15 de octubre de 2026Actualizado el Fathy Shalaby10 min de lectura
Cómo medir la productividad de ingeniería con herramientas de código con IA
Las líneas de código, los prompts y las sugerencias aceptadas miden actividad, no progreso. Esto es lo que dice la investigación sobre las herramientas de código con IA y un cuadro de mando de cuatro capas para usar en su lugar.
Para medir la productividad de ingeniería con herramientas de código con IA, sigue la velocidad de entrega, la estabilidad y los resultados de producto, no las líneas de código, los prompts ni las sugerencias aceptadas. Son señales de actividad, y la IA las infla gratis. La investigación controlada muestra por qué importa: en el ensayo de METR de 2025, desarrolladores con experiencia fueron un 19 % más lentos con IA mientras creían ser un 20 % más rápidos. Mide el sistema que rodea a la herramienta, en cuatro capas.
Ideas clave
La productividad percibida y la medida pueden apuntar en direcciones opuestas: los desarrolladores de METR pronosticaron una aceleración del 24 %, estimaron un 20 % después y se midieron un 19 % más lentos (METR, 2025).
En los equipos con mucho uso de IA, las pull requests fusionadas subieron un 98 %, el tiempo de revisión un 91 % y el tamaño de las PR un 154 %, sin mejora de entrega a nivel de empresa (Faros AI, 2025).
La propia guía de Google dice que la tasa de aceptación y las líneas de código aceptadas miden adopción y confianza, no productividad.
La investigación DORA de 2025 vincula la adopción de IA con mayor rendimiento pero menor estabilidad, así que mide ambos lados.
Usa un cuadro de mando de cuatro capas: adopción, confianza, entrega, impacto de producto. Dale a un piloto de seis a ocho semanas frente a una línea base.
¿Por qué las líneas de código son una mala medida para ingenieros asistidos por IA?
Las líneas de código siempre fueron un indicador indirecto débil. Con las herramientas de código con IA se vuelven activamente engañosas, porque generar código ya casi no cuesta nada. Un panel puede llenarse de commits, pull requests, tests generados y sugerencias aceptadas mientras el producto no avanza.
Tres pruebas muestran la distorsión.
Más código no es mejor código. GitClear analizó 211 millones de líneas modificadas entre 2020 y 2024. Las líneas clonadas (copiadas y pegadas) pasaron del 8,3 % de los cambios en 2021 al 12,3 % en 2024, mientras que las líneas movidas y refactorizadas cayeron del 25 % a menos del 10 % (GitClear, 2025). El volumen subió mientras el trabajo de mantenimiento bajaba.
Los cambios más grandes ralentizan al equipo. La telemetría de Faros AI de más de 10 000 desarrolladores encontró que los equipos con mucho uso de IA producían PR un 154 % más grandes, el tiempo de revisión subía un 91 % y los errores por desarrollador un 9 % ().
Aceptación no es productividad. El marco de Google para adoptar asistencia de código con IA sitúa la tasa de aceptación y las líneas de código aceptadas en sus fases de adopción y confianza, y advierte de que valores altos no prueban productividad si las métricas de entrega empeoran (Google Cloud, 2025).
El marco SPACE, de Nicole Forsgren y colegas de Microsoft Research y GitHub, planteó el principio general en 2021: la productividad de los desarrolladores no se puede medir con una sola métrica ni solo con niveles de actividad (Forsgren et al., 2021). Sus cinco dimensiones son satisfacción y bienestar, rendimiento, actividad, comunicación y colaboración, y eficiencia y flujo. La actividad es una de cinco, no el cuadro completo.
El riesgo es un bucle de retroalimentación: la organización premia la producción visible, los ingenieros generan más, los revisores heredan la carga y los líderes confunden movimiento con progreso. Lo llamamos la ilusión de velocidad de producto.
¿Qué dice la investigación sobre las herramientas de código con IA y la productividad de los desarrolladores?
Los resultados dependen mucho de la tarea, la base de código y el desarrollador. Aquí tienes la evidencia lado a lado.
Estudio
Contexto
Hallazgo
Peng et al., 2023
Tarea controlada: construir un servidor HTTP en JavaScript
El grupo con Copilot terminó un 55,8 % más rápido (arXiv)
METR, julio de 2025
Ensayo aleatorizado: 16 desarrolladores con experiencia, 246 incidencias reales en grandes repositorios de código abierto
Un 19 % más lentos con IA; los desarrolladores creían ser un 20 % más rápidos (METR)
METR, febrero de 2026
57 desarrolladores, más de 800 tareas, herramientas de finales de 2025
Estimaciones de un 18 % y un 4 % más rápidos, pero los intervalos de confianza incluyen el cero; METR lo llama evidencia débil (METR)
DORA, 2024
Modelado basado en encuestas
Adopción de IA asociada a una caída estimada del 1,5 % en el rendimiento de entrega y del 7,2 % en la estabilidad (Google Cloud)
DORA, 2025
Casi 5000 profesionales
La IA ahora se vincula con mayor rendimiento, y aún con menor estabilidad (Google Cloud)
Faros AI, 2025
Telemetría, más de 10 000 desarrolladores, 1255 equipos
Un 21 % más de tareas, un 98 % más de PR, sin mejora a nivel de empresa
Stack Overflow, 2025
Encuesta, más de 30 000 desarrolladores
El 52 % dice que la IA mejoró su productividad; el 45 % dice que depurar código de IA lleva más tiempo (Stack Overflow)
Tres lecciones para los responsables:
Las autoevaluaciones no bastan. La brecha de percepción de METR significa que una encuesta al equipo por sí sola puede mostrar mejoras que los datos de entrega no muestran.
