Los agentes de programación escriben más código, pero la revisión humana se come toda la ganancia

El estudio que recoge Ars Technica señala un hecho incómodo para el mercado: los agentes de IA para programación sí aceleran la escritura de código, pero eso no se traduce en más software terminado. El tiempo que se ahorra en la generación se va en la verificación humana. La revisión se ha convertido en el cuello de botella de todo el proceso. El resumen disponible no incluye ni la metodología ni cifras concretas, así que a continuación se presenta la conclusión del estudio y el contexto de mediciones anteriores que apuntan en la misma dirección.

Dónde se atasca el código

La cadena de producción en desarrollo consta de definición de la tarea, escritura de código, revisión, pruebas y despliegue. El agente acelera solo el segundo eslabón. Los demás se mantienen igual, y la revisión además soporta más carga: los pull requests son más grandes y más numerosos, y debe seguir leyéndolos una persona que responde del resultado.

El código de un agente suele parecer convincente: está bien formateado y pasa las comprobaciones básicas. Por eso mismo no se puede revisar a vuelo de pájaro. El revisor tiene que reconstruir la intención, comprobar los casos límite y localizar los puntos en los que el modelo se equivocó con total seguridad. Es la teoría de las restricciones en su versión clásica: si se acelera un eslabón que no es el más estrecho, la capacidad de procesamiento del sistema no cambia. Solo crece la cola delante de ese eslabón.

Qué mostraban las mediciones anteriores

Este patrón tiene antecedentes. Estos son los datos que se publicaron antes y a los que suele recurrirse en este debate:

• METR, 2025: 16 desarrolladores con experiencia resolvieron 246 tareas en repositorios open source maduros. Con herramientas de IA tardaron un 19% más, aunque ellos mismos esperaban una aceleración de aproximadamente el 24%.
• Faros AI, 2025: en los equipos con un alto nivel de uso de IA se cerraron un 21% más de tareas y se fusionaron un 98% más de pull requests. El tiempo de revisión, mientras tanto, aumentó un 91%.
• DORA, 2024: un aumento del 25% en el uso de IA se correlacionó con una caída del 7,2% en la estabilidad de las entregas.

Estos estudios difieren en muestra y metodología, por lo que no pueden sumarse directamente. Pero el motivo general se repite: el volumen de salida crece, mientras que la velocidad final de entrega y la calidad no crecen con él.

Por qué es una cuestión de dinero

Muchas empresas evalúan el retorno de las herramientas de IA mediante indicadores indirectos: la proporción de sugerencias aceptadas, el número de líneas, la cantidad de PR. Si el cuello de botella está en la revisión, esas métricas suben mientras el resultado de negocio se queda donde estaba. El código sobrante se convierte en trabajo sin terminar, es decir, en una cola que se queda obsoleta y entra en conflicto con los cambios vecinos. Peor aún: los revisores desbordados empiezan a aprobar cambios sin mirarlos, y entonces el ahorro se convierte en deuda técnica e incidentes.

Cómo rediseñar el proceso

Si los agentes ya trabajan en su equipo, conviene cambiar el propio proceso y no solo el conjunto de herramientas:

• Mida el tiempo desde el inicio de la tarea hasta producción y la proporción de reversiones (rollbacks), no el volumen de código generado.
• Limite el tamaño de los PR de los agentes. Los cambios pequeños se leen más rápido y fallan menos.
• Traslade la verificación a la automatización: pruebas, linters, análisis estático y tipado deben filtrar los defectos antes de que lleguen a una persona.
• Dé a los agentes tareas con un criterio de finalización claro que pueda comprobarse con una prueba.
• Fije un límite al número de PR abiertos y reserve en la planificación el tiempo de revisión como una partida independiente.

Los revisores de IA pueden convertirse en un primer filtro, pero la decisión de fusionar sigue en manos de una persona, y esa parte de la cadena es la que determina la velocidad real de entrega del software.