Los desarrolladores se niegan cada vez más a trabajar sin IA

En febrero de 2026, METR, un laboratorio de investigación de IA, publicó una revelación sobre los hábitos de los desarrolladores: la mayoría se niega a trabajar sin IA, incluso en tareas limitadas. El laboratorio había planeado actualizar una investigación innovadora publicada en 2025 sobre la productividad de la codificación con IA. Ese estudio anterior medía cuánto tiempo tardaban los desarrolladores de código abierto en completar tareas manualmente frente a hacerlo con IA. Sin embargo, METR no pudo repetir el experimento porque los desarrolladores no estaban dispuestos a participar sin sus asistentes de IA. En cambio, en mayo, METR publicó una encuesta sobre las ganancias de productividad de la IA donde los empleados técnicos reportaron su propio desempeño. Aunque estos desarrolladores percibieron que la IA los hacía más valiosos, otros datos sugieren que esta productividad autoinformada podría no alinearse con la calidad real del software.

Este cambio coincide con un creciente escrutinio sobre el “tokenmaxxing”, la tendencia de utilizar la cantidad de tokens consumidos como indicador de la productividad de la IA. Esta tendencia podría estar llegando a su fin a medida que las empresas enfrentan costos crecientes y retornos limitados. Amazon cerró Kirorank, su tabla de clasificación interna de seguimiento de tokens, después de que los empleados supuestamente manipularan el sistema utilizando agentes de IA en exceso. Mientras tanto, Uber reportó problemas presupuestarios relacionados con el gasto en IA, agotando su presupuesto a principios de año. Los datos de la industria respaldan estas preocupaciones. Aiswarya Sankar, fundadora y CEO de Entelligence AI (startup de ingeniería de confiabilidad), afirmó que las empresas están gastando el 44% de sus tokens en correcciones de errores generadas por IA. Además, la empresa de herramientas de revisión de código CodeRabbit reportó que la IA produjo 1.7 veces más problemas que el código humano.

Estos hallazgos destacan un problema más profundo: el código generado por IA podría no ser mejor y podría causar problemas futuros. James Shore, programador y autor, argumentó que el código generado por IA no reduce necesariamente las necesidades de mantenimiento y, de hecho, podría aumentarlas. Shore advirtió: “¿Ahora escribes código el doble de rápido? Más vale que esperes haber reducido a la mitad tus costos de mantenimiento. De lo contrario, estás perdido. Estás cambiando un impulso de velocidad temporal por una servidumbre permanente”. Las investigaciones de la Singapore Management University respaldan esta advertencia. En abril, la universidad publicó un informe afirmando que el código generado por IA puede introducir costos de mantenimiento a largo plazo en proyectos de software reales. Incluso mientras Scott Wu, fundador y CEO de Cognition, construye agentes de codificación de IA como Devin, los investigadores advierten que las organizaciones deben gestionar cuidadosamente los riesgos a largo plazo del código automatizado.

Por qué importa

Las organizaciones enfrentan una posible trampa de productividad donde las ganancias de velocidad de la codificación con IA se ven compensadas por mayores cargas de mantenimiento a largo plazo y deuda técnica.