de vanidad: según ellos, gastar diez veces más tokens solo aporta una mejora marginal del throughput. Si alguien monta una clasificación así donde trabajas, no está midiendo productividad, está midiendo gasto.
Errores habituales
- «Está demostrado que es un 55 % más rápido.» Escribiendo un servidor HTTP desde cero, y en la medición del fabricante. Sobre una base de código madura sale otra cosa.
- «La IA ralentiza a los desarrolladores.» Tampoco se puede afirmar: el equipo de investigación original retiró su propio diseño de medición y hoy dice que probablemente acelera.
- «Más código = más valor.» La mediana de los pull requests pasó de 44 a 72 líneas y la duplicación subió un 81 % — creció la cantidad, no la mantenibilidad.
- «En cuanto lo implantas llega el retorno.» El modelado dice que la productividad cae primero. Quien no lo prevea acabará apagando la herramienta en el fondo del hoyo.
- «Si lo usa el 90 %, será que todo el mundo se fía.» En esa misma encuesta, el 30 % de los profesionales tiene poca o ninguna confianza en el código generado.
Lo que conviene llevarse
Dos cosas han cambiado seguro: se produce más código y pasa más rápido por la tubería — mientras la estabilidad empeora y la duplicación crece. La ganancia no está en la herramienta, sino en si el equipo adapta su proceso: revisión, pruebas, aprobación. Y tu propia sensación es el peor instrumento de medida disponible.
Qué modo de trabajo conviene en cada caso lo detalla el post los tres modos de programar con IA , uno por uno; y los patrones de error concretos que hay que buscar al revisar los recoge el post revisar el código generado , con ejemplos.