Saltar al contenido
Volver

Estudio de Harvard con datos de 700 empresas: la IA genera 30% más código, pero el throughput real sube solo 12% — el cuello de botella se corrió al code review

Investigación sobre ~300 millones de eventos de trabajo revela que agentes de IA disparan el volumen de código, pero el review se pone más lento y cargado: +49% en tiempo de revisión de PRs.

Nauta Lab
2 min

Estudio de Harvard con datos de 700 empresas: la IA genera 30% más código, pero el throughput real sube solo 12% — el cuello de botella se corrió al code review

Llegó el estudio que faltaba en la eterna discusión de “¿la IA de coding sirve o no?”. Investigadores de Harvard, usando datos de la plataforma de ingeniería Jellyfish, analizaron ~300 millones de eventos de trabajo de 700.000 personas en más de 700 empresas, entre enero 2021 y marzo 2026, incluyendo uso de GitHub Copilot, Cursor y Claude Code. El resultado es de esos que duelen: la IA genera mucho más código, pero mucho menos trabajo terminado de lo que prometen las métricas de código.

Los números, sin filtro

  • Asistentes de IA: +12% en líneas de código, +9% en commits, +5% en PRs (solo el efecto en commits fue estadísticamente significativo)
  • Agentes de IA: +30% líneas de código, +20% commits, +23% PRs — todos significativos
  • Pero en issues de Jira resueltas por worker al mes: los asistentes no mueven la aguja, y los agentes aportan solo +12%

O sea: 30% más código, 12% más trabajo real entregado. Ese gap es la historia.

¿Dónde se pierde la ganancia?

Los ingenieros dedican solo entre 30% y 40% de su tiempo a escribir código. El resto es planificación, review, testing y deploy. Cuando la IA acelera solo la escritura, las etapas posteriores se transforman en el cuello de botella — y los datos lo muestran con crudeza:

  • Tiempo promedio de review de un PR: +49%
  • Comentarios por PR: +53%
  • PRs que requieren cambios: se duplicaron
  • La fracción de gente haciendo code review subió +14%, sin ayuda de IA para revisar

Y ojo: los investigadores descartaron que esto se explique por PRs más grandes. El costo está en el proceso, no en el tamaño.

La lectura práctica

No es “la IA no sirve”. Es que la IA optimizó la parte del pipeline que ya era la más rápida. Si tu review y tu testing no escalan junto con la generación de código, simplemente moviste la fila de un lado al otro del proceso — y probablemente la hiciste más cara, porque ahora hay más código del que hacerse cargo.

Como resumió un usuario en Reddit: “every line of code is a potential liability”. Cada línea generada es deuda potencial que alguien tiene que revisar, entender y mantener.

Para los equipos: antes de medir el éxito de IA en líneas generadas o acceptance rate del autocompletado, midan cycle time completo y throughput de issues. Y si van a automatizar algo más, que sea el review.

Enlace: el estudio (PDF) · cobertura de InfoQ


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en DevOps →

Buscar en Ping Diario