Desarrolladores experimentados esperaban aumentar su productividad con IA, pero un estudio reveló lo opuesto.

¿Qué sucede cuando se proporciona una plataforma de inteligencia artificial avanzada a un grupo de desarrolladores expertos y se les solicita trabajar en tareas que dominan? Lo lógico sería anticipar un aumento en la productividad, una combinación óptima entre experiencia humana y asistencia tecnológica. Las herramientas están disponibles, ya conocen los flujos de trabajo, y la curva de aprendizaje no debería ser un impedimento.

Sin embargo, el resultado no fue el esperado. Lo que ocurrió sorprendió incluso a los responsables del estudio, según reporta Reuters: la IA no mejoró los resultados; los empeoró. Y lo hizo de una manera tan sutil que ni los propios desarrolladores se dieron cuenta. El informe no menciona fallos críticos ni errores graves, pero el efecto fue claro: el trabajo se tornó más lento. Más lento de lo que habría sido sin la inteligencia artificial.

Más IA no siempre implica más productividad

Al inicio, todos estaban de acuerdo en que la inteligencia artificial les ahorraría tiempo. De hecho, estimaban que sus tareas se terminarían un 24 % más rápido. Era una expectativa razonable, basada en su experiencia y en la presentación de estas herramientas. Al finalizar, seguían convencidos de haber alcanzado su objetivo: su estimación era que habían sido un 20 % más rápidos. En sus propias palabras, la IA les había permitido avanzar sin bloqueos ni interrupciones, con un flujo de trabajo más ágil.

Pero no fue así. En realidad, el tiempo dedicado fue mayor. Mucho mayor. La media del grupo mostró un incremento del 19 % en el tiempo total de la prueba realizada por METR. No es una diferencia menor, más aún si se considera que las tareas elegidas eran relevantes, útiles y realistas: corrección de bugs, nuevas funcionalidades y refactorizaciones. No eran ejercicios diseñados para evaluar a la IA, sino trabajo real, el que se realiza a diario en proyectos consolidados.

La diferencia fue tan significativa que dejó sin palabras incluso a los responsables del estudio. Los desarrolladores no eran novatos ni estaban aprendiendo en el camino. Habían estado trabajando durante años en esos proyectos, conocían los repositorios al detalle, sabían qué había detrás de cada archivo y cada función. Estaban en su elemento. Y, aun así, las herramientas de IA no facilitaron su trabajo; lo complicaron.

Parte de la explicación se encuentra en el funcionamiento de estas plataformas. Las sugerencias proporcionadas no eran totalmente erróneas, pero sí imprecisas. A menudo estaban bien encaminadas, pero requerían ajustes adicionales. Y esos ajustes, en lugar de ahorrar tiempo, lo alargaban. Revisar, corregir, verificar. Volver a empezar. Lo que pretendía ser una ayuda se convirtió en un proceso intermedio más: una nueva capa entre el pensamiento y la solución.

La sensación de fluidez resultó ser engañosa. Comenzaban con una base, pero esa base rara vez era útil tal cual. Era necesario desmenuzarlas, comprender qué había querido decir el modelo, comparar con lo que ya existía y reconstruir lo necesario. Como si cada sugerencia viniese 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, probar o realizar una revisión seria del código generado.

Aun así, muchos de los participantes continúan utilizando esas mismas herramientas en su rutina diaria. No porque les ahorren tiempo, sino porque hacen el trabajo más tolerable. Durante 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 te ofrece compañía. Esa colaboración, incluso cuando no es completamente eficiente, puede hacer que programar resulte menos agotador.

La IA convierte el esfuerzo de programar en algo más similar a dirigir una orquesta que a construir todo desde cero con una sólida base de conocimiento. Ya estamos viendo el fenómeno del vibe coding. En este contexto, algunas empresas han recortado equipos de desarrollo por las oportunidades que brinda la IA, aunque algunas se han visto obligadas a retroceder. La IA es una herramienta valiosa, pero no beneficia a todos por igual.

Imágenes | Procreator Global UI UX Design Agency | Nubelson Fernandes | Cursor