Las tareas aisladas exageran las mejoras. Un ejercicio desde cero con requisitos claros es donde la IA brilla. Las bases de código maduras con convenciones implícitas son más difíciles.
Las mejoras individuales no se suman automáticamente. Faros encontró más producción por desarrollador pero ninguna mejora a nivel de empresa. La revisión, las pruebas y la integración absorben la diferencia.
Los datos de DORA de 2024 también mostraron beneficios reales: por cada aumento del 25 % en la adopción de IA, la calidad de la documentación subió un 7,5 % estimado, la calidad del código un 3,4 % y la velocidad de revisión de código un 3,1 %. La IA ayuda. La pregunta es si tu sistema convierte esa ayuda en valor entregado.
¿Qué medir en su lugar? Un cuadro de mando de cuatro capas
El marco de cuatro fases de Google (adopción, confianza, aceleración, impacto) y las métricas de entrega de DORA se combinan en un cuadro de mando que puedes revisar cada mes. Mantén cada capa separada para que las cifras de adopción nunca sustituyan al impacto.
Capa
Pregunta
Métricas
Señal de alerta
1. Adopción
¿Los ingenieros usan las herramientas?
Usuarios activos semanales, proporción de cambios con asistencia de IA
Se trata como un objetivo en sí misma
2. Confianza
¿Los ingenieros confían en la salida de forma adecuada?
Tasa de aceptación, encuesta de confianza, proporción de cambios de IA retocados en la revisión
Aceptación muy alta y tasa de fallos de cambios en aumento
3. Entrega
¿El sistema es más rápido y estable?
Las cinco métricas de DORA: plazo de entrega de cambios, frecuencia de despliegue, tiempo de recuperación tras un despliegue fallido, tasa de fallos de cambios, tasa de retrabajo de despliegues (DORA)
Rendimiento al alza, estabilidad a la baja
4. Impacto de producto
¿Se beneficiaron los clientes o el negocio?
Comportamiento de los usuarios objetivo, adopción de las funcionalidades entregadas, retención, carga de soporte
Muchas versiones, resultados planos
Añade dos señales de salud del equipo que la IA suele mover: el tamaño mediano de las PR y el tiempo mediano hasta la primera revisión. Son los primeros avisos de que la producción está superando la capacidad de revisión.
¿Cómo haces una comparación justa de antes y después?
La guía de Google señala que definir criterios de éxito y una línea base es el paso más importante y el que más se omite. Una secuencia práctica:
Acuerda los criterios de éxito con los ingenieros y los responsables de negocio antes del despliegue. Elige una métrica de entrega y un resultado de producto.
Captura una línea base de al menos cuatro semanas: métricas DORA, tamaño de las PR, tiempo de revisión.
Compara cosas comparables. Google advierte contra comparar un equipo con experiencia que usa IA con un equipo menos experimentado sin IA. Usa proyectos sucesivos o cohortes equiparadas.
Dale de seis a ocho semanas. Google sugiere al menos cuatro sprints de dos semanas antes de esperar que se note la aceleración.
Lee las cuatro capas juntas y luego decide qué cambiar: herramientas, tamaño de los lotes, proceso de revisión o contexto.
Ejemplo práctico (ilustrativo)
Supón que un equipo de seis ingenieros adopta un agente de código con IA. A las ocho semanas, el panel muestra un 140 % más de líneas modificadas y un 60 % más de PR fusionadas. El plazo de entrega de cambios bajó de 3,0 días a 2,2 días. Pero la tasa de fallos de cambios subió del 8 % al 14 %, el tamaño mediano de las PR se duplicó y el tiempo hasta la primera revisión pasó de 4 horas a 10.
Un panel de líneas de código lo llama un triunfo. El cuadro de mando de cuatro capas dice que la adopción y el rendimiento mejoraron mientras la estabilidad empeoró. La solución: limitar el tamaño de las PR, añadir la comprobación de aceptación del PM antes de la revisión de código y exigir a los agentes que enumeren las rutas sin probar. Cuatro semanas después, la tasa de fallos de cambios vuelve al 9 % y el plazo se mantiene en 2,4 días. Eso es una mejora real.
¿Qué debería acordar un responsable con el equipo antes de empezar el trabajo asistido por IA?
Haz explícitas seis cosas para cada trabajo:
La decisión de producto: ¿qué estamos decidiendo o probando?
La evidencia de usuarios: ¿qué fuentes muestran que el problema es real?
La porción útil más pequeña: ¿cuál es el cambio más pequeño que genera aprendizaje o valor?
Las barreras técnicas: ¿qué debe seguir siendo cierto en seguridad, fiabilidad, privacidad y rendimiento?
