Los testers se cansan un 22% más que los desarrolladores con agentes de IA: 66,2 frente a 54,5 puntos
Se supone que los agentes alivian la carga del ingeniero, pero al final del día muchos acaban más cansados que antes. Los autores de Habr encuestaron a 26 empleados con la escala NASA-TLX, en la que cada persona valora su propia carga. La puntuación media de QA es de 66,2 y la de los desarrolladores, de 54,5: un 22% más. Un agente escribe código en minutos, pero el tester responde de un resultado que no ha visto crecer por dentro, y lo paga con estrés. Por eso, al implantar agentes conviene reservar tiempo para la verificación.
Procesado por IA desde Habr AI; editado por Hamidun News
Se supone que los agentes de IA alivian la carga del ingeniero: asumen la rutina y las tareas se cierran antes. Sin embargo, muchos notan lo contrario: se ahorra tiempo, pero al final del día el cansancio es mayor que antes. Imagine a un tester al que un agente entrega, en veinte minutos, un cambio de código de gran tamaño.
Escribirlo a mano habría llevado mucho tiempo, pero ahora es esta persona quien debe responder de su calidad, aunque no ha visto cómo llegó el agente a esa solución. Dos autores de Habr comprobaron cómo afecta este trabajo al bienestar de sus compañeros y obtuvieron un panorama curioso. Puede resultar útil para los team leads que planean implantar agentes y para los propios ingenieros que quieren entender por qué se sienten agotados.
Cómo se realizó la encuesta
En el estudio participaron 26 empleados de una misma empresa a los que los autores calificaron de AI-native: desarrolladores, QA y project managers. Todos ellos usan con soltura un conjunto de herramientas y agentes especializados y ejecutan escenarios largos de varios pasos. En ellos, el agente planifica acciones, escribe y corrige código, depura y recurre a otras herramientas. La carga se midió con la metodología NASA-TLX, creada en el centro de investigación NASA Ames. Cada persona valora por sí misma seis parámetros: esfuerzo mental, esfuerzo físico, presión de tiempo, esfuerzo, rendimiento propio y frustración.
La hipótesis de partida era que el cerebro de los profesionales de TI se sobrecarga mucho al trabajar con agentes. No se confirmó. El índice medio ponderado resultó moderadamente alto: unos 57 puntos, con mediana de 58 y un rango de 25 a 86. En cambio, apareció otra pauta. En QA el índice medio es de 66,2 y en desarrolladores, de 54,5. La diferencia es de 11,7 puntos, es decir, un 22%. Si se compara a un tester cualquiera con un desarrollador cualquiera, la carga del tester es mayor en aproximadamente el 70% de los pares.
Por qué se cansan más los testers
El indicador de «esfuerzo mental» es más bajo en QA que en desarrolladores: 72 frente a 77. La diferencia la marcan el esfuerzo, la presión del ritmo y la frustración. Los autores lo explican así: generar el resultado se ha abaratado, pero controlarlo sigue siendo caro. El tester responde de la calidad y se preocupa por posibles pérdidas de reputación. Al mismo tiempo, tiene menos control sobre cómo llegó el agente a la solución. La responsabilidad se mantiene, la capacidad de gestión cae, y eso provoca estrés.
Otras cifras del conjunto de la muestra. Una carga mental alta (80 o más) la señalaron 12 de las 26 personas; un esfuerzo alto (80 o más), 11; una frustración alta (60 o más), también 12; y una fuerte presión de plazos (80 o más), 8. Muchos encuestados notan un aumento de la carga mental y de la irritación, incluso cuando en conjunto se ahorra más tiempo.
Según las entrevistas, esto es lo que reduce o aumenta la carga:
- Experiencia con agentes. Quien sabe gestionar mejor el proceso y reducir la incertidumbre y las alucinaciones confía más en el resultado y se preocupa menos.
- Tipo de proyecto. El vibecoding de POC y MVP «por placer» agota menos que los proyectos de producción complejos con requisitos estrictos de código y seguridad.
- Presión externa. Los plazos de un solo día y consignas como «con IA debemos trabajar siete veces más rápido» pesan más que el propio trabajo con el agente.
- Calidad del modelo. Es más fácil trabajar con modelos de pago potentes, como Claude Opus, que con modelos locales como MiniMax o Qwen, que se bloquean, entran en bucles y entienden mal la tarea.
