Inicia 23 novCohorte 3 en vivo de Vibe Coding y Agentes IA: 3 semanas, 9 clases en directoCohorte 3 (23.11) →
LanzamientoCódigo / SDK · Listo para usarHabr AI→ original

Habr AI: METR y Google Cloud no ven la aceleración prometida en desarrolladores que usan IA

Habr AI ha recopilado varios estudios sobre el efecto de la IA en la productividad de los desarrolladores y concluye que la aceleración prometida todavía no se aprecia. El análisis de PyPI no muestra un crecimiento explosivo de lanzamientos, un informe de Google Cloud registra una ligera caída del throughput y la stability, y la investigación de METR indica que los ingenieros con experiencia incluso se ralentizan con IA, aunque ellos esperan ir más rápido. La conclusión es incómoda para el mercado: los desarrolladores suelen sentir que trabajan más rápido, pero los indicadores medibles aún no lo respaldan.

Procesado por IA desde Habr AI; editado por Hamidun News
Habr AI: METR y Google Cloud no ven la aceleración prometida en desarrolladores que usan IA
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1El 75% de los desarrolladores percibe un aumento de productividad
Dato clave #2el delivery throughput baja un 1,5%
Dato clave #3la delivery stability cae un 7,2%

Habr AI ha publicado un análisis de varios estudios sobre cómo influyen las herramientas de IA en el trabajo de los programadores. La conclusión principal resulta incómoda para el mercado: los desarrolladores a menudo sienten que trabajan más rápido, pero los indicadores medibles todavía no confirman la aceleración prometida.

Dónde no se ve crecimiento

Uno de los argumentos clave del artículo se refiere al ecosistema de Python. El autor cita un análisis de Answer.AI que estudió la dinámica de PyPI en busca de rastros de una productividad «explosiva». Si la IA acelerara de verdad el desarrollo de forma radical, debería notarse en el número de paquetes nuevos, la frecuencia de lanzamientos y el volumen total de código publicado. Pero el panorama resultó mucho más modesto: no se aprecia un salto notable en paquetes nuevos, y el aumento de la frecuencia de actualizaciones empezó ya en 2019 y probablemente se relaciona más con las prácticas de CI/CD que con los modelos generativos.

Un detalle interesante es que el aumento de actividad se nota sobre todo en proyectos de IA. Esos paquetes se actualizan con más frecuencia, pero el autor lo interpreta no como un efecto universal de las herramientas, sino como consecuencia del bombo y de la llegada de inversión al segmento. Una lógica similar se aplica a los datos de GitHub: según el análisis, tampoco hay un aumento masivo de repositorios nuevos, aunque sería un indicador sencillo de que lanzar proyectos paralelos se ha vuelto mucho más fácil. La conclusión es dura: la IA ayuda a crear prototipos vistosos, pero no elimina los cuellos de botella reales del desarrollo y del lanzamiento de un producto.

Qué muestran los estudios

La brecha más reveladora aparece entre las sensaciones de los equipos y las métricas operativas. El artículo cita un informe de Google Cloud sobre el impacto de la GenAI en el desarrollo de software: el 75% de los desarrolladores dice que la IA les da una sensación de mayor productividad. Pero con un nivel de adopción del 25% de estas herramientas, el delivery throughput baja un 1,5% y la delivery stability, un 7,2%. En otras palabras, trabajar con IA es subjetivamente más agradable, pero eso no significa necesariamente más resultado útil.

  • El 75% de los desarrolladores percibe un aumento de productividad
  • el delivery throughput baja un 1,5%
  • la delivery stability cae un 7,2%
  • el repunte de actividad es más visible en el segmento de IA

Aún más duro resulta el estudio de METR que cita el autor. En él, desarrolladores con experiencia esperaban que herramientas de IA como Cursor y Claude aceleraran su trabajo en torno a un 20%. En la práctica ocurrió lo contrario: las tareas se ralentizaron aproximadamente ese mismo 20%. La explicación parece plausible: los ingenieros escriben menos código a mano, pero dedican más tiempo a revisar, corregir, esperar la respuesta del modelo y repetir ejecuciones. Es decir, parte de la rutina mecánica desaparece, pero en su lugar surge una nueva capa de control de calidad.

«Hoy tenemos pruebas de que la IA hace que muchos de nosotros seamos no más, sino menos productivos».

Esta brecha entre expectativa y realidad importa no solo a los ingenieros, sino también a las empresas. El texto menciona además el ejemplo de Notion: tras añadir funciones de IA, el margen del producto, según el CEO de la compañía, bajó del 90% al 80%. La lógica es clara: el mercado empuja a integrar IA en casi todo, pero los gastos adicionales de inference e infraestructura no garantizan ni crecimiento de audiencia ni de ingresos. Para las empresas, esto significa que la adopción de IA en el desarrollo y en el producto no puede evaluarse por el efecto «guau»: hacen falta métricas de velocidad, estabilidad y economía.

Qué significa esto

El análisis de Habr AI enfría las expectativas en torno a aceleraciones «de diez veces» en programación. En la etapa actual, la programación con IA mejora la experiencia de trabajo y acelera partes concretas del proceso, más que ofrecer una mejora garantizada de la productividad del equipo o del negocio. Para los directivos la conclusión es sencilla: antes de desplegar estas herramientas a gran escala, hay que medir no el ánimo de los desarrolladores, sino el cycle time, la calidad de las entregas y el coste total de los cambios.

Historia

Preguntas frecuentes sobre la noticia

Dónde no se ve crecimiento?

Uno de los argumentos clave del artículo se refiere al ecosistema de Python. El autor cita un análisis de Answer.AI que estudió la dinámica de PyPI en busca de rastros de una productividad «explosiva». Si la IA acelerara de verdad el desarrollo de forma radical, debería notarse en el número de paquetes nuevos, la frecuencia de lanzamientos y el volumen total de código publicado.

¿Qué se sabe sobre Qué muestran los estudios?

La brecha más reveladora aparece entre las sensaciones de los equipos y las métricas operativas. El artículo cita un informe de Google Cloud sobre el impacto de la GenAI en el desarrollo de software: el 75% de los desarrolladores dice que la IA les da una sensación de mayor productividad. Pero con un nivel de adopción del 25% de estas herramientas, el delivery throughput baja un 1,5% y la delivery stability, un 7,2%.

¿Qué se sabe sobre Qué significa esto?

El análisis de Habr AI enfría las expectativas en torno a aceleraciones «de diez veces» en programación. En la etapa actual, la programación con IA mejora la experiencia de trabajo y acelera partes concretas del proceso, más que ofrecer una mejora garantizada de la productividad del equipo o del negocio.

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…