El uso de inteligencia artificial en desarrollo de software ha dado un salto notable en apenas un año. Una encuesta difundida por BairesDev y recogida por medios especializados indica que el 42% de los desarrolladores afirma que la IA escribe al menos la mitad de su código, frente al 12% registrado en el mismo periodo del año anterior.
El dato encaja con lo que muchas empresas ya ven en sus equipos: los asistentes de programación han pasado de completar líneas a participar en tareas más amplias, como generar pruebas, explicar bases de código, proponer refactorizaciones o crear componentes enteros a partir de una descripción. La pregunta ya no es si los desarrolladores usan IA, sino cómo se controla el resultado.
La productividad prometida por la IA en programación depende menos de generar código rápido y más de revisarlo, probarlo y mantenerlo sin acumular deuda técnica. Ese es el punto donde muchas organizaciones empiezan a encontrar fricción. Si un equipo acepta grandes volúmenes de código generado sin una revisión adecuada, puede ganar velocidad hoy y pagarla en seguridad, rendimiento o mantenibilidad mañana.
La encuesta también apunta a una percepción más positiva del trabajo entre desarrolladores que usan estas herramientas. Automatizar tareas repetitivas puede liberar tiempo para diseño, arquitectura o resolución de problemas. Pero ese beneficio no aparece solo: exige procesos de revisión, criterios de calidad, pruebas automatizadas y una cultura técnica que no confunda cantidad de código con avance real.
En empresas medianas, el impacto puede ser profundo. Un equipo pequeño puede abordar más backlog, documentar mejor una API o acelerar migraciones que antes se aplazaban. También puede introducir dependencias nuevas, patrones inconsistentes o soluciones superficiales si no existe una guía clara sobre cuándo aceptar, modificar o rechazar sugerencias de la IA.
El rol del desarrollador se desplaza hacia una mezcla de editor técnico, arquitecto de contexto y responsable de calidad. Saber pedir una solución importa, pero importa más entender si esa solución respeta el dominio, los límites de seguridad y la evolución futura del producto. La experiencia sigue siendo decisiva, aunque se exprese de otra manera.
El dato del 42% también obliga a revisar métricas de gestión. Medir productividad por líneas de código pierde aún más sentido cuando una parte importante puede generarse en segundos. Las empresas deberían mirar ciclos de entrega, defectos, incidencias en producción, coste de mantenimiento y satisfacción del equipo, no solo volumen producido.
- El 42% declara que la IA escribe al menos la mitad de su código.
- Un año antes, el porcentaje era del 12%.
- La revisión humana se vuelve más crítica conforme aumenta el volumen generado.
Para compañías españolas, la adopción puede ser una oportunidad clara si se acompaña de formación y reglas prácticas. Conviene definir qué repositorios pueden usar IA, cómo se tratan datos sensibles, qué pruebas son obligatorias y quién asume responsabilidad sobre el código aceptado. La herramienta puede sugerir, pero la empresa sigue firmando el producto.
La nueva ventaja competitiva no será tener más código generado por IA, sino convertir esa velocidad en software fiable, seguro y fácil de evolucionar. Los equipos que aprendan esa disciplina antes tendrán una mejora real; los que solo aceleren la escritura pueden descubrir que el cuello de botella se trasladó a la revisión.
