Revisión humana, el cuello de botella de la IA en programación
Un estudio de Harvard revela que la revisión de código humana frena la productividad de los asistentes de IA en 700 empresas.
La inteligencia artificial generativa llegó al desarrollo de software con la promesa de multiplicar la productividad. Asistentes como GitHub Copilot, Cursor o Codeium son capaces de escribir funciones enteras con solo un comentario o una línea de contexto. Sin embargo, cualquiera que haya trabajado con estas herramientas sabe que el código generado rara vez es perfecto. Puede ser funcional, pero no seguro; rápido, pero no mantenible. Esto significa que el trabajo no termina cuando la IA deja de escribir, sino que empieza una fase igual o más demandante: la revisión humana.
Un estudio reciente de la Universidad de Harvard, realizado por los investigadores Fiona Chen y James Stratton, confirma esta intuición con datos masivos. A diferencia de las pruebas de laboratorio, el análisis se hizo sobre datos reales de producción. Utilizó la plataforma Jellyfish, que mide la actividad granular de equipos de ingeniería, para examinar 300 millones de “eventos de trabajo” —commits y pull requests— de más de 700.000 empleados en más de 700 empresas de desarrollo de software. El período analizado va desde 2021 hasta marzo de 2026, lo que cubre el auge de estas herramientas.
El cuello de botella humano
La conclusión del estudio es contundente: la revisión de código se ha convertido en un cuello de botella crítico. Los investigadores encontraron “poca evidencia de que las empresas aumenten la producción de software o reduzcan el empleo” al adoptar asistentes de IA. ¿Por qué? Porque cualquier ganancia de eficiencia en la fase de escritura de código se “absorbe por las restricciones posteriores en el proceso de producción”. En otras palabras, la IA acelera la escritura, pero el proceso de revisión humana no da abasto.
El concepto es fácil de entender si se piensa en una línea de producción. La IA permite generar código a una velocidad mucho mayor, pero ese código debe ser verificado, probado y aprobado por un desarrollador senior antes de integrarse al producto final. Si la capacidad de revisión no crece al mismo ritmo que la capacidad de generación, el sistema se traba. El resultado no es más software, sino más código esperando ser revisado.
Más comentarios, más revisiones
Los datos de Jellyfish muestran que el proceso de revisión no solo se alarga, sino que se vuelve más intensivo. Las pull requests (solicitudes de incorporación de cambios) tienen más probabilidades de requerir revisiones múltiples, y los revisores dejan más comentarios que antes. Es el principio de “cortar una vez, medir dos veces” llevado al extremo: como la IA produce más rápido, el humano debe medir —revisar— con más cuidado y más frecuencia.
Esto tiene implicancias directas para la gestión de equipos. Si un desarrollador antes escribía 100 líneas de código al día y revisaba 50, ahora quizás escribe 200, pero debe revisar 300. La carga cognitiva no disminuye, simplemente se desplaza. El estudio sugiere que las empresas que esperaban reducir su dotación simplemente reasignaron el trabajo: los programadores pasan más tiempo revisando código ajeno (generado por IA) que escribiendo el propio.
¿Qué significa para Chile?
La industria del software chilena no es ajena a esta dinámica. Startups y grandes empresas han adoptado masivamente herramientas de IA para codificar. Sin embargo, la cultura de code review es un estándar que muchas organizaciones locales están implementando o fortaleciendo recién ahora. Este estudio llega en un momento clave para el ecosistema tech chileno, que busca consolidarse como un polo de innovación en la región.
La lección práctica para un desarrollador o líder técnico en Chile es clara: la ventaja competitiva no está en generar código más rápido que la IA, sino en saber qué hacer con él. La revisión de código deja de ser un trámite burocrático para convertirse en la habilidad más valiosa del equipo. La eficiencia real no se mide en líneas escritas, sino en software estable, seguro y desplegado en producción.
El estudio de Harvard no dice que la IA sea inútil. Al contrario, confirma que es una herramienta extraordinariamente poderosa. Pero también demuestra que su impacto está mediado por procesos humanos que no se pueden automatizar ni saltar. Para el mercado chileno, donde el talento en desarrollo es escaso y caro, optimizar la revisión de código —y no solo la escritura— puede ser la diferencia entre adoptar la IA con éxito o simplemente generar más deuda técnica.
Con información de Ars Technica
