La generación de código mediante IA está trasladando el cuello de botella a la revisión.

Durante años, el cuello de botella en el software era escribir código más rápido.

La IA ha mejorado eso dramáticamente. La generación de código ahora es más fácil, rápida y accesible que nunca.

Pero optimizar una parte de un sistema no hace automáticamente que todo el sistema sea más eficiente. Crea un desequilibrio.

La IA ha sobreoptimizado la generación de código y, al hacerlo, ha expuesto todo lo demás que no estaba diseñado para escalar.

La producción ha aumentado significativamente

Datos recientes muestran un patrón consistente: la IA aumenta el volumen de código producido.

Según Faros AI, los equipos que utilizan IA vieron:

+98% solicitudes de extracción
+154% tamaño de las PR
+21% tareas completadas

Incluso en casos simples, el efecto es claro. Un endpoint básico implementado con IA generó 6.4× más código que una versión manual, según LogRocket.

Esta es una productividad real, pero principalmente a nivel de generación.

La restricción se movió aguas abajo

Ese código aún necesita ser leído, comprendido y validado.

Y esa parte no se volvió proporcionalmente más rápida.

El tiempo de revisión de código aumentó un 91%. Stack Overflow también informó que el 45% de los desarrolladores dicen que depurar código generado por IA toma más tiempo que escribirlo.

En la práctica, una PR manual puede tomar alrededor de tres minutos para revisar, mientras que una PR generada por IA puede tomar entre ocho y doce minutos.

El sistema no se volvió ineficiente. La restricción simplemente se movió.

La confianza no está al día

En la mayoría de las tecnologías, el uso genera confianza. Aquí, la adopción supera la confianza.

El modo de falla dominante no es que el código generado por IA esté obviamente mal. Es que está casi correcto, pero no del todo.

Eso crea un efecto sutil pero importante: más verificación, más carga cognitiva y más tiempo dedicado a confirmar la corrección.

La IA reduce el costo de producir código. Pero aumenta el costo de confiar en él.

El costo se redistribuye, no se elimina

Esto no es solo un cambio técnico. También es económico.

El trabajo no desaparece. Se mueve.

Como lo expresa Daniel Stenberg, creador de cURL: “La IA no aumenta las capacidades de los humanos en el proceso. Desplaza el costo a la revisión.”

Esto ya es visible en flujos de trabajo reales. En el caso de cURL, solo alrededor del 5% de las presentaciones de recompensas por errores eran válidas, mientras que alrededor del 20% eran ruido generado por IA.

El sistema no se simplificó. Se reequilibró.

El sistema está bajo nueva presión

A nivel individual, los desarrolladores son más rápidos.

A nivel del sistema, la presión se acumula en otros lugares: más tiempo de revisión, más tiempo de depuración y más sobrecarga de coordinación.

Las señales de DORA de 2025 y 2026 apuntan en la misma dirección: la IA puede aumentar la productividad local, pero también cambia dónde aparece la fricción en todo el sistema de entrega de software.

La clave es simple: no eliminamos las restricciones. Las movimos.

Conclusión

La IA no está haciendo que la ingeniería de software sea ineficiente.

Está haciendo una parte extremadamente eficiente y exponiendo todo lo demás que no lo es.

Lo que lleva a una pregunta más profunda:

¿Qué sucede cuando el sistema en el que confiamos para controlar la calidad no puede seguir el ritmo de la generación?

Preguntas frecuentes sobre la generación de código con IA

1. ¿Mejora la generación de código con IA la productividad de los desarrolladores?

Sí, la generación de código con IA puede aumentar la producción individual, pero el impacto depende de si los flujos de trabajo de revisión, prueba y despliegue pueden escalar con esa producción.

2. ¿Por qué es más difícil revisar el código generado por IA?

Porque puede ser más largo, más defensivo, más verboso o casi correcto pero no totalmente alineado con la arquitectura, estándares o requisitos de seguridad del sistema.

3. ¿Cuál es el principal riesgo del código generado por IA?

El principal riesgo no es solo el código incorrecto, sino el código que parece lo suficientemente correcto para pasar rápidamente mientras aún aumenta los costos de depuración, validación o mantenimiento.

4. ¿Cómo deben adaptarse los equipos de ingeniería a las herramientas de codificación con IA?

Los equipos deben rastrear el tiempo de revisión, el tamaño de las PR, las tasas de errores y la estabilidad de la entrega, mientras definen pautas claras sobre cuándo y cómo debe revisarse el código generado por IA.