DX publicó una investigación interesante que concluyó que las ganancias de productividad con IA todavía están muy por debajo del hype.

Los principales motivos identificados fueron:

1) Escribir código nunca fue el principal cuello de botella

Escribir código representa solo una pequeña parte del trabajo real de ingeniería (16% del tiempo, según una investigación de Microsoft). La IA acelera la escritura de código, no necesariamente el sistema completo.

2) Automatizar solo parte del ciclo de desarrollo crea nuevos cuellos de botella

Este es el punto clave:

La IA aceleró mucho la escritura de código, pero eso generó cuellos de botella en otras partes del proceso, como code review y validación. Se está produciendo más código, pero el tiempo ahorrado escribiendo código se está perdiendo en una validación mucho más minuciosa de ese código.

En este formato, el cuello de botella solo cambia de lugar.

La conclusión para mí es obvia: las mayores ganancias llegarán para las empresas que logren automatizar con IA el ciclo completo de desarrollo de software, y no solo la generación de código.

3) La fricción social dificulta la adopción

La investigación habla bastante sobre la polarización entre ingenieros “pro-IA” y “anti-IA”.

En algunas empresas, las personas todavía ni siquiera saben si usar IA es algo “bien visto” o no.

Es misión del/de la CTO guiar al equipo en esta transición que estamos viviendo.

4) Limitaciones de las herramientas y skill gaps

Saber usar herramientas de IA se convirtió en una de las skills más importantes, y la mayoría de las personas todavía está al comienzo de la curva de aprendizaje.

Además, las herramientas todavía están madurando y no siempre encajan naturalmente en los workflows existentes.

5) La mayoría de las herramientas de IA todavía no tiene suficiente contexto

Gran parte del contexto importante todavía vive: en la cabeza de las personas, en conversaciones, en decisiones antiguas, en conocimiento implícito.

6) Otras observaciones interesantes de la investigación:

• la documentación frecuentemente era descuidada por los equipos de desarrollo y está mejorando con IA. (mi observación: al mismo tiempo, una buena documentación también ayuda mucho a la IA a ganar contexto)
• la IA es especialmente poderosa en proyectos greenfield y PoCs (esto es medio obvio)
• existe una preocupación creciente de que los devs estén tercerizando demasiado pensamiento crítico hacia la IA (me parece natural; como en cualquier cambio, hay cosas sobre las que realmente ya no necesitaremos pensar tanto)

Importante: la investigación utiliza datos hasta febrero de 2026. En este mercado, eso prácticamente significa “ayer”. Las herramientas están evolucionando muy rápido y probablemente veremos mayores ganancias en las próximas investigaciones.

Al final, el resumen es: la IA ya es una herramienta extremadamente útil, pero los mayores cuellos de botella de la ingeniería siguen siendo humanos, organizacionales y sistémicos.

Fuente: AI and engineering velocity: A longitudinal analysis​