Los asistentes y agentes de programación basados en inteligencia artificial son extraordinariamente eficaces a la hora de generar grandes volúmenes de código funcional, pero quienes los usan a diario saben que la precisión de ese código exige supervisión. Un nuevo estudio pone cifras a esa tensión: la revisión humana se ha convertido en un cuello de botella que limita el impacto real de estas herramientas sobre la producción de software.
La investigación, firmada por los investigadores de la Universidad de Harvard Fiona Chen y James Stratton, se apoya en datos agregados de Jellyfish, una plataforma de analítica para equipos de ingeniería. El conjunto analizado comprende 300 millones de eventos de trabajo —commits, pull requests y acciones similares— junto con datos de gestión de incidencias de más de 700.000 empleados repartidos entre más de 700 empresas de desarrollo de software, con un período que abarca de 2021 a marzo de 2026.
- Más código, no más software: el estudio apenas encuentra pruebas de que las empresas aumenten su producción de software o reduzcan su plantilla por adoptar agentes de IA.
- El embudo se desplaza a la revisión: los procesos de revisión se alargan, las pull requests tienen más probabilidades de requerir cambios y los revisores dejan más comentarios.
- La eficiencia se absorbe aguas abajo: la ganancia obtenida al escribir código se disuelve en las restricciones posteriores del proceso productivo.
El cuello de botella se mudó a la revisión
Los autores describen un mecanismo concreto: cuando los agentes aceleran la escritura de código, el trabajo no desaparece, sino que se acumula en la verificación. En sus datos, la revisión se vuelve más larga, más pull requests vuelven con peticiones de cambios y los comentarios de los revisores aumentan. El resultado es que la capacidad de entrega de software de las organizaciones apenas se mueve.
«Hay pocas pruebas de que las empresas aumenten su producción de software o reduzcan el empleo» al adoptar herramientas de programación con IA, concluyen los autores, que subrayan que la eficiencia ganada durante la codificación se ve «absorbida por las restricciones posteriores del proceso de producción».
Más volumen para los mismos revisores
El fenómeno no es aislado. Según los datos difundidos por GitHub, en octubre de 2026 una de cada tres pull requests de la plataforma involucraba ya a un agente de IA, frente a menos de una de cada diez un año antes. Entre abril y agosto de 2026, los commits mensuales pasaron de 1.400 a 2.900 millones.
Los fabricantes de estas herramientas describen curvas similares: Anthropic señala que su ingeniero medio fusionó ocho veces más código al día en el segundo trimestre de 2026 que en 2024, y OpenAI reporta un aumento del 500% en pull requests integradas en algunos equipos. Un estudio de investigadores de Carnegie Mellon y Stanford, centrado en 802 desarrolladores y casi 200.000 pull requests de una empresa, encontró que el volumen de solicitudes creció 3,1 veces mientras el grupo de revisores lo hizo solo 1,5 veces; además, las pull requests generadas por IA tardaron alrededor de un 20% más en pasar de la primera revisión humana a la fusión, y la proporción de solicitudes con retroalimentación humana escrita cayó del 39% al 21%.
Revisar no es solo leer código
La dificultad tiene otra capa. Una encuesta a desarrolladores publicada en 2026 apunta que el 69,3% de los encuestados reportó código plausible pero incorrecto entre los errores de IA que costaron tiempo a sus equipos; el 54,2% mencionó código difícil de revisar y el 49,3% problemas derivados de la falta de contexto. Cuando un mismo agente escribe la implementación y sus pruebas, ambas pueden compartir el mismo malentendido y superar todos los test sin ser correctas.
Frente a esto, algunos equipos ya ensayan modelos donde la automatización convive con puertas de calidad. En un experimento de Cockroach Labs, el soporte para migrar desde IBM Db2 se completó en menos de dos días y sin intervención humana en la escritura, con una factura de tokens de 4.172 dólares, frente a los nueve meses y los 160.000 dólares que en 2024 exigió el soporte de Oracle. El proceso generó 32 subincidencias, fusionó 27 pull requests, devolvió trabajo en 55 ocasiones y escaló nueve incidencias, dos de ellas a una persona.
La conclusión práctica es incómoda para las métricas al uso: medir líneas de código o pull requests por hora cuenta el trabajo generado, no el software entregado. Si la capacidad de verificación no crece al mismo ritmo que la generación, la adopción de agentes de IA solo redistribuirá el esfuerzo dentro de la organización. La ventaja competitiva se desplazará hacia quienes sepan clasificar qué cambios pueden automatizarse, dónde reservar el criterio humano y cómo mantener el contexto de negocio en el centro de la revisión.