Investigadores de Microsoft, en Estados Unidos, han publicado un estudio en el que analizan el uso de herramientas de codificación con IA que funcionan desde la línea de comandos y su impacto en la productividad de decenas de miles de ingenieros de software de la empresa. El estudio se centró en «Claude Code», de Anthropic, y «Copilot CLI», de GitHub, y abarcó aproximadamente cuatro meses, del 5 de enero al 29 de abril de 2026. Según sus resultados, los ingenieros que utilizaron las herramientas durante la primera semana tras su implantación consiguieron, de media, un 24 % más de pull requests fusionadas que quienes no las usaron.
Repartir las herramientas no basta para que se extiendan: el primer paso empieza por «el compañero de al lado»
No son pocos los directivos y responsables que imaginan que, si la empresa pone herramientas de IA a disposición de toda la plantilla, al día siguiente todo el mundo empezará a utilizarlas. Sin embargo, este estudio indica que lo que determina quién se anima a probarlas no son tanto las explicaciones sobre sus funciones o los anuncios como las relaciones personales en el trabajo.
Cuando las usan compañeros con los que se comparte código habitualmente o un superior directo, aumenta la probabilidad de que la persona también empiece a utilizarlas. Las cifras son concretas. Si más de una cuarta parte de los compañeros que comparten jefe con el superior directo de una persona las habían usado en las dos semanas anteriores, las probabilidades de que esta las probara aumentaban hasta un 216 %. En el caso de que las usara su superior directo, el aumento era del 82 %; si las usaba más de una cuarta parte de las personas con las que solía intercambiar revisiones de código, del 54 %.
El aumento de las probabilidades no es lo mismo que un «aumento de la probabilidad»
Conviene tener en cuenta qué significa aquí la palabra «probabilidades». Se trata de la proporción entre las posibilidades de que ocurra algo y las de que no ocurra. Al oír que aumentan un 216 %, puede parecer que el número de usuarios se ha multiplicado por algo más de tres, pero eso no significa que el porcentaje de personas que usan la herramienta haya aumentado un 216 %. Cuando la tasa de uso inicial es baja, las diferencias pueden parecer mayores; el aumento real del número de usuarios será inferior a esa cifra.
Aun así, la tendencia está clara: la actitud de jefes y compañeros anima a dar el paso. En lugar de empezar leyendo el manual, uno prueba una herramienta nueva porque «si esa persona la usa, será por algo». En mi opinión, es algo que resulta familiar en muchos lugares de trabajo, no solo en los equipos de desarrollo. Un jefe que se anime a probarla primero y muestre cómo la utiliza durante las revisiones quizá consiga más que un manual de formación con un gesto tan sencillo como ese.
Lo que determina si se sigue usando es el flujo de trabajo habitual
Que alguien pruebe una herramienta no significa que vaya a seguir utilizándola. Según el estudio, la continuidad de uso estaba relacionada con la actividad de programación habitual de cada persona. Los ingenieros más ocupados, que escribían mucho código y presentaban pull requests con frecuencia, tendían más a notar los beneficios de la IA y a incorporar la herramienta a su trabajo.
Un pull request es una solicitud para que se incorporen al código principal los cambios realizados. Quienes presentan muchos también suelen tener más tareas que pueden delegar en la IA. Cuanto más trabajo práctico se hace, más fácil resulta percibir el efecto de una herramienta.
Un entorno familiar puede convertirse en un obstáculo para una herramienta nueva
Por otro lado, el estudio también concluyó que quienes ya utilizaban otras herramientas de IA en distintas interfaces de desarrollo probaban las nuevas, pero tendían a no seguir usándolas. Es posible que muchas personas se sientan más cómodas en el entorno al que están acostumbradas.
Es parecido a cambiar de móvil. Aunque las funciones sean mejores, cuando uno ya tiene interiorizada la disposición de las aplicaciones y la forma de manejarlas, puede apetecerle volver al dispositivo anterior. Quienes introducen nuevas herramientas de IA tendrán que tener en cuenta no solo su rendimiento, sino también cómo encajan en los flujos de trabajo que los usuarios ya han establecido.
Cómo interpretar el aumento del 24 % en el número de pull requests
El impacto en la productividad se midió mediante el número de pull requests fusionadas, que representa la cantidad de trabajo completado. Los ingenieros que utilizaron las herramientas durante la primera semana tras su implantación presentaron, de media, un 24 % más que quienes no las usaron. El estudio señala que este efecto no fue un impulso pasajero debido al entusiasmo inicial, sino que se mantuvo estable durante los cuatro meses de investigación.
Eso sí, la productividad a la que se refiere el estudio se mide únicamente con el número de pull requests. La cifra no indica que hayan mejorado en la misma proporción la calidad del código, el tiempo dedicado a cada tarea o la carga de trabajo del equipo. Conviene distinguir entre el hecho de que haya aumentado la cantidad y la sensación de que el trabajo en su conjunto se ha vuelto más fácil.
Claude Code: 11,4 %; Copilot CLI: 24,9 %
Por herramienta, el número de pull requests aumentó un 11,4 % entre quienes usaron Claude Code y un 24,9 % entre quienes utilizaron Copilot CLI, en comparación con las semanas en que no se usó ninguna herramienta. La diferencia es de aproximadamente el doble, pero sería precipitado interpretar estas cifras como una comparación directa de la calidad de ambas herramientas. Copilot CLI es una herramienta de GitHub, filial de Microsoft, y no es seguro que ambas se utilizaran en la empresa de la misma forma ni por el mismo perfil de usuarios.
Aun así, son pocos los estudios que han seguido durante cuatro meses tanto la difusión del uso como sus resultados en entornos de desarrollo reales con decenas de miles de personas. Mientras el debate sobre la programación con IA suele centrarse en «qué modelo es más inteligente», estos resultados muestran la realidad de la adopción: quién empieza a usar estas herramientas y quién sigue utilizándolas. Quizá estemos entrando en una etapa en la que la capacidad de diseñar cómo se difunden en el lugar de trabajo influye en los resultados tanto como la elección de las herramientas.
コメント