Los agentes de programación con IA se asociaron con más código y revisiones más largas, sin un aumento estadísticamente significativo de tareas terminadas en Jira. Así lo estima un análisis de 718 empresas de Fiona Chen y James Stratton, de Harvard.
El documento de trabajo, fechado el 4 de agosto de 2026, compara empresas según cuándo adoptaron las herramientas, con registros de Jellyfish hasta marzo de 2026.
Las estimaciones por trabajador y mes señalan 30% más líneas de código, 20% más commits (cambios guardados) y 23% más solicitudes de integración o pull requests.
Los días hasta integrar código incluyen esperas
El intervalo entre presentar un pull request e integrarlo se alargó 49%: 3.45 días adicionales sobre una base de 7.03 días. La métrica cuenta todo el periodo hasta incorporar el cambio.
Una solicitud puede estar abierta mientras su autor corrige una observación o espera una decisión. Contar ese intervalo permite detectar una demora para incorporar el cambio; atribuir cada día a horas de lectura del revisor exigiría otra medición.
La documentación de GitHub describe la revisión como un proceso para comentar cambios, sugerir mejoras y aprobarlos o pedir correcciones antes de integrarlos. Un comentario general, una aprobación y una solicitud de cambios son decisiones distintas. Los administradores también pueden exigir aprobaciones para proteger determinadas ramas del proyecto.
La revisión permite discutir detalles de implementación y proponer modificaciones a líneas concretas del código. También puede solicitarse a personas o equipos específicos, según la documentación. Cada propuesta abre, por tanto, un trabajo de evaluación que requiere su propia coordinación.
Como ejemplo hipotético, si una propuesta se escribe por la mañana y espera una aprobación hasta el día siguiente, la espera forma parte de su ciclo aunque nadie la examine durante toda la noche. Para localizar el atasco habría que separar esa espera del tiempo dedicado a corregir y revisar.
La adopción también complica medir la productividad
METR aporta contexto sobre esa dificultad. En una actualización del 24 de febrero de 2026, la organización explicó que su nuevo experimento ofrecía una señal poco fiable sobre el efecto de las herramientas de IA. Su diseño asignaba al azar las tareas propuestas a una condición con IA permitida o a otra sin ella. Algunos desarrolladores preferían no participar si debían realizar parte del trabajo sin ellas; otros excluían tareas en las que esperaban grandes beneficios.
Esa selección podía dejar fuera a quienes esperaban mayores beneficios con la IA. METR también detectó dificultades para contabilizar el tiempo cuando los participantes utilizaban varios agentes a la vez y hacían otro trabajo durante la espera. La organización consideró probable una mejora respecto de comienzos de 2025, pero calificó sus datos como evidencia muy débil para estimar su magnitud.
De ambas investigaciones se desprende una distinción útil: completar una tarea individual, integrar un cambio y entregar una función describen resultados distintos. Una evaluación de productividad necesita identificar cuál está contando, además del entorno y las herramientas utilizadas.
Para un equipo de desarrollo, el avance útil se comprueba al seguir una propuesta hasta su entrega. La cantidad de código permite observar actividad; la espera para aprobarlo muestra dónde se acumula trabajo y qué parte del proceso necesita atención.
