Desarrolladores experimentados se sentían más rápidos con IA mientras trabajaban de forma medible más lenta — el hallazgo real, y el veredicto sobre programar con IA que no es

Desarrolladores experimentados se sentían más rápidos con IA mientras trabajaban de forma medible más lenta — el hallazgo real, y el veredicto sobre programar con IA que no es

Pregúntale a un programador experimentado si un asistente de código con IA le acelera y normalmente obtendrás una cifra: me ahorra veinte, treinta por ciento. Pregúntale a un economista, o a un investigador de aprendizaje automático, y la cifra sube. A comienzos de 2025, un equipo de METR hizo lo lento, lo caro, y lo comprobó. Tomaron a dieciséis desarrolladores open source veteranos, les dieron 246 tareas reales de grandes bases de código que conocían bien y — por sorteo, tarea por tarea — les permitieron usar herramientas de IA o no. Luego cronometraron el trabajo.

Los desarrolladores habían previsto que la IA reduciría su tiempo por tarea en torno a un 24 %. Ocurrió lo contrario: las tareas hechas con IA tardaron un 19 % más. Y aquí está la parte en la que conviene detenerse: después de terminar, los mismos desarrolladores seguían creyendo que la IA los había acelerado, en torno a un 20 %. Fueron más lentos, se sintieron más rápidos, y la distancia entre esos dos números es lo más interesante del estudio.

Es un resultado real, medido con cuidado. También son dieciséis desarrolladores, en repositorios que conocen íntimamente, usando las herramientas de comienzos de 2025 — y no es la frase plana “la IA hace más lentos a los desarrolladores”. Los datos posteriores del mismo equipo ya apuntan en la dirección contraria.

Qué hicieron los autores

• Realizaron un ensayo aleatorizado controlado (METR: Joel Becker, Nate Rush, Beth Barnes, David Rein). Dieciséis desarrolladores open source experimentados, cada uno trabajando en un gran repositorio al que contribuye regularmente y conoce bien — una media de cinco años en esos proyectos concretos.
• Usaron 246 tareas reales — correcciones de bugs, funcionalidades y refactors tomadas de los propios trackers de issues de esos proyectos. Cada tarea se asignó al azar a “IA permitida” o “IA no permitida”.
• “IA permitida” significaba herramientas de comienzos de 2025: Cursor Pro con Claude 3.5/3.7 Sonnet. La medida principal fue el tiempo real de finalización por tarea. Además, el equipo recogió predicciones (de los desarrolladores antes de empezar) y estimaciones (después), más predicciones de expertos en economía y aprendizaje automático.

Qué encontraron

• Con IA, las tareas tardaron un 19 % más. No menos: más. El intervalo de confianza del 95 % va aproximadamente de +2 % a +39 %, así que la dirección es sólida aunque el tamaño exacto no lo sea tanto.
• Todo el mundo había predicho lo contrario. Los desarrolladores pronosticaron una aceleración del 24 %; los expertos en aprendizaje automático, en torno al 38 %; los economistas, en torno al 39 %. Los tres grupos esperaban que la IA ahorrara mucho tiempo; el cronómetro encontró que costaba algo.
• La brecha de percepción. Después de hacer el trabajo y salir más lentos, los desarrolladores seguían estimando que la IA los había acelerado alrededor de un 20 % — una brecha de unos 40 puntos entre lo que sintieron y lo que registró el reloj.
• Candidatos a explicación, sopesados más que probados. Los autores enumeran factores que podrían explicar la ralentización: estos desarrolladores conocen profundamente sus propias bases de código, así que hay menos que un asistente pueda añadir; los proyectos maduros tienen estándares de calidad altos y a menudo implícitos; los repositorios son grandes y están llenos de contexto que un modelo no tiene; y se va tiempo real en prompting, luego en revisar y corregir la salida de la IA. Los presentan como pistas, no como veredictos.

