El código generado por IA se está convirtiendo rápidamente en una práctica habitual, pero más de un tercio de los equipos aún dudan en implementarlo en producción, preocupados por los riesgos que desconocen.

Un nuevo informe de la plataforma de ingeniería Flux presenta una visión paradójica de la programación asistida por IA. Flux realizó un estudio con 309 líderes y profesionales de la ingeniería en cinco continentes. El estudio reveló que el 35 % de los equipos utiliza IA para escribir código, pero no lo implementa porque carece de la confianza necesaria para hacerlo de forma segura.

El uso de asistentes de programación con IA es cada vez más común en los equipos de ingeniería. El informe "Estado de las versiones de software impulsadas por IA de 2026" de LeadDev concluyó que la mayoría de las organizaciones ya utilizan código generado por IA en cierta medida, aunque para muchos equipos aún representa menos del 25 % del código nuevo.

"Los equipos celebran las mejoras de productividad sin tener en cuenta los cambios en su código, pero no se puede gestionar lo que no se ve", afirma Ted Julian, CEO y fundador de Flux.

La brecha de visibilidad en la codificación con IA
La causa principal del problema es la falta de visibilidad. Los equipos a menudo carecen de la información necesaria para comprender completamente lo que ha generado la IA, lo que dificulta evaluar el riesgo con confianza.

Como resultado, un número significativo de equipos retiene código que no se sienten cómodos implementando, mientras que solo el 3,6 % informa que los problemas generados por la IA nunca llegan a producción, según Flux.

La brecha de visibilidad se acentúa aún más a medida que la IA acelera la producción de código. Muchas organizaciones aún no cuentan con las herramientas o los procesos necesarios para revisar, validar y gestionar el código generado por la IA a la velocidad y escala en que se crea.

LeadDev informa que las solicitudes de extracción (PR) generadas por IA contienen aproximadamente 1,7 veces más problemas que las generadas por humanos, lo que convierte la revisión de código en un cuello de botella cada vez mayor.

«Hoy en día, el cuello de botella se ha desplazado por completo a todo lo que sucede después de la generación: revisión de código, control de calidad, verificación de seguridad y gestión de costos», afirma Kris Kang, director de producto de sistemas de agentes en JetBrains. “Estamos generando código a velocidad de máquina, mientras que los procesos posteriores de verificación y organización siguen avanzando a paso de tortuga”.

Cuando los equipos generan grandes volúmenes de código, los desarrolladores suelen fusionar código que no escribieron personalmente, añade.

“Con el tiempo, la comprensión profunda y estructural del funcionamiento del sistema se desvanece, lo que provoca que los equipos duden en lanzar productos porque nadie puede explicar qué hace el código ni por qué”, afirma Kang.

Jeff Watkins, director de IA de la consultora NorthStar Intelligence, coincide. “El mayor obstáculo hoy en día ya no es escribir código en un editor, sino la verificación. Más concretamente, es la combinación de visibilidad, comprensión y confianza. ¿Podemos ver qué ha cambiado? ¿Entendemos por qué? ¿Podemos demostrar que funciona correctamente? ¿Podemos darle soporte en producción? ¿Podemos explicárselo a auditores, usuarios o responsables de respuesta a incidentes si algo falla?”, concluye.

Más artículos como este
El uso de la IA nos lleva a crear más código del que podemos revisar
Chantal Kapani
Cómo justificar las inversiones en IA
Bill Doerrfeld
Responsabilidad en la programación con IA
La IA ha acelerado la creación de código, pero no su comprensión, lo que genera una creciente brecha en la responsabilidad.

«Sin la infraestructura adecuada, la IA hace que la responsabilidad sea mucho más ambigua», afirma Kang. «Crea una tensión muy incómoda en la que los desarrolladores se ven presionados a trabajar más rápido, pero siguen siendo totalmente responsables si la producción falla más adelante. Resulta peligrosamente fácil aceptar una solicitud de extracción llena de código que ningún ser humano comprende por completo».

Esta incertidumbre se ve agravada por una «triple deuda», según Kang: el aumento de los costes de la IA, la disrupción en la fuerza laboral y la creciente complejidad del sistema, que se vuelve difícil de mantener para los ingenieros humanos.

LDX3 Nueva York ya está en marcha
Nueva York • 15 y 16 de septiembre de 2026

Más allá de la exageración.

Descubre las soluciones que funcionan en LDX3 Nueva York

Explora
“Confiar ciegamente en un único proveedor de modelos de vanguardia como ventaja a largo plazo es muy imprudente y genera dependencia del proveedor. Para aclarar esta ambigüedad, analizamos el sector desde una perspectiva de rascacielos: mientras que los modelos potentes se ubican en la planta baja y las interfaces de chat básicas en el ático, existe una total falta de infraestructura en la parte intermedia”, afirma Kang.

Los líderes de ingeniería deben mantener una postura neutral respecto a los proveedores y centrarse en el valor por encima de la publicidad, utilizando la infraestructura adecuada para escalar la IA de forma segura, preservando al mismo tiempo la eficacia de los desarrolladores y el impacto en el negocio.

Fuente originaria de la noticia: The Lead Developer (leaddev.com)