La IA hace que los desarrolladores senior tarden más, según un estudio
Los ingenieros con IA tardaron un 19% más en resolver incidencias pese a percibir un 20% más de productividad.
La IA no acelera a todo el mundo. Un estudio de Metr.org sobre desarrolladores senior de código abierto señala que quienes usan asistentes de IA tardan un 19% más en cerrar incidencias, a pesar de que ellos mismos creen que rinden un 20% más. La muestra es pequeña y el estudio no es concluyente, pero la brecha entre percepción y realidad invita a revisar cómo medimos el impacto de estas herramientas.
El estudio y sus cifras
El trabajo, titulado "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity", siguió a 16 desarrolladores con experiencia mientras resolvían incidencias reales en proyectos de código abierto. La mitad usó herramientas de IA; la otra mitad, los métodos tradicionales. Resultado: los que usaron IA tardaron de media un 19% más en resolver cada incidencia, a pesar de que los propios participantes percibieron una mejora del 20% en su rendimiento. Casi cuarenta puntos de diferencia entre lo que sienten y lo que miden los datos.
¿Por qué esta desconexión? Los autores del estudio sugieren que los ingenieros senior suelen tener una intuición muy afinada: saben qué variable tocar en menos de un minuto. Con la IA, en cambio, el flujo cambia: hay que abrir la herramienta, escribir un prompt, esperar a que el índice de archivos se procese y dejar que el modelo genere contexto. Ese tiempo extra, aunque no se perciba, acaba pesando en la resolución de una incidencia.
Limitaciones y preguntas abiertas
El estudio tiene límites evidentes. Dieciséis desarrolladores es una muestra muy reducida, y los resultados no pueden generalizarse. Además, se centra exclusivamente en perfiles senior, lo que deja fuera a gran parte de la industria. ¿Es la IA más útil para desarrolladores de nivel medio o júnior, que no tienen la misma intuición acumulada? El estudio no responde a eso, pero abre la puerta a investigaciones más amplias.
Lo interesante del caso no es tanto el dato concreto como la advertencia metodológica: si confiamos en la percepción subjetiva de productividad, podemos estar engañándonos. La brecha entre lo que los desarrolladores creen que rinde una herramienta y lo que realmente rinde en su flujo de trabajo es un problema real para quien decide adoptar estas tecnologías.
En cualquier caso, el estudio de Metr.org no es una condena a la IA en el desarrollo. Es una llamada a medir con datos y no con sensaciones, sobre todo cuando las herramientas de IA se están integrando por defecto en los entornos de trabajo. Queda por ver si estudios con muestras más grandes confirman esa tendencia o si es un efecto específico de ciertos perfiles y tipos de tareas.
