Contrario a las expectativas, los asistentes de codificación basados en inteligencia artificial están frenando la productividad de los desarrolladores experimentados en lugar de aumentarla, según un reciente estudio del laboratorio METR.
Un estudio experimental llevado a cabo por el laboratorio independiente METR analizó el impacto real de las herramientas de inteligencia artificial generativa en el trabajo de desarrolladores de software con amplio recorrido en proyectos de código abierto. Según los resultados, aquellos desarrolladores que integraron asistentes de IA en su flujo habitual fueron, en promedio, un 19% más lentos que quienes trabajaron sin estas herramientas. Esta cifra resulta especialmente relevante considerando que los propios ingenieros estimaban ahorrar inicialmente alrededor de un 24% del tiempo gracias a la IA.
El análisis se basó en la observación de 16 profesionales con varios años de experiencia y conocimiento de modelos de lenguaje y proyectos consolidados, donde se esperaba que la tecnología mejorara significativamente la eficiencia. Sin embargo, la percepción de ahorro contrasta con los datos objetivos: revisar sugerencias imprecisas y adaptarlas a estándares de calidad elevados resultó más laborioso que programar directamente desde cero. METR identificó múltiples factores detrás del fenómeno, incluyendo la adaptación insuficiente a las interfaces de IA, la tendencia a realizar prompts demasiado simples y el carácter aún limitado de los modelos para resolver tareas complejas en entornos profesionales.
Más allá del rendimiento puntual, la popularización de la IA generativa está provocando una redefinición profunda del papel del desarrollador, que evoluciona progresivamente de codificador a integrador, arquitecto de sistemas y supervisor de calidad, según expertos del sector. El reto principal ya no es solo escribir código, sino validar resultados generados, garantizar la alineación con objetivos técnicos y asumir nuevas responsabilidades éticas y técnicas. Aunque la IA promete transformar los modelos de trabajo y colaboración, el estudio concluye que la mejora de la productividad depende de un ajuste fino entre herramientas, tareas, proceso de adopción y contexto organizativo.