Lo que esto no muestra

• No muestra que la IA no acelere a la mayoría de los desarrolladores. Los autores lo dicen directamente: dieciséis expertos en código que conocen de memoria no son el desarrollador medio en la tarea media.
• No muestra que la IA sea inútil, ni que ralentice a la gente en otros entornos — recién llegados a una base de código, trabajo greenfield, lenguajes desconocidos u otros campos por completo.
• No congela las herramientas en el tiempo. Esto es Cursor y Claude 3.5/3.7 Sonnet de comienzos de 2025; los autores son explícitos en que mejores herramientas, o mejores formas de usar estas mismas, podrían cambiar el resultado incluso en este entorno exacto.
• Es un preprint (publicado en julio de 2025, aún no revisado por pares), y los autores señalan que no pueden descartar por completo artefactos experimentales — aunque el hallazgo se mantuvo en sus análisis.
• No autoriza la lectura tranquilizadora de que los desarrolladores debieron ganar de alguna otra forma — aprendieron más, se sintieron mejor, escribieron código de mayor calidad. Lo único medido aquí, la aceleración sentida, es precisamente lo que contradicen los datos.

Qué tan fuerte es la evidencia

• El diseño es inusualmente honesto. Aleatorizado, tareas reales, repositorios reales, medición real del tiempo: un gran paso por encima de los autoinformes y rankings de benchmark en los que se apoyan la mayoría de las afirmaciones sobre programar con IA. La ralentización del 19 % sobrevivió a los controles de robustez de los autores.
• El hallazgo más portable es la brecha de percepción. La intuición experta sobre la propia aceleración con IA se equivocó en unos 40 puntos, en dirección optimista. Es una advertencia sobre cualquier ganancia de productividad con IA autoinformada — incluidas las cifras de este mismo estudio.
• Es una instantánea, no una tendencia. El seguimiento de febrero de 2026 de METR, con el mismo tipo de desarrolladores y herramientas más nuevas, apunta hacia una aceleración — muy aproximadamente -18 % para desarrolladores que regresaron y -4 % para los nuevos — pero los autores lo marcan como evidencia débil, distorsionada por quién aceptó participar (los desarrolladores rechazaban cada vez más trabajar sin IA, la remuneración bajó y la selección de tareas se sesgó). La lectura honesta es que el panorama se mueve, y que incluso ese movimiento se informa sin cargar la balanza.

Por qué importa

La mayor parte del debate sobre IA y programación funciona con demos e impresiones: una grabación de pantalla vistosa, una afirmación segura, un gesto de escepticismo en sentido contrario. Lo raro, y lo que hace que esto valga la pena, es que alguien hizo el experimento aburrido: aleatorizar, cronometrar trabajo real y luego preguntar a la gente cómo fue. La respuesta es incómoda para ambos bandos. Pincha la historia de que la IA turboalimenta uniformemente a desarrolladores expertos en código difícil y familiar. Y pincha también el opuesto ordenado — “la IA hace más lentos a los desarrolladores, probado” — porque los datos más recientes del mismo equipo ya se inclinan hacia el otro lado. La lección más duradera es también la más pequeña y humana: las personas que hacían el trabajo se sentían más rápidas mientras eran mediblemente más lentas. “Se siente más rápido” no es evidencia de que lo sea. Mídelo.

Resumen limpio

En un ensayo aleatorizado controlado, METR hizo que dieciséis desarrolladores open source experimentados completaran 246 tareas reales en bases de código que conocían bien, con herramientas de IA de comienzos de 2025 (Cursor Pro más Claude 3.5/3.7 Sonnet) permitidas en una mitad asignada al azar. Los desarrolladores esperaban que la IA redujera su tiempo por tarea en torno a un 24 %; en cambio, lo aumentó en un 19 % — y después seguían creyendo que los había acelerado en torno a un 20 %. Esa brecha de percepción es el núcleo nítido y robusto del estudio. Pero son dieciséis desarrolladores, un entorno estrecho y una instantánea fija de comienzos de 2025; los autores son explícitos en que no muestra que la IA no ayude a la mayoría de los desarrolladores, y su propio seguimiento de 2026 ya apunta hacia una aceleración, con sus propias reservas. Una medición cuidadosa que merece tomarse en serio — no un veredicto sobre programar con IA.