TL;DR (3 líneas): Dos investigadores de Harvard han medido con datos de 718 empresas qué pasa al adoptar agentes de programación. El código escrito sube un 30 % y el trabajo terminado no sube de forma significativa. Compartimos el diagnóstico. No compartimos que la calidad del código dependa sobre todo de la tecnología, porque depende también de qué se le delega al agente y cómo. Ese criterio se gana construyendo, y es lo que trabajamos en Desarrollando con IA en noviembre. Te proponemos dos preguntas para tu equipo técnico o tu proveedor.
Fiona Chen y James Stratton, doctorandos de Harvard, han analizado en un documento de trabajo los datos que la plataforma Jellyfish tiene de 718 empresas con equipos de desarrollo, algo más de la mitad de ellas de software, hasta marzo de 2026. Según su estimación, la empresa que adopta agentes de programación escribe un 30 % más de líneas de código por trabajador, sobre lo que ya ganaba con los asistentes, y hace un 23 % más de propuestas de cambio (pull requests). Las tareas y los proyectos terminados no suben de forma significativa.
Escribir código es menos de la mitad del trabajo de un ingeniero, según sus cálculos, y lo que viene después se alarga. El tiempo desde que se propone un cambio hasta que queda incorporado sube un 49 % en su estimación central, unos tres días y medio más sobre una media de siete, con mucho margen de error.
Ars Technica, que lo contó el 9 de octubre, concluye que por ahora lo que se gana al escribir se va en revisar, admite que puede mejorar con la experiencia y se pregunta si los agentes compensan a la mayoría de las empresas. Los autores piden medir el proceso entero e invertir en capacidad de revisión y, si falla la calidad del código, mejorar la propia tecnología.
Estamos de acuerdo en el diagnóstico. El límite está en cómo se organiza el trabajo, más que en la herramienta. Medimos impacto y no uso, y el código escrito es uso. Si tu equipo o tu proveedor te dice qué porcentaje del código escribe la IA, eso no dice nada de lo que entrega.
No estamos de acuerdo en la receta. El estudio mide los primeros meses de los agentes dentro de un proceso pensado para personas, donde la respuesta ha sido poner a más gente a revisar. En marzo, tres de cada cuatro empresas de la muestra habían usado IA para revisar, pero solo el 10,8 % de las propuestas recibió algún comentario suyo.
Creemos que la calidad de lo que llega a revisión depende del modelo y también de qué se le delega y cómo, y eso lo decide la organización. Y para saber si los agentes compensan habría que medirlos en un proceso pensado para ellos y con sus costes, que el estudio no mide.
En las empresas que contratan Desarrollando con IA vemos patrones que encajan con el estudio. Equipos enteros construyendo con IA sin proceso y sin control de versiones, iniciativas que se quedan en demo y no llegan a producto, y conversaciones con proveedores donde nadie en la mesa sabe qué se está comprando.
Por eso defendemos que quien dirige el desarrollo con IA lo construya primero, para entender qué cambia y hasta dónde llega. Con agentes, escribir código sale barato y lo caro es dirigirlo con criterio, decidir qué se delega al modelo y trabajar con un proceso que haga que lo construido llegue a producto.
Esta semana haz dos preguntas a tu equipo técnico o a tu proveedor. Qué mide cuando te habla de productividad con IA, y cuánto tarda hoy en revisarse un cambio. Si la primera respuesta es código escrito y nadie sabe la segunda, ese atasco puede estar ya en tu empresa.
Desarrollando con IA es donde ese criterio se trabaja construyendo. Es presencial y cada participante levanta su propio proyecto con IA y lo lleva del vibe coding (programar a base de pedírselo a la IA) al desarrollo estructurado, con control de versiones, agentes y un proceso, para entenderlo desde dentro y dirigir después a su equipo o a su proveedor. Es de nivel avanzado. No hace falta saber programar, pero sí saber qué es un modelo de lenguaje, una ventana de contexto o un agente. La edición de noviembre son tres miércoles, el 11, el 18 y el 25, de 17 a 21 h en Madrid Centro.
Si haces las dos preguntas, contesta a este correo y cuéntanos qué te respondieron.
Referencias
Fiona Chen y James Stratton, «Artificial Intelligence in the Firm: Bottlenecks in Software Production», Universidad de Harvard. Documento de trabajo (job market paper) sin revisión por pares, versión del 4 de agosto de 2026 (la primera es del 7 de enero). Usa datos de Jellyfish, que vende herramientas para medir el impacto de la IA en equipos de ingeniería, sobre 718 de sus clientes que aceptaron cederlos para investigación, con 725.938 trabajadores y unos 300 millones de registros de trabajo entre enero de 2021 y marzo de 2026. Algo más de la mitad de esas empresas vende licencias de software, y en enero de 2023 la media era de 1.652 empleados y 241 ingenieros. Compara a las empresas según cuándo adoptaron los agentes (diferencias en diferencias), así que cada cifra es una estimación con su margen de error, y la del 49 % es la menos precisa. Los autores agradecen a Jellyfish su colaboración, y el documento dice que las conclusiones son suyas y que Jellyfish solo revisó que no se desvelara información propietaria.
Ars Technica, «AI coding agents generate more code, but not more software», 9 de octubre de 2026, de Kyle Orland.
Contrapunto. Anthropic, «Redesigning source control at Anthropic», 13 de octubre de 2026. Anthropic, que vende agentes de programación, cuenta que pasó de unos 2.500 cambios incorporados al día en mayo a más de 30.000 en septiembre, que para sostenerlo construyó en cinco meses su propio control de versiones y su propia herramienta de revisión, y que el equipo sigue revisando cada cambio, pero mirando su intención y no cada línea. Si su caso se extiende, parte del atasco se resolverá con herramientas nuevas y no solo con organización, aunque ellos mismos dicen que su solución solo tiene sentido en repositorios enormes y que su capacidad de gasto en IA supera lo que querría gastar cualquier otra empresa.