- Tipo de trabajo. Las tareas de desarrollo se dividen con más facilidad en pasos secuenciales. En testing hay que cambiar de contexto con más frecuencia, tener en cuenta condiciones implícitas y apoyarse en la intuición.
Qué dice la teoría y qué hacer
Los autores se apoyan en el modelo de carga cognitiva de Sweller (1988): la carga intrínseca refleja la complejidad de la propia tarea, la extrínseca se compone de interferencias y la relevante describe el esfuerzo de construir esquemas y alcanzar una comprensión profunda. La IA elimina parte de la carga extrínseca: autocompletado, código de plantilla, búsqueda rápida en la documentación. La carga intrínseca se desplaza: la pregunta «cómo escribirlo» se convierte en «cómo preguntar bien y verificar».
La carga relevante puede disminuir, y entonces se debilita la capacidad de leer código sin ayuda y de mantener en la cabeza el panorama de todo el sistema. Aparte, los autores describen la «deuda cognitiva»: la responsabilidad por un resultado que, formalmente, usted no creó. El cerebro percibe la pérdida de control como una amenaza, y aumentan la ansiedad y el cansancio acumulado.
Las recomendaciones del artículo son estas: usar la IA de forma consciente, es decir, pedirle que explique la solución, encuentre puntos débiles y proponga alternativas; resolver tareas sin agentes de forma periódica; y aprender a configurar los agentes de manera sistemática, fijar restricciones y gestionar el contexto.
Los propios autores matizan: la muestra es pequeña, procede de una sola empresa y no es aleatoria, y las valoraciones son subjetivas. En un principio no pensaban dividir a los encuestados en QA y desarrolladores, así que la conclusión sobre los testers sigue siendo una observación, no un efecto demostrado. La conclusión práctica, con todo, es clara: si acelera la generación de código, piense de antemano quién verificará el resultado y cómo. De lo contrario, el tiempo ganado se convertirá en estrés para quienes responden de la calidad. En la segunda parte del estudio, los autores prometen analizar la influencia de la IA en las capacidades cognitivas de los ingenieros.
- 20 nov 2026Anthropic, creadora de Claude, recauda $81,3 mil millones en su IPO con una valoración de $1,5 billones
- 20 nov 2026Anthropic recauda $81,3 mil millones en su IPO y supera el récord de SpaceX, de $75 mil millones
- 20 nov 2026Anthropic sale a bolsa y capta $81,3 mil millones: sus acciones suben un 17% en un día
- 20 nov 2026Hugging Face y llama.cpp lanzan Llama for Windows, una utilidad de 1 MB para usar IA sin terminal
Preguntas frecuentes sobre la noticia
Cómo se realizó la encuesta?
En el estudio participaron 26 empleados de una misma empresa a los que los autores calificaron de AI-native: desarrolladores, QA y project managers. Todos ellos usan con soltura un conjunto de herramientas y agentes especializados y ejecutan escenarios largos de varios pasos. En ellos, el agente planifica acciones, escribe y corrige código, depura y recurre a otras herramientas. La carga se midió con la metodología NASA-TLX, creada en el centro de investigación NASA Ames.
¿Qué se sabe sobre Por qué se cansan más los testers?
El indicador de «esfuerzo mental» es más bajo en QA que en desarrolladores: 72 frente a 77. La diferencia la marcan el esfuerzo, la presión del ritmo y la frustración. Los autores lo explican así: generar el resultado se ha abaratado, pero controlarlo sigue siendo caro. El tester responde de la calidad y se preocupa por posibles pérdidas de reputación. Al mismo tiempo, tiene menos control sobre cómo llegó el agente a la solución. La responsabilidad se mantiene, la capacidad de gestión cae, y eso provoca estrés.
¿Qué se sabe sobre Qué dice la teoría y qué hacer?
Los autores se apoyan en el modelo de carga cognitiva de Sweller (1988): la carga intrínseca refleja la complejidad de la propia tarea, la extrínseca se compone de interferencias y la relevante describe el esfuerzo de construir esquemas y alcanzar una comprensión profunda. La IA elimina parte de la carga extrínseca: autocompletado, código de plantilla, búsqueda rápida en la documentación. La carga intrínseca se desplaza: la pregunta «cómo escribirlo» se convierte en «cómo preguntar bien y verificar».
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.