Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarSourcegraph Blog→ original

El 54 % de los directivos afirma que más del 60 % del trabajo de los agentes de IA requiere una reescritura seria

El agente genera un parche en cuestión de minutos, pero una persona sigue teniendo que entender y verificar cada cambio. En la encuesta de Sourcegraph a 1.028 directivos de desarrollo, el 54 % considera que más del 60 % del trabajo de la IA debe reescribirse a mano de forma seria antes de un lanzamiento. Además, el 79 % siente presión para demostrar que la IA resulta rentable. Por eso, la adopción de agentes debería medirse por el tiempo de revisión y el número de fallos tras el lanzamiento, no solo por la velocidad.

Procesado por IA desde Sourcegraph Blog; editado por Hamidun News
El 54 % de los directivos afirma que más del 60 % del trabajo de los agentes de IA requiere una reescritura seria
Fuente: Sourcegraph Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalSourcegraph Blog ↗
Editor jefe
Dato clave #1El 65 % dedica más de una cuarta parte del tiempo del equipo a leer y buscar código
Dato clave #2Solo el 10 % afirma que todos sus agentes comparten el contexto de la base de código
Dato clave #3El 54 % estima que corregir de urgencia una dependencia vulnerable lleva días o más

Imagine que un agente genera en cinco minutos un parche que actualiza una biblioteca en una decena de servicios. Quien revise el cambio tendrá que averiguar dónde más se usa ese código, si se romperá algún servicio anclado a la versión anterior y qué pruebas detectarán el error. Este problema es el que mide el informe Sourcegraph Big Code 2026.

El 54 % de los encuestados considera que más del 60 % del trabajo hecho por la IA requiere una reelaboración manual seria antes de un lanzamiento. En otras palabras, más de la mitad de los directivos ve en el resultado de un agente más un borrador que un producto terminado. Escribir código se ha vuelto rápido; entenderlo, en cambio, sigue llevando mucho tiempo.

El informe se basa en una encuesta de Dimensional Research. En septiembre de 2026 se consultó a 1.028 personas responsables del desarrollo en empresas con más de 250 programadores. Una salvedad importante: todas las cifras son autoevaluaciones de los encuestados, no métricas medidas. Además, Sourcegraph vende una plataforma para comprender código, así que las conclusiones del informe apuntan hacia sus productos. Aun así, los datos son interesantes.

Presión por la rentabilidad y las reescrituras

El 79 % de los encuestados de empresas que usan IA siente una presión moderada, considerable o fuerte para demostrar el retorno de la inversión en IA. Al mismo tiempo, el 58 % señala que escalar la IA y los agentes es una prioridad para los próximos doce meses. Es decir, habrá más agentes y, por tanto, más cambios ajenos que revisar.

Los autores también citan el estudio DORA: las organizaciones que más usan IA suelen publicar cambios más rápido y valorar mejor su producto, pero tienen una entrega menos estable. De ahí surge un consejo práctico: el éxito de la adopción no debe medirse solo por la velocidad. Observe cuánto esfuerzo requiere la revisión de cada cambio y con qué frecuencia aparecen problemas después del lanzamiento.

Entender el código ajeno es la mitad del trabajo

Un agente puede hacer un cambio con rapidez, pero quien lo revisa necesita seguir las dependencias entre repositorios, contrastar las reglas locales y entender qué pruebas detectarán una regresión. Esto puede costar horas de trabajo de un ingeniero senior y de los colegas que conocen los sistemas afectados.

Según la encuesta, el 65 % estima que leer, buscar y comprender el código existente o propuesto consume más de una cuarta parte del tiempo del equipo, y el 25 % dice que más de la mitad. Para dimensionarlo: si una organización de 1.000 desarrolladores dedica a ello una cuarta parte de su tiempo, equivale al trabajo de 250 personas. El 51 % de los encuestados tiene al menos 1.000 repositorios, y la pregunta «¿de qué depende este código?» fácilmente desborda el repositorio en el que empezó todo. El 41 % afirma que los ingenieros reescriben con frecuencia lo que ya existe porque no logran encontrarlo.

El caso más agudo es una vulnerabilidad crítica en una dependencia. Ante la pregunta de cuánto tardarían en localizar y corregir todos los puntos afectados, el 54 % respondió «días o más» o «no podríamos». Se trata de estimaciones hipotéticas, no de mediciones de correcciones reales. Entre las principales dificultades de los cambios a gran escala, los encuestados citaron con más frecuencia entender las dependencias y su impacto (43 %), mantener la uniformidad de los cambios entre repositorios (42 %) y las pruebas (42 %).

A los agentes les falta contexto compartido

Solo el 10 % dice que todos sus agentes ven la imagen completa del código, las dependencias y el historial. En el resto de organizaciones, el contexto se comparte de forma parcial o se entrega a cada agente por separado. Además, el 33 % de las empresas con IA reconoce que los desarrolladores deben explicar en detalle la arquitectura, las dependencias y los acuerdos antes de que un agente empiece una nueva tarea.

Sourcegraph propone una solución: un servidor a través del cual agentes compatibles, como Claude Code, Codex y Cursor, buscan en el código indexado de la organización durante la propia tarea. Respeta los permisos de acceso existentes a los repositorios, y los administradores controlan quién puede usar qué herramientas. El ingeniero ve el código encontrado junto al cambio propuesto y, si algo falla, queda claro qué ocurrió: el agente no encontró el código necesario, interpretó mal una excepción o se equivocó en la implementación. Para las actualizaciones masivas y las migraciones, la compañía ofrece además una herramienta aparte para coordinar los cambios entre repositorios.

Qué se deduce de todo esto

La cifra más llamativa es esta: el 77 % espera que, en el futuro, los cambios escritos por IA se integren con menos control humano. Para saber qué cambios pueden entregarse con esa autonomía, hay que ver dónde los agentes lo hacen bien y dónde los ingenieros tienen que intervenir.

Para los equipos, la conclusión es sencilla. En primer lugar, mida el tiempo de revisión y la proporción de cambios que provocan problemas tras el lanzamiento, no solo la velocidad de publicación. En segundo lugar, invierta en búsqueda de código y en contexto compartido para los agentes; de lo contrario, el ahorro en escribir código se perderá en la revisión. En tercer lugar, lea con espíritu crítico las encuestas de los proveedores: los encuestados valoraron a ojo y la muestra se limita a grandes empresas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Presión por la rentabilidad y las reescrituras?

El 79 % de los encuestados de empresas que usan IA siente una presión moderada, considerable o fuerte para demostrar el retorno de la inversión en IA. Al mismo tiempo, el 58 % señala que escalar la IA y los agentes es una prioridad para los próximos doce meses. Es decir, habrá más agentes y, por tanto, más cambios ajenos que revisar. Los autores también citan el estudio DORA: las organizaciones que más usan IA suelen publicar cambios más rápido y valorar mejor su producto, pero tienen una entrega menos estable.

¿Qué se sabe sobre Entender el código ajeno es la mitad del trabajo?

Un agente puede hacer un cambio con rapidez, pero quien lo revisa necesita seguir las dependencias entre repositorios, contrastar las reglas locales y entender qué pruebas detectarán una regresión. Esto puede costar horas de trabajo de un ingeniero senior y de los colegas que conocen los sistemas afectados. Según la encuesta, el 65 % estima que leer, buscar y comprender el código existente o propuesto consume más de una cuarta parte del tiempo del equipo, y el 25 % dice que más de la mitad.

¿Qué se sabe sobre A los agentes les falta contexto compartido?

Solo el 10 % dice que todos sus agentes ven la imagen completa del código, las dependencias y el historial. En el resto de organizaciones, el contexto se comparte de forma parcial o se entrega a cada agente por separado. Además, el 33 % de las empresas con IA reconoce que los desarrolladores deben explicar en detalle la arquitectura, las dependencias y los acuerdos antes de que un agente empiece una nueva tarea.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…