Casi todo lo que se escribe sobre IA para programar cae en uno de dos campos: el que promete multiplicar la productividad y el que anuncia una generación de desarrolladores que no entiende su propio código. Lo incómodo es que existen estudios serios que respaldan ambas posiciones — y leerlos juntos es mucho más útil que elegir uno.
Este artículo no va a resolver el debate. Va a mostrar dónde la evidencia coincide, dónde se contradice, y qué se puede hacer con eso si tú tienes que decidir mañana cómo trabaja tu equipo.
Tres estudios que no están de acuerdo
El que dice que acelera mucho
En 2023, un equipo de GitHub y Microsoft Research (Peng, Kalliamvakou, Cihon y Demirer) publicó un experimento controlado aleatorizado: 95 programadores reclutados en Upwork tenían que implementar un servidor HTTP en JavaScript, la mitad con GitHub Copilot y la mitad sin él. El grupo con Copilot terminó 55.8% más rápido — alrededor de 71 minutos contra 161.
Dos advertencias que el propio diseño impone. Primera, los autores trabajaban para el fabricante de la herramienta que estaban midiendo. Segunda, y más importante: es una tarea sintética, autocontenida y muy común, el tipo de problema que aparece miles de veces en los datos de entrenamiento. No se parece a tocar un sistema que ya existe.
El que dice que frena
En julio de 2025, METR corrió otro experimento aleatorizado con un diseño deliberadamente opuesto: 16 desarrolladores open source experimentados, 246 tareas reales sacadas de los repos grandes a los que ya contribuían, asignadas al azar a "puedes usar IA" o "no puedes". Herramientas de primera línea — mayormente Cursor Pro con Claude.
Los desarrolladores tardaron 19% más con IA permitida.
El dato que convierte este estudio en algo más que una curiosidad es lo que creían los participantes. Antes de empezar estimaron que la IA los aceleraría 24%. Después de haber sido medidos, seguían creyendo que los había acelerado 20% — cuando los habían frenado. La percepción de velocidad y la velocidad real apuntaban en direcciones distintas, con una brecha de casi 40 puntos.
METR fue explícito en no sobreextender el resultado: no implica que estas herramientas sean inútiles, y usaron herramientas de principios de 2025. Pero el hallazgo secundario es el que más vale leer dos veces: el efecto negativo era mayor en las tareas donde el desarrollador ya tenía experiencia profunda.
El que mide el sistema completo
El reporte DORA 2024 de Google Cloud no midió tareas sino organizaciones. Encontró que por cada aumento de 25% en adopción de IA, la capacidad de entrega bajaba 1.5% estimado y la estabilidad de la entrega bajaba 7.2% estimado.
Es un resultado de regresión sobre datos de encuesta: correlación, no causalidad demostrada. Pero el patrón es coherente con los otros dos: la IA acelera la producción de código, y el código producido más rápido pasa por los mismos revisores, los mismos tests y el mismo pipeline que antes.
Lo que sí se puede concluir
Puestos uno al lado del otro, los tres estudios dejan de contradecirse y empiezan a describir una curva.
La IA ayuda más donde tú sabes menos. Un lenguaje que no dominas, un framework nuevo, una tarea estándar que nunca has hecho, boilerplate, una regex, una migración mecánica, el primer borrador de un test. Ahí el modelo tiene buenos datos y tú tienes poco contexto que aportar: la ganancia es real y grande.
La IA ayuda menos, o estorba, donde tú sabes más. Un sistema con diez años de decisiones acumuladas, convenciones que no están escritas, un bug que depende de tres servicios y un reloj. Ahí explicarle el contexto al modelo cuesta más que resolverlo, y revisar lo que produjo cuesta más que haberlo escrito.
El costo se mueve, no desaparece. Escribir es más rápido; revisar, entender, probar y mantener no. Si tu cuello de botella ya era el review —y en la mayoría de los equipos lo es— acelerar la escritura empeora la fila.
Las contras que no aparecen en los estudios
Hay costos reales que ningún experimento de velocidad captura:
-
La brecha de confianza. La encuesta a desarrolladores de Stack Overflow de 2025 encontró que 46% desconfía de la exactitud de lo que generan estas herramientas, frente a 31% el año anterior — uso en aumento y confianza en descenso al mismo tiempo. El patrón se agudiza entre los más experimentados.
-
Código que casi está bien. Un error obvio cuesta minutos. Un error plausible, con el estilo correcto y el nombre de variable correcto, cuesta días. La IA produce desproporcionadamente el segundo tipo.
-
Formación interrumpida. Un junior que resuelve con autocompletado un problema que no entendió no adquirió la habilidad. Pasa inadvertido durante meses y aparece el día que algo se rompe.
-
Secretos y propiedad intelectual. Pegar código propietario en una herramienta de terceros es una decisión de arquitectura de datos, no una preferencia personal. Hay que decidirla a nivel de empresa, con política escrita.
-
Dependencia de proveedor. Precios, límites y disponibilidad cambian sin aviso, y los costos de inferencia que hoy subsidia el capital de riesgo no tienen por qué seguir subsidiados.
Los pros que tampoco aparecen en los estudios
Y hay ganancias que tampoco se miden en minutos por tarea:
-
Arranque en frío. Entender un repositorio ajeno — "explícame qué hace este módulo y quién lo llama" — es donde estas herramientas rinden muy por encima de su promedio.
-
El trabajo que nadie hace. Tests para código viejo, documentación, mensajes de commit decentes, scripts de un solo uso. Tareas de valor real y motivación nula, que ahora cuestan poco.
-
Traducción entre stacks. Sabes resolver el problema en un lenguaje y necesitas la versión en otro.
-
Un revisor más, barato. Pasarle un diff y preguntar "¿qué se me fue?" no reemplaza el code review, pero atrapa cosas antes de ocupar el tiempo de un colega.
¿Quieres definir cómo usa IA tu equipo sin perder calidad?
En DevChefs usamos estas herramientas todos los días y sabemos dónde ayudan y dónde cuestan. Cuéntanos tu stack y armamos una política concreta.
Cómo decidirlo en tu equipo
No hay una política única, pero hay una forma sensata de construir la tuya:
-
Mide tu línea base antes de adoptar. Lead time, frecuencia de despliegue, tasa de fallas. Sin esos cuatro números previos no vas a poder distinguir una mejora de una sensación.
-
Distingue por tipo de tarea, no por persona. Verde en terreno desconocido, boilerplate y tests. Rojo en el núcleo del sistema, en seguridad y en cualquier cosa con dinero de por medio.
-
Mantén el review humano obligatorio, y vuélvelo más estricto. Si entra más código por hora, el filtro tiene que ser más fino, no igual.
-
Escribe la política de datos antes del primer uso. Qué se puede pegar, dónde y qué nunca.
-
Protege el aprendizaje de los juniors. Que puedan usar las herramientas, y que de todas formas tengan que explicar en el review por qué la solución es correcta.
-
Mide otra vez a los tres meses. Contra la línea base, no contra la percepción. El estudio de METR existe precisamente porque la percepción se equivoca de signo.
Cierre
La pregunta útil no es si la IA ayuda a programar. La evidencia dice que depende, y dice de qué depende: de cuánto sabes tú del problema, de qué tan grande y particular es el sistema, y de si tu proceso puede absorber más código del que absorbía antes.
Lo que no deberías hacer es adoptarla —o rechazarla— con base en cómo se siente. Ese es el único punto en el que los tres estudios coinciden sin matices: la sensación de velocidad no es un instrumento de medición confiable. La tuya tampoco.
