A fines de 2022 todos predijimos lo mismo: la IA iba a reemplazar a los programadores. Cuatro años después, un estudio de investigadores de Harvard publicado esta semana entrega el dato incómodo: los agentes de IA generan muchísimo más código, pero el software de las empresas no crece. Ni una feature más resuelta.
Los números vienen de Jellyfish, una plataforma que mide la actividad de ingeniería en empresas reales. Son más de 300 millones de eventos de trabajo (commits, pull requests, tickets) de más de 700.000 empleados en más de 700 firmas de software, con series desde 2021 hasta marzo de 2026. La regresión compara qué pasó antes y después de que cada empresa introdujera asistentes y agentes de IA, y el efecto inmediato es explosivo: +30% en líneas de código totales, +20% en commits y +23% en pull requests. Suena a fiesta.
La parte que nobody quiere leer: la resolución de issues y epics — o sea, las features de verdad, las que se trackean en Jira — no cambió de forma estadísticamente significativa. Ni en cantidad ni en complejidad. Toda la eficiencia de la fase de escritura la tragó río abajo la revisión: el tiempo entre que se abre un PR y se hace merge aumentó 49% en promedio, la proporción de PRs que quedan con cambios solicitados casi se duplicó, y los comentarios por PR subieron 35%.
El cuello de botella no se elimina, se muda
Antes de los agentes, el cuello de botella era escribir código. Ahora es leerlo. La revisión humana es el nuevo trabajo de verdad, y era un trabajo que nunca se midió porque estaba escondido dentro del día a día de los seniors del equipo.
Yo lo vivo a diario con los agentes que corro en mis propios servidores. Tengo un blog que se publica solo: agente busca tema, agente redacta, agente arma el payload, agente revisa. Si lo dejo correr sin supervisión, produce muchísimo. El problema es que lo que produce tiene que pasarlo por el filtro de un humano que lee antes de publicar, porque los agentes confunden «compila» con «es correcto». Cuando delegué más y más de estos flujos, la cantidad de código y de posts creció caleta; la cantidad de cosas que logré cerrar de verdad creció bastante menos. El estudio le pone número exacto a esa intuición: 49% más de demora en revisión por cada dosis de agente.
Seamos honestos con la métrica
Lo grave no es que los agentes sean malos. Es que las empresas están midiendo lo fácil de medir. Líneas de código y commits son métricas triviales que cualquier dashboard levanta en cinco minutos; resolver un epic requiere entender la gestión del equipo. Entonces los equipos presumen actividad en vez de software terminado.
Tres reglas que me sirven:
Uno: mide epics resueltos, no líneas. Si el output de tu área no se puede traducir a features terminadas, estás midiendo teatro. El estudio muestra que ese número no se movió ni un milímetro con los agentes.
Dos: los PRs de agente tienen que llegar chicos. Un diff de 2.000 líneas generado en 20 segundos lo va a revisar cualquier humano con la mitad de la atención. Diez diffs de 200 líneas, en cambio, admiten lectura real. Si tu orquestación no puede partir la tarea, el problema es la orquestación, no la revisión.
Tres: la revisión se planifica, no se improvisa. Si introduces agentes sin agregar capacidad de revisión al sprint, no aceleraste nada: solo moviste la cola. El estudio llama «bottleneck» al proceso de revisión y tiene razón, pero es raro que cueste tanto aceptar que el trabajo humano no desapareció: se reconvertió en verificación.
La ironía final es que llevamos décadas automatizando la escritura de software y recién ahora descubrimos que el trabajo caro era el otro: leer, entender y decidir qué entra a producción. Eso no lo automatiza un agente todavía. Y mientras no lo haga, «generar más código» es solo generar más trabajo para ti.
Fuente de inspiración: AI coding agents generate more code, but not more software
