La productividad en desarrollo de software está recibiendo un impulso notable gracias a la inteligencia artificial. Un reciente estudio respaldado por Harvard, realizado por Fiona Chen y James Stratton, revela que las métricas técnicas de generación de código han aumentado significativamente cuando se utiliza IA: líneas de código producidas, commits y pull requests registran incrementos de 20% a 30%, 20% y 23% respectivamente. Sin embargo, el estudio también arroja una pregunta crucial: ¿está esa ganancia de productividad traducida en un incremento equivalente en el producto final de software?

Entre los hallazgos clave, se observa un aumento del 30% en la cantidad de código generado y sin embargo no se identifica una mejora estadísticamente significativa en la finalización de software. Esto sugiere que, aunque la IA acelera etapas iniciales, existen cuellos de botella posteriores que limitan la entrega de producto. En concreto, el tiempo medio de revisión se eleva de 7.03 a 10.48 días, lo que indica que la revisión de código se ha convertido en el nuevo cuello de botella del proceso.

El estudio también destaca un incremento del 49% en los comentarios por pull request y un aumento del 35% en los comentarios de los revisores, junto con un 14% más de empleados involucrados en las revisiones. Estos datos señalan que, aunque la IA acelera la generación de código, la revisión humana se vuelve más central y laboriosa, empujando la carga de trabajo hacia las fases de control de calidad y verificación.

Una pregunta relevante que plantea la investigación es si, ante una mayor carga de trabajo generada por la IA, las empresas responden con más personal para la revisión de código. Aunque la adopción de IA a menudo se ha asociado con reducciones de personal, el informe demuestra que los trabajadores humanos siguen siendo imprescindibles, simplemente en áreas distintas del proceso de codificación.

En cuanto a las etapas futuras de adopción de IA, el estudio contempla la posibilidad de que la IA apoye también la revisión de código. Aunque ya se emplea en cierta medida, la intervención humana sigue siendo dominante en esta fase, lo que refuerza la idea de que la IA no elimina, sino que redistribuye la carga de trabajo.

Un aspecto adicional es la creciente necesidad de correcciones en el código generado por IA. Esto plantea preguntas sobre la magnitud de la ganancia real en productividad y si las mejoras en velocidad compensan el esfuerzo necesario para corregir errores y adaptar el código a los requerimientos.

Aunque la adopción de IA no ha provocado pérdidas significativas de empleo, el análisis sugiere que el objetivo principal debe ser maximizar el uso de IA para apoyar a los empleados y reducir cargas de trabajo innecesarias, más que reemplazar a los trabajadores. Como resumen del estudio: “Las ganancias de productividad se absorben por restricciones en etapas posteriores de la cadena de producción; la revisión de código se convierte en el cuello de botella”.

Este resultado invita a las organizaciones a replantear su estrategia de implementación de IA en desarrollo de software. En lugar de ver IA como un reemplazo completo, conviene enfocarse en optimizar el flujo de trabajo, equilibrar la carga entre la generación y revisión de código, y fortalecer las prácticas de revisión humana para extraer el máximo rendimiento sin sacrificar la calidad.

from Latest from TechRadar https://ift.tt/e4OlLnD
via IFTTT IA