Cómo está cambiando la programación con IA: lo que dicen los datos y lo que se contradice

En 2023, un experimento de GitHub encontró que los programadores con Copilot completaban una tarea un 55% más rápido. En 2025, un experimento de METR con programadores expertos trabajando en sus propios proyectos de código abierto encontró que con herramientas de IA tardaban un 19% más, aunque ellos creían haber ido un 20% más rápido. Los dos estudios son serios y se contradicen solo en apariencia. Medían cosas distintas, y esa diferencia explica casi todo lo que se sabe sobre cómo la IA está cambiando la programación.

Los datos citados son los publicados hasta la fecha del artículo. Las herramientas cambian rápido y los estudios tardan meses en publicarse, así que la evidencia siempre va algo por detrás de las herramientas.

Lo que muestran los experimentos

El experimento de GitHub (Peng y otros, 2023) pidió a programadores que escribieran un servidor HTTP sencillo en JavaScript, una tarea acotada, bien definida y muy representada en los datos de entrenamiento. Es el terreno donde los asistentes brillan.

El estudio de METR asignó al azar tareas reales de los propios repositorios de programadores con años de experiencia en ellos: proyectos grandes, con convenciones propias y conocimiento implícito. Ahí, el tiempo de revisar, corregir y adaptar lo que proponía la IA superó al que ahorraba. El dato más llamativo fue la percepción: los participantes estimaron que la IA los había acelerado.

Juntos sugieren un patrón coherente con otros estudios: la IA acelera mucho las tareas acotadas, nuevas y comunes, y ayuda menos, o incluso frena, en código grande y conocido por el programador. Y la percepción subjetiva de productividad no es una medida fiable.

Adopción y volumen

Las encuestas anuales de Stack Overflow muestran que una amplia mayoría de los desarrolladores usa o planea usar herramientas de IA, con una confianza en la exactitud de sus resultados bastante más baja que su uso. Google declaró a finales de 2024 que más de una cuarta parte del código nuevo de la empresa lo generaba la IA y luego lo revisaban ingenieros, y otras empresas han dado cifras similares o mayores.

Los datos de uso de los proveedores apuntan en la misma dirección. Los análisis del Anthropic Economic Index encontraron que la programación es la categoría de uso más frecuente de Claude, y que en las herramientas de agente para programar la proporción de tareas delegadas por completo, frente a la colaboración paso a paso, era mayor que en el chat.

Qué tareas ganan peso

Si escribir código se abarata, lo que cuesta pasa a estar alrededor del código:

• Especificar bien qué hay que construir, porque una especificación ambigua produce rápidamente mucho código que hace lo que no era.
• Revisar código que no escribiste, con atención a errores sutiles, seguridad y coherencia con el resto del sistema.
• Diseñar pruebas que comprueben el comportamiento esperado y no solo el que el código tiene.
• Entender el sistema completo: arquitectura, dependencias, por qué las cosas son como son.

Es una hipótesis razonable, compartida por muchos equipos, más que un hecho medido. Lo que sí está documentado es la caída en la contratación de programadores jóvenes en Estados Unidos en 2024 y 2025, que algunos estudios relacionan con la IA y otros con el ciclo económico del sector. Si se confirma, plantea una pregunta difícil: cómo se forman los programadores expertos de mañana si las tareas con las que se aprendía las hace una herramienta.

Qué es incierto

Si los agentes de programación pasarán de tareas de horas a proyectos de semanas con fiabilidad suficiente, y en cuánto tiempo. Si la productividad medida en tareas se traduce en productividad de los equipos, que depende de revisión, coordinación y calidad. Si el código generado acumula deuda técnica que aparecerá más tarde: algunos análisis de repositorios han encontrado más duplicación y más código que se reescribe poco después, pero la evidencia es preliminar.

Errores frecuentes al leer estos datos

Generalizar desde una tarea. Un porcentaje de ahorro en una tarea de laboratorio no es la productividad de un equipo en un producto real. Mira qué tarea se midió.

Medir por líneas de código. Que la IA genere un porcentaje alto del código nuevo dice poco si ese código necesita revisión intensa o se reescribe. El volumen no es valor.

Fiarse de la percepción. El estudio de METR muestra que los programadores pueden sentirse más rápidos mientras van más lentos. Para decisiones de equipo, mide tiempos y calidad, no impresiones.

Qué vigilar

Tres indicadores dirán más que cualquier predicción: experimentos controlados en código real y grande, no en tareas de laboratorio; datos de calidad y mantenimiento del código generado a lo largo de años; y la evolución de la contratación de perfiles junior separada del ciclo económico.