Los desarrolladores con más experiencia esperaban mejorar su productividad con IA. Un estudio mostró justo lo contrario
¿Qué ocurre cuando le das una plataforma de inteligencia artificial avanzada a un grupo de desarrolladores expertos y les pides que trabajen en tareas que conocen al detalle? Lo lógico sería esperar un salto en productividad, una estupenda combinación entre experiencia humana y asistencia tecnológica. Las herramientas están ahí, los flujos están aprendidos, la curva de aprendizaje no es un obstáculo.
Pero no fue así. Lo que ocurrió sorprendió incluso a los autores del estudio, según recoge Reuters: la IA no mejoró los resultados. Los empeoró. Y lo hizo de una forma tan sutil que ni siquiera los propios desarrolladores se dieron cuenta. El informe no habla de fallos críticos ni errores graves, pero el efecto fue claro: el trabajo se volvió más lento. Más lento de lo que habría sido sin la inteligencia artificial de por medio.
Más IA no siempre significa más productividad
Antes de empezar, todos coincidían en algo: usar inteligencia artificial les iba a ahorrar tiempo. De hecho, estimaban que terminarían sus tareas un 24 % más rápido. Era una expectativa razonable, basada en su experiencia y en cómo se presentaban estas herramientas. Y cuando terminaron, seguían convencidos de haberlo logrado: su estimación era que habían sido un 20 % más rápidos. En sus propias palabras, la IA les había permitido avanzar sin bloqueos, sin interrupciones, con un flujo de trabajo más ágil.
Pero no. En realidad, habían tardado más. Mucho más. La media general del grupo fue un incremento del 19 % en el tiempo total durante la prueba realizada por METR. No es una diferencia menor. Y es más llamativa todavía si se tiene en cuenta que hablamos de tareas que ellos mismos habían definido como relevantes, útiles y realistas: corrección de bugs, nuevas funcionalidades, refactorizaciones. No eran ejercicios diseñados para poner a prueba a la IA, sino trabajo real, de ese que se hace todos los días en cualquier proyecto maduro.
La diferencia fue tan grande que dejó sin palabras incluso a los responsables del estudio. Los desarrolladores no eran novatos ni estaban aprendiendo sobre la marcha. Llevaban años trabajando en esos mismos proyectos, conocían los repositorios al detalle, sabían qué había detrás de cada archivo y cada función. Estaban en su terreno. Y, aun así, las herramientas de IA no les facilitaron el trabajo. Se lo complicaron.
Parte de la explicación está en cómo trabajan estas plataformas. Las sugerencias que ofrecían no eran del todo incorrectas, pero sí imprecisas. A menudo iban bien encaminadas, pero requerían ajustes. Y esos ajustes, en vez de ahorrar tiempo, lo alargaban. Revisar, corregir, comprobar. Volver a empezar. Lo que prometía ser una ayuda se convertía en un proceso intermedio más: una capa adicional entre el pensamiento y la solución.
La sensación de fluidez era engañosa. Empezaban con una base, sí, pero esa base rara vez servía tal cual. Había que desmenuzarla, entender qué había querido decir el modelo, comparar con lo que ya existía y reconstruir lo necesario. Como si cada sugerencia viniera con un asterisco invisible. Una línea de código no válida por defecto. La ilusión de avanzar más rápido se sostenía hasta que llegaba el momento de compilar, de probar o de hacer una revisión seria del código generado.
Y, sin embargo, muchos de los participantes siguen utilizando esas mismas herramientas en su día a día. No porque les ahorren tiempo, sino porque hacen el trabajo más llevadero. En el estudio usaron principalmente Cursor, una plataforma que integra modelos de lenguaje avanzados como Claude 3.5 y 3.7 Sonnet, y que permite escribir, completar y revisar código directamente desde el entorno de desarrollo. Cursor no lo hace todo por ti, pero sí te acompaña. Esa compañía, incluso cuando no es del todo eficiente, puede hacer que programar resulte menos agotador.
En Xataka Comet quiere acabar con el caos de pestañas: así es como el navegador de Perplexity apuesta por la 'fluidez de pensamiento'
La IA convierte el esfuerzo de programar en algo más parecido a ser director de orquesta que a construir todo desde cero con una sólida base de conocimiento. Ya lo estamos viendo con el fenómeno vibe coding. En medio de este escenario hemos visto a empresas recortan equipos de desarrollo por las posibilidades que ofrece la IA, aunque algunas han tenido volver sobre sus pasos. La IA es una herramienta valiosa, pero no ayuda a todos por igual.
Imágenes | Procreator Global UI UX Design Agency | Nubelson Fernandes | Cursor
–
La noticia Los desarrolladores con más experiencia esperaban mejorar su productividad con IA. Un estudio mostró justo lo contrario fue publicada originalmente en Xataka por Javier Marquez .
