Hay una antigua frase en la gestión que dice: «Lo que mides importa». Por lo general, se obtiene más de lo que se mide. En el contexto actual, este concepto ha tomado una forma peculiar en el mundo del desarrollo de software, especialmente con la introducción y proliferación de herramientas de codificación basadas en inteligencia artificial. Los ingenieros de software han debatido sobre las métricas de productividad durante décadas, pero con la llegada de agentes de codificación AI que generan más código que nunca, lo que realmente deben medir sus managers se ha vuelto menos claro.
La Proliferación de Herramientas de Codificación AI
Los presupuestos de tokens asignados a los desarrolladores, que representan la cantidad de poder de procesamiento de inteligencia artificial que pueden utilizar, se han convertido en un símbolo de estatus en Silicon Valley. Sin embargo, medir un input del proceso parece poco lógico si lo que realmente importa es el output. Esto es especialmente cierto si el objetivo es mejorar la eficiencia y no sólo fomentar la adopción de herramientas AI.
La Realidad de la Productividad
Empresas que operan en el ámbito de la «inteligencia de productividad de desarrolladores», como Waydev, están encontrando que, si bien los desarrolladores que utilizan herramientas como Claude Code, Cursor y Codex están generando mucho más código que antes, también tienen que volver a revisarlo con mucha más frecuencia, lo que reduce la verdadera productividad.
Alex Circei, el CEO de Waydev, ha destacado que las tasas de aceptación de código pueden ser del 80% al 90%, indicando que la mayor parte del código generado por inteligencia artificial es aprobado y mantenido por los desarrolladores. Sin embargo, no se está teniendo en cuenta el trabajo adicional que implica revisar y corregir ese código en semanas posteriores, haciendo que la tasa de aceptación real varíe entre el 10% y el 30%.
Cambios en las Plataformas de Análisis
Waydev, establecida en 2017, ha tenido que reestructurar completamente su plataforma en los últimos seis meses para adaptarse a la proliferación de herramientas de codificación. Ahora, están lanzando nuevas herramientas que rastrean los metadatos generados por los agentes AI, proporcionando análisis sobre la calidad y el costo del código.
La Inversión en Inteligencia Artificial
Grandes empresas, como Atlassian, han empezado a notar que muchas organizaciones aún están tratando de averiguar cómo utilizar las herramientas AI de manera eficiente. El año pasado, Atlassian adquirió DX, otra startup de inteligencia en ingeniería, por 1.000 millones de dólares para ayudar a sus clientes a entender el retorno de inversión en agentes de codificación.
Los datos de la industria muestran una historia coherente: se está escribiendo más código, pero una cantidad desproporcionada de ese código no se mantiene en el tiempo.
Estudios Recientes
GitClear, otra compañía en este ámbito, publicó un informe en enero que encontró que las herramientas de AI incrementaron la productividad, pero también mostraron que los usuarios regulares de AI tenían un churn de código 9.4 veces mayor que sus contrapartes que no usaban AI, lo que significa más del doble de los incrementos en productividad que las herramientas ofrecían.
La Churn de Código
En un informe de marzo de 2026, Faros AI analizó datos de clientes y encontró que el churn de código había aumentado un 861% con una alta adopción de AI. Otro estudio de Jellyfish recopiló datos de más de 7.500 ingenieros y encontró que aquellos con los mayores presupuestos de tokens producían más pull requests, pero la mejora de productividad no escalaba de manera proporcional.
Consejos para Emprendedores y Negocios
-
Evalúa las Métricas: En vez de centrarte en los números de código generados, considera las revisiones necesarias y la calidad del código como indicadores de productividad real.
-
Adopta Herramientas de Análisis: Implementa plataformas de análisis que te ayuden a entender el comportamiento del código generado por AI y su efectividad.
-
Capacita a Tu Equipo: Los ingenieros deben ser entrenados no sólo en el uso de herramientas AI, sino en gestión de calidad para reducir el trabajo de revisión.
- Fomenta la Retroalimentación: Anima a los desarrolladores a proporcionar retroalimentación sobre el uso de herramientas AI para mejorar procesos y herramientas.
Conclusiones
La evolución de las herramientas de codificación basadas en inteligencia artificial está cambiando rápidamente la forma en que se desarrolla el software. Aunque estas herramientas pueden aumentar la cantidad de código que se genera, también es crucial tener en cuenta la calidad y el trabajo adicional necesario para mantener ese código. Las empresas deben adaptar sus métricas de productividad para reflejar no solo la cantidad de código generado, sino también su efectividad real en el proceso de desarrollo. La adaptabilidad será clave en esta nueva era de la programación.