Los medios extranjeros afirman que las herramientas de programación con IA han pasado de ser una “opción” a ser una “configuración predeterminada” en los equipos de desarrollo, pero las expectativas optimistas sobre el aumento de la eficiencia están siendo traídas de vuelta a la realidad por mayores costos y problemas de calidad. Múltiples estudios y casos empresariales muestran que, aunque la IA realmente puede acelerar la escritura de código, no necesariamente reduce el trabajo de revisión posterior.
Los desarrolladores ya no quieren alejarse de la IA
La institución de investigación en IA METR reveló en febrero de este año que los investigadores originalmente pretendían repetir un experimento sobre la eficiencia de programación, comparando las diferencias entre los desarrolladores que escriben código manualmente y aquellos que utilizan IA para completar tareas, pero encontraron resistencia durante el proceso: muchos desarrolladores ni siquiera estaban dispuestos a renunciar temporalmente a las herramientas de IA para el experimento.
METR realizó pruebas relacionadas en 2025. Los participantes generalmente sintieron que eran más eficientes, pero los resultados medidos fueron opuestos: aunque generaban código más rápido, los desarrolladores tenían que dedicar más tiempo a esperar la salida del modelo, corregir errores y guiar repetidamente la herramienta para completar las tareas.
Debido a la dificultad para mantener a los desarrolladores participando sin IA, METR posteriormente cambió a publicar una encuesta para que los empleados técnicos evaluaran por sí mismos los beneficios de la IA. Los encuestados generalmente consideraron que la IA duplicó el valor de su trabajo.
Las empresas comienzan a reevaluar la inversión en IA
El artículo señala que este tipo de juicios de "auto-percepción de mayor eficiencia" están siendo puestos a prueba por el gasto empresarial y la producción real. Desde 2026, Silicon Valley llegó a popularizar el uso del consumo de tokens como medida de la intensidad del uso de IA, e incluso como un indicador proxy de productividad, pero este enfoque ya ha generado una clara reacción negativa.
El Financial Times del Reino Unido informó esta semana que Amazon ha cerrado su lista interna de tokens, Kirorank, debido a que los empleados manipulaban la lista mediante llamadas excesivas a agentes de IA, lo que aumentó los costos sin mejorar la producción correspondiente.
The Information informó que Uber agotó su presupuesto anual de IA en los primeros cuatro meses de 2026. El director de operaciones de la empresa, Andrew Macdonald, declaró recientemente en un podcast que estos gastos aún no han generado un crecimiento medible en los proyectos ni un aumento en la productividad.
Escribir código más rápido no equivale a menos mantenimiento
El artículo sostiene que el verdadero problema radica en el mantenimiento del código. El programador y autor James Shore señaló recientemente en un blog ampliamente compartido que, si la velocidad de escritura de código se duplica pero los costos de mantenimiento no disminuyen proporcionalmente, el equipo simplemente intercambia una aceleración a corto plazo por una carga a largo plazo.
En torno a este punto, el mercado también ha generado numerosos datos. Aiswarya Sankar, fundadora de la startup de ingeniería de confiabilidad Entelligence AI, indicó que aproximadamente el 44% del consumo de tokens por parte de las empresas se destina a corregir defectos generados por IA. La empresa de herramientas de revisión de código Code Rabbit también afirmó que su análisis de solicitudes de extracción en proyectos de código abierto reveló que los problemas generados por código de IA son 1.7 veces más numerosos que los generados por código humano.
Aunque estos datos provienen de proveedores de servicios relacionados y presentan factores de sesgo evidentes, investigaciones independientes también han emitido advertencias similares. En abril de este año, investigadores de la Universidad de Gestión de Singapur publicaron un informe que indica que el código generado por IA puede generar costos de mantenimiento a largo plazo para proyectos de software reales.
Los investigadores sugieren gestionar la IA como un "desarrollador junior".
Sobre cómo abordarlo, el artículo menciona que algunos fabricantes de agentes de programación con IA defienden seguir utilizando más IA para corregir los problemas generados por IA. Scott Wu, fundador de Cognition, desarrollador del agente de programación con IA Devin, comparte esta opinión.
Sin embargo, también reconoció que, aunque Devin puede completar ciertas tareas de forma independiente, sus habilidades actuales se encuentran aproximadamente entre el nivel de programador principiante e intermedio, dependiendo del tipo de tarea. Esto significa que el equipo de desarrollo aún no puede delegar completamente el trabajo en el agente y dejarlo sin supervisión.
En comparación, los investigadores de la Universidad de Gestión de Singapur recomiendan un enfoque más centrado en la supervisión humana: los desarrolladores deben comprender claramente los límites entre las tareas que la IA domina y aquellas que no, establecer procesos de garantía de calidad para los resultados de la IA, y revisar los resultados generados por el modelo como si fueran el código de un ingeniero junior.
El artículo concluye que, en tareas de alto nivel como la arquitectura de software y el diseño de seguridad, los desarrolladores humanos siguen siendo los principales tomadores de decisiones, un punto con el que incluso los profesionales que respaldan agentes de IA están básicamente de acuerdo.