El camino de revisión: ¿quién revisa el comportamiento, el código, las pruebas y las consecuencias operativas?
El responsable del resultado: ¿quién comprueba lo que pasó después del lanzamiento?
Después pide al equipo que haga legible el trabajo generado: archivos y sistemas modificados, supuestos que hizo el agente, pruebas ejecutadas, rutas sin probar, plan de reversión y un enlace a la decisión de producto. Trata el código generado como una propuesta de cambio, no como una autoridad. La parte del PM en esta revisión se explica en cómo revisar lo que construyen los agentes de IA.
¿Cómo deberían trabajar los product managers con ingenieros que usan herramientas de código con IA?
Mantén las porciones pequeñas. DORA incluye el trabajo en lotes pequeños entre las siete capacidades que amplifican los beneficios de la IA, junto con una postura clara sobre la IA, datos internos accesibles para la IA y sólidas prácticas de control de versiones.
Un ciclo de gestión semanal
Sustituye «¿cuántas líneas produjimos?» por siete preguntas:
¿Qué aprendimos de los clientes o de producción?
¿Qué decisiones cambiaron?
¿Qué trabajo se generó pero aún no está justificado por una decisión?
¿Qué cambios son demasiado grandes para revisarlos cómodamente?
¿Dónde eliminó fricción la IA?
¿Dónde añadió carga de revisión u operativa?
¿Qué deberíamos parar, acotar o revertir?
¿Cuáles son los errores más comunes?
Fijar objetivos de adopción. «El 80 % de los ingenieros usa IA a diario» es una entrada. Los equipos lo alcanzarán sin mejorar nada.
Fiarse solo de las autoevaluaciones. La brecha de percepción de METR es la advertencia. Combina las encuestas con datos de entrega.
Ignorar la estabilidad. Las mejoras de rendimiento que vienen con más reversiones y parches urgentes son tiempo prestado.
Comparar equipos distintos. Un equipo sénior con IA frente a uno júnior sin ella no te dice nada sobre la IA.
Saltarse la política. Define las herramientas aprobadas, los límites de datos, los umbrales de revisión y las acciones sensibles que necesitan aprobación humana. Nuestra guía sobre cómo la IA cambió la carga de trabajo de los equipos de producto cubre el contrato operativo más amplio.
Dónde encaja Specky
Specky mantiene a producto e ingeniería conectados con la razón del trabajo. Su Product Graph enlaza señales de clientes, investigación, decisiones, PRD, tickets y resultados, y su servidor MCP permite a los agentes de código leer ese contexto antes de planificar. Eso les da a los responsables un ciclo más allá de la actividad de código: señal, decisión, implementación, revisión, lanzamiento, resultado. No es otro panel de ingeniería; evita que el razonamiento de producto se pierda entre la roadmap y el repositorio.
Preguntas frecuentes
¿Deben los responsables seguir las líneas de código producidas por IA?
No. Las líneas de código y las sugerencias aceptadas son medidas de actividad que la IA infla sin coste. Los datos de GitClear muestran que el código copiado y pegado aumenta y el refactoring disminuye a medida que crece el uso de IA. Sigue en su lugar las métricas de entrega de DORA, el tiempo de revisión, el tamaño de los cambios y el resultado de cliente que cada cambio pretendía mover.
¿Cuál es la mejor métrica de productividad de los desarrolladores con IA?
Ninguna métrica única funciona. Usa cuatro capas: adopción (¿se usan las herramientas?), confianza (¿se acepta la salida de forma adecuada?), entrega (las métricas de rendimiento y estabilidad de DORA) e impacto de producto (¿cambió el comportamiento de los clientes o los resultados de negocio?). Infórmalas por separado para que la adopción nunca sustituya al impacto.
¿Las herramientas de código con IA hacen más rápidos a los desarrolladores?
Depende. Una tarea controlada de 2023 encontró desarrolladores un 55,8 % más rápidos con Copilot. El ensayo de METR de 2025 sobre bases de código de código abierto maduras encontró desarrolladores con experiencia un 19 % más lentos. El seguimiento de METR de 2026 apunta a aceleraciones modestas pero con mucha incertidumbre. Las mejoras son mayores en tareas bien definidas desde cero.
¿Cuánto debe durar un piloto de una herramienta de código con IA?
Al menos de seis a ocho semanas después de un periodo de línea base. Google recomienda cuatro sprints de dos semanas antes de juzgar la aceleración, porque los ingenieros necesitan tiempo para aprender las herramientas y las primeras cifras reflejan sobre todo adopción. Acuerda los criterios de éxito con los ingenieros y los responsables de negocio antes de que empiece el piloto.
¿Qué debe incluir una política de herramientas de código con IA?
Las herramientas aprobadas, los datos a los que puede acceder cada una, los umbrales de revisión según el riesgo, las acciones que siempre necesitan aprobación humana, cómo se prueban y auditan los cambios generados y quién se hace responsable de los incidentes en producción. DORA lo llama una postura clara y comunicada sobre la IA y lo sitúa el primero entre las capacidades que hacen que la adopción de IA compense.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing