Los agentes de IA aumentaron el código de los ingenieros en un 30%, pero la revisión de los cambios tardó un 49% más
Dos doctorandos de Harvard analizaron 718 empresas: tras implantar agentes de IA, los ingenieros añaden un 30% más de código, pero no aumenta el número de tareas que llegan a producción. En cambio, la revisión de los pull requests —el paquete de cambios que los compañeros deben aprobar antes de fusionarlo— pasó de 7 a 10,5 días, es decir, un 49% más. El código se escribe más rápido, pero los revisores son los mismos. Por eso, al comprar agentes, conviene calcular primero la capacidad de revisión y no la velocidad de generación.
Procesado por IA desde Hacker News AI; editado por Hamidun News
Imagine un equipo al que le dan agentes de IA: los borradores de código aparecen varias veces más rápido, los paneles se ponen en verde. Pero los usuarios de las nuevas funciones nunca las ven. Este es el panorama que describe un artículo de trabajo de dos doctorandos de Harvard, Fiona Chen y James Stratton, basado en datos de 718 empresas.
Tras la implantación de los agentes, los ingenieros añadieron aproximadamente un 30% más de código (en promedio, +1494 líneas por persona al mes sobre una base de 5017). Pero el número de tareas completadas no aumentó de forma estadísticamente significativa, y el recorrido del pull request —el paquete de cambios que los compañeros revisan antes de fusionarlo con la rama principal— se alargó un 49%: de 7,03 a unos 10,5 días. El cuello de botella se trasladó de la escritura del código a su revisión.
Qué se midió
Los autores tomaron datos de Jellyfish, una empresa que vende analítica de actividad de ingeniería, y los cruzaron con los perfiles laborales de LinkedIn de Revelio Labs. La muestra incluyó 725 938 empleados en 718 empresas, de enero de 2021 a marzo de 2026, y solo clientes de Jellyfish que aceptaron el uso de sus datos con fines de investigación. Dentro había 68,3 millones de tareas en Jira, 200,9 millones de commits y 49,1 millones de pull requests. Los datos de calendario de reuniones solo estaban disponibles para 213 de las 718 empresas.
El método consiste en comparar mes a mes cómo evolucionaban los indicadores en las empresas que ya habían implantado agentes y en las que aún no lo habían hecho. Según los autores, las fechas de implantación dependieron sobre todo de cuándo la empresa conoció las herramientas y de cuánto duró la compra: aprobaciones de los departamentos legal y de seguridad, pilotos. En una compañía, la herramienta se aprobó en un día; en otra, según uno de los entrevistados, tardó entre seis y doce meses.
Los autores consideran que estos retrasos no están relacionados con el ritmo de crecimiento de la empresa, y controlan por tamaño, ya que las grandes empresas la implantaron antes. Si queda algún sesgo residual, es más probable que sobrestime el beneficio de la IA que que lo subestime.
El código creció, el trabajo terminado no
Los commits aumentaron un 20% y los pull requests un 23%. Los autores matizan que se trata del efecto adicional de los agentes en empresas que ya usaban asistentes de programación con IA, no de un efecto desde cero.
El trabajo terminado, en cambio, no se movió. Se considera tarea terminada aquella en Jira cuyo código se desplegó en producción. Su número cambió en 0,12 por persona al mes sobre una base de 3,67, lo que es indistinguible de cero, y el intervalo de confianza descarta un aumento superior al 12%. Los autores comprobaron la objeción obvia: quizá los ingenieros se hayan puesto con tareas más grandes. Etiquetaron el 0,5% de las tareas por tamaño con GPT-4o y extendieron las estimaciones al resto mediante embeddings. El tamaño medio de las tareas no cambió, y los pull requests tampoco se hincharon.
Atasco en la revisión
La proporción de pull requests con una solicitud formal de cambios subió unos 12 puntos porcentuales sobre una base del 13%, es decir, casi se duplicó. Los comentarios por pull request aumentaron un 35%. La proporción de empleados que hacen revisiones creció un 14% sobre una base del 29%, mientras que la proporción de quienes escriben código no varió.
Los revisores basados en IA no desatascaron nada. Para marzo de 2026, alrededor del 80% de las empresas había probado estas herramientas, pero la IA escribió solo el 23,3% de los comentarios, y apenas el 10,8% de los pull requests recibió al menos un comentario de IA. Uno de los juniors entrevistados contó que su código solo podía aprobarlo un único sénior, que llegaba a revisarlo una vez por semana. Tras una serie de fallos causados por commits generados con IA, se estableció la norma de que ese código debe revisarlo un sénior, y la cola creció aún más.
Los autores explican las cifras con dos mecanismos. El primero: llega más código a la misma cantidad de revisores, y esto se resuelve reasignando personas a la revisión. El segundo: el aumento de las solicitudes de cambios sugiere borradores de peor calidad, lo que ya es una cuestión de la calidad de los propios modelos. Cuál de los dos mecanismos predomina determina en qué conviene invertir el presupuesto.
Limitaciones y conclusión
Se trata de un artículo de trabajo presentado como job-market paper; no hay señales de que haya pasado por revisión por pares. La versión actual está fechada el 4 de agosto de 2026, y la primera, el 7 de enero. Pese a todo, el empleo no se resintió: las estimaciones descartan una caída del empleo total superior al 2,9%, aunque se trata de un efecto a corto plazo.
Un estudio independiente de la NBER, con datos de más de 500 000 desarrolladores de GitHub, muestra una brecha similar: el aumento de commits generados por agentes autónomos del 240% se traduce en un 30% en lanzamientos reales. Ambos estudios tienen sus salvedades: los autores del trabajo de la NBER están vinculados a Microsoft, propietaria de GitHub. Y ambos describen el desarrollo de software, no, por ejemplo, el trabajo jurídico.
La práctica es sencilla. Mida no el volumen de código generado, sino el tiempo hasta un resultado aceptado, la proporción de devoluciones para corrección y las horas de los revisores. Planifique primero la capacidad de revisión y luego escale la generación. Y lleve un registro de lo que corrigen los revisores: mostrará si el atasco se debe al volumen o a la calidad de los borradores.
- 21 nov 2026El 54 % de los directivos afirma que más del 60 % del trabajo de los agentes de IA requiere una reescritura seria
- 19 nov 2026Un aumento del 21% en el flujo de PR cuadruplica la espera de revisión en un modelo de colas: de 2 a 8 horas
- 9 oct 2026AWS resume septiembre: Bedrock, AgentCore y Strands reciben actualizaciones
- 18 nov 2026Agentes de IA publicaron 228 releases de un juego sin revisión humana; los tests devolvieron el 25% de las tareas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué se midió?
Los autores tomaron datos de Jellyfish, una empresa que vende analítica de actividad de ingeniería, y los cruzaron con los perfiles laborales de LinkedIn de Revelio Labs. La muestra incluyó 725 938 empleados en 718 empresas, de enero de 2021 a marzo de 2026, y solo clientes de Jellyfish que aceptaron el uso de sus datos con fines de investigación. Dentro había 68,3 millones de tareas en Jira, 200,9 millones de commits y 49,1 millones de pull requests.
¿Qué se sabe sobre El código creció, el trabajo terminado no?
Los commits aumentaron un 20% y los pull requests un 23%. Los autores matizan que se trata del efecto adicional de los agentes en empresas que ya usaban asistentes de programación con IA, no de un efecto desde cero. El trabajo terminado, en cambio, no se movió. Se considera tarea terminada aquella en Jira cuyo código se desplegó en producción. Su número cambió en 0,12 por persona al mes sobre una base de 3,67, lo que es indistinguible de cero, y el intervalo de confianza descarta un aumento superior al 12%.
¿Qué se sabe sobre Atasco en la revisión?
La proporción de pull requests con una solicitud formal de cambios subió unos 12 puntos porcentuales sobre una base del 13%, es decir, casi se duplicó. Los comentarios por pull request aumentaron un 35%. La proporción de empleados que hacen revisiones creció un 14% sobre una base del 29%, mientras que la proporción de quienes escriben código no varió. Los revisores basados en IA no desatascaron nada.
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.