Producir más no significa que la organización pueda absorber más
Un estudio publicado el 2 de julio de 2026 analizó datos internos de una empresa B2B que estableció como objetivo duplicar la productividad de ingeniería mediante IA.
Hechos comprobados
El conjunto incluyó 802 desarrolladores, 196,212 solicitudes de cambio y 364 repositorios, observados entre enero de 2024 y abril de 2026.
La producción mensual por desarrollador alcanzó 2.09 veces el nivel previo.
El análisis dentro de cada desarrollador asocia la adopción y experiencia acumulada con IA con una mejora aproximada de 1.5 veces.
El efecto no apareció inmediatamente: aumentó con la práctica y alcanzó cerca de dos veces después de nueve meses de uso.
Las mejoras se observaron en distintos niveles de senioridad, pero se concentraron en repositorios nuevos; fueron mínimas en sistemas heredados.
La carga por revisor prácticamente se duplicó.
La revisión automatizada terminó superando a la revisión humana.
Las tasas de integración y reversión permanecieron estables, aunque son indicadores limitados de calidad.
Fuente primaria: paper, metodología y resultados completos.
Solidez y límites
La evidencia es valiosa porque utiliza telemetría empresarial longitudinal, registros efectivos de uso y comparaciones de cada desarrollador contra su propio desempeño anterior.
No es un experimento aleatorio. Procede de una sola compañía joven, tecnológica, favorable a la IA y sin límites importantes de presupuesto o herramientas; los autores presentan el resultado como un escenario cercano al máximo posible, no como promedio empresarial. Además, solicitudes integradas y reversiones no miden mantenibilidad, seguridad, comprensión del código ni deuda técnica de largo plazo.
Inferencia para EnterpriseThinking
El hallazgo precisa una tesis central:
La IA no elimina necesariamente el trabajo. Puede aumentar tanto la capacidad de una etapa que sature la siguiente.
Delegar la producción también puede delegar parte de la revisión. Esto preserva velocidad, pero crea otra pregunta: quién conserva la comprensión suficiente para responder cuando el código falle.
La revisión humana no sólo detecta errores. También transmite conocimiento, explica decisiones y ayuda a que los juniors desarrollen criterio. Automatizarla sin sustituir esa función puede debilitar la futura seniorización.
Afecta directamente Embedded AI, los diagnósticos de procesos, el stress test, la línea Delegación del Pensamiento, el Paper 01 y “¿Quién será el próximo senior?”.
Acción concreta
Añadir a cada rediseño de flujo un análisis de capacidad aguas abajo:
medir qué etapa recibirá el volumen adicional generado por IA;
comparar capacidad de producción, revisión, aprobación e integración;
establecer revisión humana obligatoria según riesgo, no para cada resultado por igual;
medir defectos, retrabajo, mantenibilidad y comprensión, además de volumen;
limitar trabajo en proceso cuando la revisión quede rezagada;
reservar revisiones humanas como espacios explícitos de aprendizaje y mentoría.
La tesis operativa queda así:
La productividad no se demuestra por cuánto produce la IA, sino por cuánto puede absorber la organización sin perder calidad, conocimiento ni control.
Comentarios